Calculateur de test z pour une proportion
Rédigé par Thierno Sadou Diallo, formule vérifiée selon notre méthodologie • Mis à jour le 09/09/2026
Le test z pour une proportion se calcule avec z = (p̂ − p0) ÷ √(p0(1−p0) ÷ n), où p̂ est la proportion observée et p0 la proportion de référence. Pour une proportion observée de 55 % sur 100 personnes, testée contre une référence de 50 %, la statistique z vaut exactement 1.
Explication
Le test z pour une proportion répond à une question différente de notre calculateur d'intervalle de confiance d'une proportion : plutôt que d'estimer une fourchette plausible pour la vraie proportion, il teste si une proportion observée sur un échantillon (p̂) s'écarte significativement d'une valeur de référence connue ou hypothétique (p0) — par exemple, vérifier si un taux de conversion observé de 55 % diffère réellement de 50 % (l'hypothèse d'équiprobabilité), ou si un taux de défauts observé diffère d'une norme de fabrication attendue. La nuance statistique importante avec l'intervalle de confiance réside dans le calcul de l'erreur type au dénominateur : le test d'hypothèse utilise p0 (la valeur de référence, sous l'hypothèse dite nulle que c'est la vraie proportion), tandis que l'intervalle de confiance utilise p̂ (la proportion réellement observée) — les deux approches partagent la même structure mathématique mais répondent à des questions distinctes, et cette différence de convention n'est pas une simple coquille mais une distinction méthodologique délibérée en statistique inférentielle. La statistique z résultante mesure combien d'erreurs types séparent la proportion observée de la référence attendue sous l'hypothèse testée : plus sa valeur absolue est grande, moins il est plausible que l'écart observé soit dû au seul hasard de l'échantillonnage. Comme pour nos autres calculateurs de statistiques inférentielles, ce calculateur s'arrête volontairement à la statistique z elle-même, sans conclusion automatique de signification : comparer ce résultat aux scores critiques usuels (1,645 pour un seuil à 90 %, 1,96 pour 95 %, déjà utilisés dans notre calculateur de score z) permet de conclure à une différence statistiquement significative ou non.
Exemple : proportion observée de 55 % contre une référence de 50 %, sur 100 personnes
Données d'entrée
Proportion observée : 0,55. Proportion de référence : 0,5. Taille de l'échantillon : 100.
Calcul
z = (0,55 − 0,5) ÷ √(0,5 × 0,5 ÷ 100) = 0,05 ÷ √0,0025 = 0,05 ÷ 0,05 = 1.
Résultat
La statistique z vaut exactement 1, une différence modérée par rapport à la référence attendue.
Questions fréquentes
Pourquoi ce calcul utilise-t-il p0 et non p̂ dans l'erreur type ?
Parce que ce test d'hypothèse se place délibérément sous l'hypothèse nulle, c'est-à-dire en supposant provisoirement que la vraie proportion est bien p0 : dans ce cadre, l'erreur type théorique doit logiquement se calculer à partir de p0, la valeur supposée vraie, plutôt qu'à partir de p̂, qui n'est qu'une estimation observée sur un échantillon particulier. C'est une convention méthodologique standard en test d'hypothèse, distincte du calcul de l'erreur type utilisé pour construire un intervalle de confiance.
Ce calculateur donne-t-il directement une conclusion de signification statistique ?
Non, volontairement : ce calculateur donne uniquement la statistique z, sans conclusion automatique. Comparer cette statistique aux scores critiques usuels de la loi normale (1,645 pour un test à 90 % de confiance, 1,96 pour 95 %, 2,576 pour 99 %, les mêmes valeurs que notre calculateur de score z) permet de déterminer si l'écart observé est statistiquement significatif au seuil choisi.
Quelle est la différence avec le calculateur d'intervalle de confiance d'une proportion ?
L'intervalle de confiance part de la seule proportion observée pour estimer une fourchette plausible de la vraie proportion dans la population, sans valeur de référence externe à tester. Le test z, à l'inverse, compare explicitement la proportion observée à une valeur de référence précise (p0) fixée à l'avance, pour répondre à la question « cette proportion observée est-elle différente de cette valeur attendue ? » plutôt qu'à « quelle est la fourchette probable de la vraie proportion ? ».