Calculateur du test du khi-deux
Le test d’indépendance du khi-deux de Pearson compare les effectifs observés aux effectifs attendus sous l’hypothèse d’indépendance. Il évalue une association entre variables catégorielles, sans établir de causalité.
Interprétation et limites
L’effectif attendu est le total de ligne multiplié par le total de colonne, divisé par le total général. Rapportez N, χ², les degrés de liberté, la valeur p et le V de Cramér. Des observations appariées, réponses multiples ou plans complexes exigent des méthodes adaptées.
Exemple d’analyse
Un tableau 2×2 peut comparer l’achat et le non-achat entre deux groupes. Si les effectifs attendus sont faibles, l’approximation peut être peu fiable ; envisagez le test exact de Fisher pour une table d’effectifs entiers qui respecte ses conditions.
Mode d’emploi
- Saisissez ou collez les effectifs entiers réellement observés.
- Vérifiez les totaux, effectifs attendus et hypothèses d’indépendance.
- Interprétez la valeur p avec la taille d’effet et la distribution observée.
Saisir les effectifs observés
Utilisez des effectifs entiers d’observations indépendantes, et non des pourcentages ou des estimations pondérées assimilées à des personnes.
| Total | |||
|---|---|---|---|
| 50 | |||
| 50 | |||
| Total | 50 | 50 | 100 |
Chi carré (χ²)
4.00
df = 1 · p = .046 · Cramér's V = 0.20
χ²(1, N = 100) = 4.00, p = .046, V = .20
Toutes les statistiques
| Chi carré de Pearson | χ² = 4.000, df = 1, p = .046 |
| Test G (rapport de vraisemblance) | G = 4.027, df = 1, p = .045 |
| Khi carré avec correction de Yates | χ² = 3.240, p = .072 |
| Test exact de Fisher (bilatéral) | p = .071 |
| Rapport de cotes | 0.444 (95% CI 0.200 – 0.989) |
| Cramér's V | 0.200 (petit) |
| Coefficient Phi (φ) | -0.200 |
| Coefficient de contingence (C) | 0.196 |
| Lambda (symétrique / ligne | col / col | ligne) | 0.200 / 0.200 / 0.200 |
| Goodman–Kruskal gamma (γ) | -0.385 |
| Kendall's tau-b / tau-c | -0.200 / -0.200 |
| Somers' d | -0.200 / -0.200 / -0.200 |
| Theil's U | 0.029 / 0.029 / 0.029 |
Traitement et conservation des données
L’espace de travail du navigateur lit et analyse les fichiers sur votre appareil. Les projets enregistrés appartiennent à ce navigateur ; effacer ses données ou changer d’appareil peut les rendre inaccessibles. Exportez une sauvegarde distincte. Le partage ou la copie vers une IA constitue une transmission séparée.
Le MCP hébergé est différent du traitement local : le serveur reçoit les fichiers et projets temporaires que vous transmettez avec votre consentement explicite. Votre client d’IA peut également recevoir les entrées et résultats des outils. Consultez sa politique de données.
Questions fréquentes
- Puis-je saisir des pourcentages ?
- Ne remplacez pas les effectifs par des pourcentages. Utilisez les nombres d’observations à l’origine de ces proportions.
- Un résultat non significatif signifie-t-il absence de différence ?
- Non. Les données peuvent manquer de précision pour détecter une différence. Considérez aussi la taille de l’échantillon et l’effet.