Skip to content
Omnikalc

Test F : deux échantillons ont-ils la même variance ?

Comparez les variances de deux échantillons indépendants avec le test F de Fisher à partir de leurs écarts-types et effectifs : rapport F, valeur p et valeurs critiques.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Valeur p

0,07543

Non significatif : les données sont compatibles avec des variances égales
Rapport F (variance 1 ÷ variance 2)
2,25
F critique inférieur (bilatéral)
0,4264
F critique supérieur (bilatéral)
2,4523
Degrés de liberté du numérateur
24
Degrés de liberté du dénominateur
19

À quoi sert le test F d’égalité des variances

Le test F de Fisher compare les variances de deux populations à partir de deux échantillons indépendants. On l’utilise pour savoir si deux machines, deux méthodes de mesure ou deux fournisseurs ont la même dispersion, et traditionnellement pour vérifier la condition d’égalité des variances avant un test t de Student.

La formule

F = s₁² ÷ s₂², avec n₁ − 1 degrés de liberté au numérateur et n₂ − 1 au dénominateur.

Sous l’hypothèse nulle d’égalité des variances, ce rapport suit la loi de Fisher-Snedecor. En bilatéral, la valeur p vaut deux fois la plus petite des deux queues, et l’on rejette l’égalité si F sort de l’intervalle compris entre les deux valeurs critiques.

Exemple

Échantillon 1 : écart-type 12 sur 25 valeurs. Échantillon 2 : écart-type 8 sur 20 valeurs.

  • F = 144 ÷ 64 = 2,25, avec 24 et 19 degrés de liberté ;
  • valeur p bilatérale ≈ 0,075 : non significatif au seuil de 5 % ;
  • les valeurs critiques bilatérales valent environ 0,43 et 2,45 ; F reste entre les deux.

Malgré un écart-type 1,5 fois plus grand, ces effectifs ne permettent pas de conclure à des dispersions différentes.

Lire le résultat

  • p inférieure à α : les variances diffèrent significativement.
  • p supérieure ou égale à α : rien ne permet de rejeter l’égalité des variances, sans pour autant la démontrer.

Pour un test unilatéral (« la variance 1 est-elle plus grande ? »), mettez au numérateur l’échantillon dont on soupçonne la plus forte dispersion.

Une mise en garde importante

Le test F est très sensible à la non-normalité : une distribution à queues épaisses suffit à le rendre significatif alors que les variances sont égales. Pour cette raison, beaucoup de statisticiens préconisent aujourd’hui :

  • le test de Levene ou celui de Brown-Forsythe pour comparer des dispersions sur des données réelles ;
  • le test t de Welch d’emblée, plutôt qu’un test F préalable suivi d’un test de Student, car cet enchaînement en deux temps fausse le risque d’erreur global.

Le test F reste toutefois au programme des BTS et des licences, et il est adapté au contrôle qualité quand la normalité des mesures est bien établie.

Questions fréquentes

Comment calcule-t-on la statistique F de deux variances ?

F = s₁² ÷ s₂², avec n₁ − 1 et n₂ − 1 degrés de liberté.

Faut-il faire un test F avant un test t ?

Beaucoup de statisticiens le déconseillent et recommandent d'utiliser directement le test de Welch, car la procédure en deux temps fausse les risques d'erreur.

Pourquoi le test F est-il sensible à la non-normalité ?

Sa loi suppose des données normales ; des queues épaisses gonflent les variances et créent de faux positifs. Le test de Levene est plus robuste.

Comment faire un test F unilatéral ?

Placez en premier l'échantillon dont la variance est supposée la plus grande et choisissez l'option unilatérale.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.