Comment trouver la valeur critique Z en Python



Chaque fois que vous effectuez un test d’hypothèse, vous obtenez une statistique de test. Pour déterminer si les résultats du test d’hypothèse sont statistiquement significatifs, vous pouvez comparer la statistique du test à une valeur critique Z . Si la valeur absolue de la statistique du test est supérieure à la valeur critique Z, alors les résultats du test sont statistiquement significatifs.

Pour trouver la valeur critique Z en Python, vous pouvez utiliser la fonction scipy.stats.norm.ppf() , qui utilise la syntaxe suivante :

scipy.stats.norm.ppf(q)

où:

  • q : Le niveau de signification à utiliser

Les exemples suivants illustrent comment trouver la valeur critique Z pour un test à gauche, un test à droite et un test bilatéral.

Test de gauche

Supposons que nous souhaitions trouver la valeur critique Z pour un test gauche avec un niveau de signification de 0,05 :

import scipy.stats

#find Z critical value
scipy.stats.norm.ppf(.05)

-1.64485

La valeur critique Z est -1,64485 . Ainsi, si la statistique du test est inférieure à cette valeur, les résultats du test sont statistiquement significatifs.

Test de droite

Supposons que nous souhaitions trouver la valeur critique Z pour un test latéral droit avec un niveau de signification de 0,05 :

import scipy.stats

#find Z critical value
scipy.stats.norm.ppf(1-.05)

1.64485

La valeur critique Z est 1,64485 . Ainsi, si la statistique du test est supérieure à cette valeur, les résultats du test sont statistiquement significatifs.

Test bilatéral

Supposons que nous souhaitions trouver la valeur critique Z pour un test bilatéral avec un niveau de signification de 0,05 :

import scipy.stats

#find Z critical value
scipy.stats.norm.ppf(1-.05/2)

1.95996

Chaque fois que vous effectuez un test bilatéral, il y aura deux valeurs critiques. Dans ce cas, les valeurs critiques Z sont 1,95996 et -1,95996 . Ainsi, si la statistique du test est inférieure à -1,95996 ou supérieure à 1,95996, les résultats du test sont statistiquement significatifs.

Reportez-vous à la documentation SciPy pour les détails exacts de la fonction norm.ppf().

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *