Comment saisir les données dans la calculatrice du khi-deux ?

Saisissez les données de votre tableau de contingence avec les lignes sur des lignes séparées et les colonnes séparées par des espaces ou des virgules. Par exemple, pour un tableau 2×3 : saisissez '10, 20, 30' sur la première ligne et '15, 25, 35' sur la seconde. Toutes les lignes doivent avoir le même nombre de colonnes. La calculatrice accepte les valeurs entières et décimales.

Calculatrice de test du khi-deux

Q: Qu'est-ce que le test du Khi-deux d'indépendance ?

Le test du Khi-deux d'indépendance est un test d'hypothèse statistique utilisé pour déterminer s'il existe une association significative entre deux variables catégorielles. Il compare les fréquences observées dans un tableau de contingence aux fréquences attendues calculées sous l'hypothèse d'indépendance. Si la statistique du khi-deux est suffisamment grande (valeur p inférieure au seuil de signification), nous rejetons l'hypothèse nulle d'indépendance.

Q: Qu'est-ce que le V de Cramér et comment l'interpréter ?

Le V de Cramér est une mesure de la taille de l'effet pour les tests du khi-deux, allant de 0 à 1. Il indique la force de l'association entre deux variables catégorielles. Consignes d'interprétation : V 0,5 indique une association forte. Contrairement à la valeur p, le V de Cramér n'est pas affecté par la taille de l'échantillon.

Q: Quand dois-je utiliser le test exact de Fisher au lieu du Khi-deux ?

Le test exact de Fisher est préférable lorsque les fréquences attendues sont faibles (généralement lorsqu'un effectif attendu est inférieur à 5). Le test du khi-deux est une approximation qui devient moins précise avec de petites valeurs attendues. Pour les tableaux 2×2 avec de petits échantillons, le test de Fisher fournit des valeurs p exactes. Cette calculatrice vous avertit lorsque les fréquences attendues sont inférieures à 5.

Effectuez un test du khi-deux d'indépendance pour déterminer s'il existe une association significative entre deux variables catégorielles. Obtenez la statistique khi-deux, la p-value, les fréquences attendues, les contributions des cellules et la taille de l'effet V de Cramer avec des calculs étape par étape.

Calculatrice de test du khi-deux

Saisir le tableau de contingence

Exemples rapides

Fréquences observées (lignes sur des lignes séparées, colonnes par espaces/virgules)

Seuil de signification (α)

Précision décimale

Embed Calculatrice de test du khi-deux Widget

Calculatrice de test du khi-deux

La calculatrice de test du khi deux effectue le test du khi-deux d'indépendance pour déterminer s'il existe une association statistiquement significative entre deux variables catégorielles. Cet outil complet calcule la statistique du khi-deux, la valeur p, les degrés de liberté, les fréquences attendues, les contributions des cellules et la taille de l'effet (V de Cramér), fournissant une analyse statistique complète avec des explications étape par étape.

Qu'est-ce que le test du Khi-deux d'indépendance ?

Le test du khi-deux d'indépendance est un test statistique non paramétrique utilisé pour analyser la relation entre deux variables catégorielles organisées dans un tableau de contingence. Il compare les fréquences observées (comptages réels de vos données) aux fréquences attendues (ce que nous attendrions si les variables étaient réellement indépendantes).

Le test évalue l'hypothèse nulle selon laquelle les deux variables sont indépendantes l'une de l'autre. Si le test produit une statistique du khi-deux suffisamment grande (entraînant une petite valeur p), nous rejetons l'hypothèse nulle et concluons qu'il existe une association statistiquement significative entre les variables.

Formule de la statistique du Khi-deux

Statistique du Khi-deux

$$\chi^2 = \sum \frac{(O_{ij} - E_{ij})^2}{E_{ij}}$$

Où :

O_ij = Fréquence observée dans la cellule (i, j)
E_ij = Fréquence attendue dans la cellule (i, j)
La somme est effectuée sur toutes les cellules du tableau de contingence

Formule de la fréquence attendue

Fréquence attendue

$$E_{ij} = \frac{R_i \times C_j}{N}$$

Où :

R_i = Total de la ligne i
C_j = Total de la colonne j
N = Grand total de toutes les observations

Degrés de liberté

$$df = (r - 1) \times (c - 1)$$

Où r est le nombre de lignes et c est le nombre de colonnes. Les degrés de liberté déterminent quelle distribution du khi-deux utiliser pour calculer la valeur p.

Interprétation des résultats du test du Khi-deux

La valeur P

La valeur p vous indique la probabilité d'observer une statistique du khi-deux aussi extrême que (ou plus extrême que) celle que vous avez calculée, en supposant que l'hypothèse nulle est vraie :

valeur p ≤ α : Rejetez l'hypothèse nulle. Il existe une association statistiquement significative entre les variables.
valeur p > α : Échec du rejet de l'hypothèse nulle. Les preuves sont insuffisantes pour conclure à l'existence d'une association.

Niveaux de signification courants (α) :

Niveau α	Confiance	Cas d'utilisation
0,10	90 %	Analyse exploratoire, études préliminaires
0,05	95 %	Standard pour la plupart des recherches (le plus courant)
0,01	99 %	Tests plus rigoureux, recherche médicale
0,001	99,9 %	Critères très stricts, décisions à enjeux élevés

Taille de l'effet : V de Cramér

Alors que la valeur p vous indique si une association existe, le V de Cramér mesure la force de cette association :

V de Cramér

$$V = \sqrt{\frac{\chi^2}{N \times (k - 1)}}$$

Où k = min(lignes, colonnes). Directives d'interprétation :

V de Cramér	Force de l'association
0,00 - 0,10	Association négligeable
0,10 - 0,30	Association faible
0,30 - 0,50	Association modérée
0,50+	Association forte

Hypothèses du test du Khi-deux

Indépendance : Les observations doivent être indépendantes les unes des autres
Taille de l'échantillon : Les fréquences attendues devraient généralement être d'au moins 5 dans chaque cellule
Échantillonnage aléatoire : Les données doivent provenir d'un échantillon aléatoire
Données catégorielles : Les deux variables doivent être catégorielles (nominales ou ordinales)

Lorsque les fréquences attendues sont inférieures à 5, l'approximation du khi-deux peut être peu fiable. Pour les tableaux 2×2, envisagez d'utiliser le test exact de Fisher à la place. Cette calculatrice vous avertit lorsqu'une fréquence attendue est inférieure à 5.

Applications courantes

Recherche médicale : Tester si un traitement est associé aux résultats des patients
Marketing : Analyser les relations entre la démographie et le comportement d'achat
Génétique : Tester si les traits suivent les schémas d'héritage attendus
Sciences sociales : Examiner les associations entre les réponses aux enquêtes
Contrôle qualité : Déterminer si les taux de défauts varient d'une ligne de production à l'autre
Éducation : Analyser les relations entre les méthodes d'enseignement et la performance des élèves

Comment utiliser cette calculatrice

Saisissez votre tableau de contingence : Entrez les fréquences observées avec les lignes sur des lignes séparées et les colonnes séparées par des espaces ou des virgules
Sélectionnez le seuil de signification : Choisissez α = 0,05 (confiance de 95 %) pour une analyse standard, ou ajustez selon vos besoins
Définissez la précision décimale : Sélectionnez le nombre de décimales pour les résultats
Examinez les résultats : Consultez la statistique du khi-deux, la valeur p, la conclusion et la taille de l'effet
Analysez les tableaux : Comparez les fréquences observées vs attendues et identifiez les cellules contribuant le plus à la statistique

Foire Aux Questions

Qu'est-ce que le test du Khi-deux d'indépendance ?

Le test du khi-deux d'indépendance est un test d'hypothèse statistique utilisé pour déterminer s'il existe une association significative entre deux variables catégorielles. Il compare les fréquences observées dans un tableau de contingence aux fréquences attendues calculées sous l'hypothèse d'indépendance. Si la statistique du khi-deux est suffisamment grande (valeur p inférieure au seuil de signification), nous rejetons l'hypothèse nulle d'indépendance.

Comment interpréter la valeur p dans un test du khi-deux ?

La valeur p représente la probabilité d'observer une statistique du khi-deux aussi extrême que (ou plus extrême que) la valeur calculée, en supposant que l'hypothèse nulle est vraie. Si valeur p ≤ α (généralement 0,05), rejetez l'hypothèse nulle et concluez qu'il existe une association significative. Si valeur p > α, ne rejetez pas l'hypothèse nulle.

Quels sont les degrés de liberté dans un test du khi-deux ?

Les degrés de liberté (ddl) pour un test du khi-deux d'indépendance sont égaux à (r-1) × (c-1), où r est le nombre de lignes et c est le nombre de colonnes. Par exemple, un tableau 3×4 a ddl = (3-1) × (4-1) = 6.

Qu'est-ce que le V de Cramér et comment l'interpréter ?

Le V de Cramér mesure la taille de l'effet, allant de 0 à 1. Il indique la force de l'association : V < 0,1 est négligeable, 0,1-0,3 est faible, 0,3-0,5 est modéré, et V > 0,5 est fort. Contrairement à la valeur p, le V de Cramér n'est pas affecté par la taille de l'échantillon.

Quand dois-je utiliser le test exact de Fisher à la place ?

Utilisez le test exact de Fisher lorsque les fréquences attendues sont petites (tout effectif attendu inférieur à 5). Le test du khi-deux est une approximation qui devient moins précise avec de petites valeurs attendues. Pour les tableaux 2×2 avec de petits échantillons, le test de Fisher fournit des valeurs p exactes.

Comment saisir les données dans la calculatrice ?

Saisissez votre tableau de contingence avec les lignes sur des lignes séparées et les colonnes séparées par des espaces ou des virgules. Pour un tableau 2×3 : saisissez '10, 20, 30' sur la ligne 1 et '15, 25, 35' sur la ligne 2. Toutes les lignes doivent avoir le même nombre de colonnes.

Ressources supplémentaires

Citez ce contenu, cette page ou cet outil comme suit :

"Calculatrice de test du khi-deux" sur https://MiniWebtool.com/fr/calculatrice-de-test-du-khi-deux/ de MiniWebtool, https://MiniWebtool.com/

par l'équipe miniwebtool. Mis à jour : 20 janv. 2026

API développeur disponible: Exécutez cet outil depuis votre app, automatisation ou agent avec une requête HTTP JSON. Voir la documentation API

Vous pouvez également essayer notre Résolveur Mathématique IA GPT pour résoudre vos problèmes mathématiques grâce à des questions-réponses en langage naturel.

Calculatrice de test du khi-deux

Saisir le tableau de contingence

Calculatrice de test du khi-deux

Qu'est-ce que le test du Khi-deux d'indépendance ?

Formule de la statistique du Khi-deux

Formule de la fréquence attendue

Degrés de liberté

Interprétation des résultats du test du Khi-deux

La valeur P

Taille de l'effet : V de Cramér

Hypothèses du test du Khi-deux

Applications courantes

Comment utiliser cette calculatrice

Foire Aux Questions

Qu'est-ce que le test du Khi-deux d'indépendance ?

Comment interpréter la valeur p dans un test du khi-deux ?

Quels sont les degrés de liberté dans un test du khi-deux ?

Qu'est-ce que le V de Cramér et comment l'interpréter ?

Quand dois-je utiliser le test exact de Fisher à la place ?

Comment saisir les données dans la calculatrice ?

Ressources supplémentaires

Statistiques et analyse de données:

Outils en vedette: