{"id":15326,"date":"2020-03-15T18:15:04","date_gmt":"2020-03-15T17:15:04","guid":{"rendered":"https:\/\/www.datanovia.com\/en\/?post_type=dt_lessons&#038;p=15326"},"modified":"2020-03-15T18:15:04","modified_gmt":"2020-03-15T17:15:04","slug":"comment-faire-un-test-t-a-deux-echantillons-independant-dans-r","status":"publish","type":"dt_lessons","link":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/","title":{"rendered":"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R"},"content":{"rendered":"<div id=\"rdoc\">\n<p>Cet article d\u00e9crit comment faire un <strong>test t \u00e0 deux \u00e9chantillons dans R<\/strong> (ou dans <em>Rstudio<\/em>). Notez que le test t \u00e0 deux \u00e9chantillons est aussi appel\u00e9:<\/p>\n<ul>\n<li><em>test t ind\u00e9pendant<\/em>,<\/li>\n<li><em>test-t pour \u00e9chantillons ind\u00e9pendants<\/em>,<\/li>\n<li><em>Test T non appari\u00e9<\/em> ou<\/li>\n<li><em>test t non apparent\u00e9<\/em>.<\/li>\n<\/ul>\n<p>Le t-test pour \u00e9chantillons ind\u00e9pendants se pr\u00e9sente sous deux formes diff\u00e9rentes:<\/p>\n<ul>\n<li>le <em>test t standard de Student<\/em>, qui suppose que la variance des deux groupes est \u00e9gale.<\/li>\n<li>le <em>test t de Welch<\/em>, qui est moins restrictif que le test original de Student. Il s\u2019agit du test o\u00f9 vous ne pr\u00e9sumez pas que la variance est la m\u00eame dans les deux groupes, ce qui donne les degr\u00e9s de libert\u00e9 fractionnaires suivants.<\/li>\n<\/ul>\n<div class=\"warning\">\n<p>Les deux m\u00e9thodes donnent des r\u00e9sultats tr\u00e8s semblables, \u00e0 moins que la taille des groupes et les \u00e9carts-types ne soient tr\u00e8s diff\u00e9rents.<\/p>\n<\/div>\n<p>Vous apprendrez \u00e0:<\/p>\n<ul>\n<li><em>Ex\u00e9cuter le test t ind\u00e9pendant dans R<\/em> en utilisant les fonctions suivantes :\n<ul>\n<li><code>t_test()<\/code> [paquet rstatix] : le r\u00e9sultat est une data frame pour une visualisation graphique facile en utilisant le paquet <code>ggpubr<\/code>.<\/li>\n<li><code>t.test()<\/code> [paquet stats] : fonction R de base.<\/li>\n<\/ul>\n<\/li>\n<li><em>Interpr\u00e9ter et rapporter le test t \u00e0 deux \u00e9chantillons<\/em><\/li>\n<li><em>Ajouter des p-values et des niveaux de significativit\u00e9 \u00e0 un graphe<\/em><\/li>\n<li><em>Calculez et rapportez la taille de l\u2019effet du test t pour \u00e9chantillons ind\u00e9pendants<\/em> en utilisant le <em>d de Cohen<\/em>. La statistique \u201cd\u201d red\u00e9finit la diff\u00e9rence de moyennes comme le nombre d\u2019\u00e9carts-types qui s\u00e9pare ces moyennes. Les tailles d\u2019effet conventionnelles des tests T, propos\u00e9es par Cohen, sont : 0,2 (petit effet), 0,5 (effet mod\u00e9r\u00e9) et 0,8 (effet important) <span class=\"citation\">(Cohen 1998)<\/span>.<\/li>\n<\/ul>\n<p>Sommaire:<\/p>\n<div id=\"TOC\">\n<ul>\n<li><a href=\"#pr\u00e9requis\">Pr\u00e9requis<\/a><\/li>\n<li><a href=\"#donn\u00e9es-de-d\u00e9monstration\">Donn\u00e9es de d\u00e9monstration<\/a><\/li>\n<li><a href=\"#statistiques-descriptives\">Statistiques descriptives<\/a><\/li>\n<li><a href=\"#calculs\">Calculs<\/a>\n<ul>\n<li><a href=\"#utilisation-de-la-fonction-de-base-r\">Utilisation de la fonction de base R<\/a><\/li>\n<li><a href=\"#utilisation-du-paquet-rstatix\">Utilisation du paquet rstatix<\/a><\/li>\n<\/ul>\n<\/li>\n<li><a href=\"#interpr\u00e9tation\">Interpr\u00e9tation<\/a><\/li>\n<li><a href=\"#taille-de-leffet\">Taille de l\u2019effet<\/a>\n<ul>\n<li><a href=\"#d-de-cohen-pour-le-test-t-de-student\">d de Cohen pour le test t de Student<\/a><\/li>\n<li><a href=\"#le-d-de-cohen-pour-le-test-t-de-welch\">Le d de Cohen pour le test t de Welch<\/a><\/li>\n<\/ul>\n<\/li>\n<li><a href=\"#rapporter\">Rapporter<\/a><\/li>\n<li><a href=\"#r\u00e9sum\u00e9\">R\u00e9sum\u00e9<\/a><\/li>\n<li><a href=\"#references\">References<\/a><\/li>\n<\/ul>\n<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div class='dt-sc-ico-content type1'><div class='custom-icon' ><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/pratiques-des-statistiques-dans-r-pour-comparaison-de-groupes-variables-numeriques\/' target='_blank'><span class='fa fa-book'><\/span><\/a><\/div><h4><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/pratiques-des-statistiques-dans-r-pour-comparaison-de-groupes-variables-numeriques\/' target='_blank'> Livre Apparent\u00e9 <\/a><\/h4>Pratique des Statistiques dans R II - Comparaison de Groupes: Variables Num\u00e9riques<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div id=\"pr\u00e9requis\" class=\"section level2\">\n<h2>Pr\u00e9requis<\/h2>\n<p>Assurez-vous d\u2019avoir install\u00e9 les paquets R suivants:<\/p>\n<ul>\n<li><code>tidyverse<\/code> pour la manipulation et la visualisation des donn\u00e9es<\/li>\n<li><code>ggpubr<\/code> pour cr\u00e9er facilement des graphiques pr\u00eats \u00e0 la publication<\/li>\n<li><code>rstatix<\/code> contient des fonctions R facilitant les analyses statistiques.<\/li>\n<li><code>datarium<\/code>: contient les jeux de donn\u00e9es requis pour ce chapitre.<\/li>\n<\/ul>\n<p>Commencez par charger les packages requis suivants:<\/p>\n<pre class=\"r\"><code>library(tidyverse)\r\nlibrary(ggpubr)\r\nlibrary(rstatix)<\/code><\/pre>\n<\/div>\n<div id=\"donn\u00e9es-de-d\u00e9monstration\" class=\"section level2\">\n<h2>Donn\u00e9es de d\u00e9monstration<\/h2>\n<p>Jeu de donn\u00e9es de d\u00e9monstration : <code>genderweight<\/code> [package datarium] contenant le poids de 40 individus (20 femmes et 20 hommes).<\/p>\n<p>Charger les donn\u00e9es et afficher quelques lignes al\u00e9atoires par groupes:<\/p>\n<pre class=\"r\"><code># Charger les donn\u00e9es\r\ndata(\"genderweight\", package = \"datarium\")\r\n# Afficher un \u00e9chantillon des donn\u00e9es par groupe\r\nset.seed(123)\r\ngenderweight %&gt;% sample_n_by(group, size = 2)<\/code><\/pre>\n<pre><code>## # A tibble: 4 x 3\r\n##   id    group weight\r\n##   &lt;fct&gt; &lt;fct&gt;  &lt;dbl&gt;\r\n## 1 6     F       65.0\r\n## 2 15    F       65.9\r\n## 3 29    M       88.9\r\n## 4 37    M       77.0<\/code><\/pre>\n<div class=\"block\">\n<p>Nous voulons savoir si les poids moyens sont diff\u00e9rents d\u2019un groupe \u00e0 l\u2019autre.<\/p>\n<\/div>\n<\/div>\n<div id=\"statistiques-descriptives\" class=\"section level2\">\n<h2>Statistiques descriptives<\/h2>\n<p>Calculer quelques statistiques descriptives par groupe : moyenne et sd (\u00e9cart-type)<\/p>\n<pre class=\"r\"><code>genderweight %&gt;%\r\n  group_by(group) %&gt;%\r\n  get_summary_stats(weight, type = \"mean_sd\")<\/code><\/pre>\n<pre><code>## # A tibble: 2 x 5\r\n##   group variable     n  mean    sd\r\n##   &lt;fct&gt; &lt;chr&gt;    &lt;dbl&gt; &lt;dbl&gt; &lt;dbl&gt;\r\n## 1 F     weight      20  63.5  2.03\r\n## 2 M     weight      20  85.8  4.35<\/code><\/pre>\n<\/div>\n<div id=\"calculs\" class=\"section level2\">\n<h2>Calculs<\/h2>\n<p>Rappelons que, par d\u00e9faut, R calcule le test t de Welch, qui est le plus prudent. Il s\u2019agit du test o\u00f9 vous ne pr\u00e9sumez pas que la variance est la m\u00eame dans les deux groupes, ce qui donne les degr\u00e9s de libert\u00e9 fractionnaires suivants. Si vous voulez supposer l\u2019\u00e9galit\u00e9 des variances (test t de Student), sp\u00e9cifiez l\u2019option <code>var.equal = TRUE<\/code>.<\/p>\n<div id=\"utilisation-de-la-fonction-de-base-r\" class=\"section level3\">\n<h3>Utilisation de la fonction de base R<\/h3>\n<p>Il existe deux options pour calculer le test t ind\u00e9pendant selon que les donn\u00e9es des deux groupes soient enregistr\u00e9es soit dans deux vecteurs diff\u00e9rents, soit dans une data frame.<\/p>\n<p><strong>Option 1<\/strong>. Les donn\u00e9es sont enregistr\u00e9es dans deux vecteurs num\u00e9riques diff\u00e9rents:<\/p>\n<pre class=\"r\"><code># Enregistrer les donn\u00e9es dans deux vecteurs diff\u00e9rents\r\nwomen_weight &lt;- genderweight %&gt;%\r\n  filter(group == \"F\") %&gt;%\r\n  pull(weight)\r\nmen_weight &lt;- genderweight %&gt;%\r\n  filter(group == \"M\") %&gt;%\r\n  pull(weight)\r\n# Calculer le test t\r\nres &lt;- t.test(women_weight, men_weight)\r\nres<\/code><\/pre>\n<pre><code>## \r\n##  Welch Two Sample t-test\r\n## \r\n## data:  women_weight and men_weight\r\n## t = -20, df = 30, p-value &lt;2e-16\r\n## alternative hypothesis: true difference in means is not equal to 0\r\n## 95 percent confidence interval:\r\n##  -24.5 -20.1\r\n## sample estimates:\r\n## mean of x mean of y \r\n##      63.5      85.8<\/code><\/pre>\n<p><strong>Option 2<\/strong>. Les donn\u00e9es sont enregistr\u00e9es dans une data frame.<\/p>\n<pre class=\"r\"><code># Calculer le test t\r\nres &lt;- t.test(weight ~ group, data = genderweight)\r\nres<\/code><\/pre>\n<pre><code>## \r\n##  Welch Two Sample t-test\r\n## \r\n## data:  weight by group\r\n## t = -20, df = 30, p-value &lt;2e-16\r\n## alternative hypothesis: true difference in means is not equal to 0\r\n## 95 percent confidence interval:\r\n##  -24.5 -20.1\r\n## sample estimates:\r\n## mean in group F mean in group M \r\n##            63.5            85.8<\/code><\/pre>\n<div class=\"success\">\n<p>Comme vous pouvez le voir, les deux m\u00e9thodes donnent les m\u00eames r\u00e9sultats.<\/p>\n<\/div>\n<p>Dans le r\u00e9sultat ci-dessus :<\/p>\n<ul>\n<li><code>t<\/code> est la valeur de la statistique du test t (t = -20.79),<\/li>\n<li><code>df<\/code> est le degr\u00e9 de libert\u00e9 (df= 26.872),<\/li>\n<li><code>p-value<\/code> est le niveau de significativit\u00e9 du test t (p-value = 4.29810^{-18}).<\/li>\n<li><code>conf.int<\/code> est l\u2019intervalle de confiance de la diff\u00e9rence de moyennes \u00e0 95% (conf.int = [-24.5314, -20.1235]);<\/li>\n<li><code>sample estimates<\/code> est la valeur moyenne de l\u2019\u00e9chantillon (moyenne = 63.499, 85.826).<\/li>\n<\/ul>\n<\/div>\n<div id=\"utilisation-du-paquet-rstatix\" class=\"section level3\">\n<h3>Utilisation du paquet rstatix<\/h3>\n<p>Nous utiliserons le syst\u00e8me pipe-compatible <code>t_test()<\/code> function [rstatix package], a wrapper around the R base function <code>t.test()<\/code>. Les r\u00e9sultats peuvent \u00eatre facilement ajout\u00e9s \u00e0 un graphique en utilisant le paquet R<code>ggpubr<\/code>.<\/p>\n<pre class=\"r\"><code>stat.test &lt;- genderweight %&gt;% \r\n  t_test(weight ~ group) %&gt;%\r\n  add_significance()\r\nstat.test<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 9\r\n##   .y.    group1 group2    n1    n2 statistic    df        p p.signif\r\n##   &lt;chr&gt;  &lt;chr&gt;  &lt;chr&gt;  &lt;int&gt; &lt;int&gt;     &lt;dbl&gt; &lt;dbl&gt;    &lt;dbl&gt; &lt;chr&gt;   \r\n## 1 weight F      M         20    20     -20.8  26.9 4.30e-18 ****<\/code><\/pre>\n<p>Si vous voulez supposer l\u2019\u00e9galit\u00e9 des variances (test t de Student), sp\u00e9cifiez l\u2019option <code>var.equal = TRUE<\/code>:<\/p>\n<pre class=\"r\"><code>stat.test2 &lt;- genderweight %&gt;%\r\n  t_test(weight ~ group, var.equal = TRUE) %&gt;%\r\n  add_significance()\r\nstat.test2<\/code><\/pre>\n<p>Les r\u00e9sultats ci-dessus montrent les composantes suivantes:<\/p>\n<ul>\n<li><code>.y.<\/code>: la variable y utilis\u00e9e dans le test.<\/li>\n<li><code>group1,group2<\/code>: les groupes compar\u00e9s dans les tests par paires.<\/li>\n<li><code>statistic<\/code>: Statistique de test utilis\u00e9e pour calculer la p-value.<\/li>\n<li><code>df<\/code>: degr\u00e9s de libert\u00e9.<\/li>\n<li><code>p<\/code>: p-value.<\/li>\n<\/ul>\n<div class=\"warning\">\n<p>Notez que, vous pouvez obtenir un r\u00e9sultat d\u00e9taill\u00e9 en sp\u00e9cifiant l\u2019option <code>detailed = TRUE<\/code>.<\/p>\n<\/div>\n<pre class=\"r\"><code>genderweight %&gt;%\r\n  t_test(weight ~ group, detailed = TRUE) %&gt;%\r\n  add_significance()<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 16\r\n##   estimate estimate1 estimate2 .y.    group1 group2    n1    n2 statistic        p    df conf.low conf.high method alternative p.signif\r\n##      &lt;dbl&gt;     &lt;dbl&gt;     &lt;dbl&gt; &lt;chr&gt;  &lt;chr&gt;  &lt;chr&gt;  &lt;int&gt; &lt;int&gt;     &lt;dbl&gt;    &lt;dbl&gt; &lt;dbl&gt;    &lt;dbl&gt;     &lt;dbl&gt; &lt;chr&gt;  &lt;chr&gt;       &lt;chr&gt;   \r\n## 1    -22.3      63.5      85.8 weight F      M         20    20     -20.8 4.30e-18  26.9    -24.5     -20.1 T-test two.sided   ****<\/code><\/pre>\n<\/div>\n<\/div>\n<div id=\"interpr\u00e9tation\" class=\"section level2\">\n<h2>Interpr\u00e9tation<\/h2>\n<p>La p-value du test est 4.310^{-18}, ce qui est inf\u00e9rieur au seuil de significativit\u00e9 alpha = 0,05. Nous pouvons conclure que le poids moyen des hommes est significativement diff\u00e9rent de celui des femmes avec une <strong>p-value<\/strong> = 4.310^{-18}.<\/p>\n<\/div>\n<div id=\"taille-de-leffet\" class=\"section level2\">\n<h2>Taille de l\u2019effet<\/h2>\n<div id=\"d-de-cohen-pour-le-test-t-de-student\" class=\"section level3\">\n<h3>d de Cohen pour le test t de Student<\/h3>\n<p>Il existe plusieurs versions du d de Cohen pour le test t de Student. La version la plus couramment utilis\u00e9e de la taille de l\u2019effet du test t de Student, qui compare deux groupes (<span class=\"math inline\">\\(A\\)<\/span> et <span class=\"math inline\">\\(B\\)<\/span>), est calcul\u00e9e en divisant la diff\u00e9rence des moyennes des deux groupes par l\u2019\u00e9cart-type commun.<\/p>\n<p><strong>La formule du d de Cohen<\/strong>:<\/p>\n<p><span class=\"math display\">\\[<br \/>\nd = \\frac{m_A - m_B}{SD_{pooled}}<br \/>\n\\]<\/span><\/p>\n<p>o\u00f9,<\/p>\n<ul>\n<li><span class=\"math inline\">\\(m_A\\)<\/span> et <span class=\"math inline\">\\(m_B\\)<\/span> repr\u00e9sentent la valeur moyenne des groupes A et B, respectivement.<\/li>\n<li><span class=\"math inline\">\\(n_A\\)<\/span> et <span class=\"math inline\">\\(n_B\\)<\/span> repr\u00e9sentent les tailles des groupes A et B, respectivement.<\/li>\n<li><span class=\"math inline\">\\(SD_{pooled}\\)<\/span> est un estimateur de l\u2019\u00e9cart-type mis en commun des deux groupes. Il peut \u00eatre calcul\u00e9 comme suit :<br \/>\n<span class=\"math display\">\\[<br \/>\nSD_{pooled} = \\sqrt{\\frac{\\sum{(x-m_A)^2}+\\sum{(x-m_B)^2}}{n_A+n_B-2}}<br \/>\n\\]<\/span><\/li>\n<\/ul>\n<p><strong>Calculs<\/strong>. Si l\u2019option <code>var.equal = TRUE<\/code>, alors le SD group\u00e9 est utilis\u00e9 pour calculer le d de Cohen.<\/p>\n<pre class=\"r\"><code>genderweight %&gt;%  cohens_d(weight ~ group, var.equal = TRUE)<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 7\r\n##   .y.    group1 group2 effsize    n1    n2 magnitude\r\n## * &lt;chr&gt;  &lt;chr&gt;  &lt;chr&gt;    &lt;dbl&gt; &lt;int&gt; &lt;int&gt; &lt;ord&gt;    \r\n## 1 weight F      M        -6.57    20    20 large<\/code><\/pre>\n<div class=\"success\">\n<p>L\u2019ampleur de l\u2019effet est importante, d = 6,57.<\/p>\n<\/div>\n<p>Notez que, pour un \u00e9chantillon de petite taille (&lt; 50), le d de Cohen a tendance \u00e0 gonfler les r\u00e9sultats. Il existe une <strong>version corrig\u00e9e de Hedge du d de Cohen<\/strong> <span class=\"citation\">(<span class=\"citeproc-not-found\" data-reference-id=\"hedges1985\"><strong>???<\/strong><\/span>)<\/span>, qui r\u00e9duit la taille de l\u2019effet pour les petits \u00e9chantillons de quelques points de pourcentage. La correction est introduite en multipliant la valeur habituelle de d par <code>(N-3)\/(N-2.25)<\/code> (pour le test t non appari\u00e9) et par <code>(n1-2)\/(n1-1.25)<\/code> pour le test t appari\u00e9 ; o\u00f9 N est la taille totale des deux groupes compar\u00e9s <code>(N = n1 + n2)<\/code>.<\/p>\n<\/div>\n<div id=\"le-d-de-cohen-pour-le-test-t-de-welch\" class=\"section level3\">\n<h3>Le d de Cohen pour le test t de Welch<\/h3>\n<p>Le test de Welch est une variante du test t utilis\u00e9 lorsque l\u2019\u00e9galit\u00e9 de variance ne peut \u00eatre pr\u00e9sum\u00e9e. La valeur de l\u2019effet peut \u00eatre calcul\u00e9e en divisant la diff\u00e9rence moyenne entre les groupes par l\u2019\u00e9cart type \u201cmoyen\u201d.<\/p>\n<p><strong>La formule du d de Cohen<\/strong>:<\/p>\n<p><span class=\"math display\">\\[<br \/>\nd = \\frac{m_A - m_B}{\\sqrt{(Var_1 + Var_2)\/2}}<br \/>\n\\]<\/span><\/p>\n<p>o\u00f9,<\/p>\n<ul>\n<li><span class=\"math inline\">\\(m_A\\)<\/span> et <span class=\"math inline\">\\(m_B\\)<\/span> repr\u00e9sentent la valeur moyenne des groupes A et B, respectivement.<\/li>\n<li><span class=\"math inline\">\\(Var_1\\)<\/span> et <span class=\"math inline\">\\(Var_2\\)<\/span> sont la variance des deux groupes.<\/li>\n<\/ul>\n<p><strong>Calculs<\/strong>:<\/p>\n<pre class=\"r\"><code>genderweight %&gt;% cohens_d(weight ~ group, var.equal = FALSE)<\/code><\/pre>\n<pre><code>## # A tibble: 1 x 7\r\n##   .y.    group1 group2 effsize    n1    n2 magnitude\r\n## * &lt;chr&gt;  &lt;chr&gt;  &lt;chr&gt;    &lt;dbl&gt; &lt;int&gt; &lt;int&gt; &lt;ord&gt;    \r\n## 1 weight F      M        -6.57    20    20 large<\/code><\/pre>\n<div class=\"warning\">\n<p>Notez que, lorsque la taille des groupes est \u00e9gale et que les variances des groupes sont homog\u00e8nes, le d de Cohen pour les tests t standard de Student et de Welch sont identiques.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<div id=\"rapporter\" class=\"section level2\">\n<h2>Rapporter<\/h2>\n<p>Nous pourrions rapporter le r\u00e9sultat comme suit:<\/p>\n<p>Le poids moyen dans le groupe des femmes \u00e9tait de 63,5 (SD = 2,03), alors que la moyenne dans le groupe des hommes \u00e9tait de 85,8 (SD = 4,3). Le test t de Welch a montr\u00e9 que la diff\u00e9rence \u00e9tait statistiquement significative, t(26.9) = -20.8, p &lt; 0.0001, d = 6.57 ; o\u00f9, t(26.9) est une notation abr\u00e9g\u00e9e pour une statistique t de Welch qui a 26.9 degr\u00e9s de libert\u00e9.<\/p>\n<p>Visualiser les r\u00e9sultats:<\/p>\n<pre class=\"r\"><code># Cr\u00e9er un box-plot\r\nbxp &lt;- ggboxplot(\r\n  genderweight, x = \"group\", y = \"weight\", \r\n  ylab = \"Weight\", xlab = \"Groups\", add = \"jitter\"\r\n  )\r\n\r\n# Ajouter la p-value et les niveaux de significativit\u00e9\r\nstat.test &lt;- stat.test %&gt;% add_xy_position(x = \"group\")\r\nbxp + \r\n  stat_pvalue_manual(stat.test, tip.length = 0) +\r\n  labs(subtitle = get_test_label(stat.test, detailed = TRUE))<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/r-statistics-2-comparing-groups-means\/figures\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png\" width=\"412.8\" \/><\/p>\n<\/div>\n<div id=\"r\u00e9sum\u00e9\" class=\"section level2\">\n<h2>R\u00e9sum\u00e9<\/h2>\n<p>Cet article montre comment effectuer le t-test \u00e0 deux \u00e9chantillons ind\u00e9pendant dans R\/Rstudio en utilisant deux mani\u00e8res diff\u00e9rentes : la fonction de base R <code>t.test()<\/code> et la fonction <code>t_test()<\/code> dans le paquet rstatix. Nous d\u00e9crivons \u00e9galement comment interpr\u00e9ter et communiquer les r\u00e9sultats du test t.<\/p>\n<\/div>\n<div id=\"references\" class=\"section level2 unnumbered\">\n<h2>References<\/h2>\n<div id=\"refs\" class=\"references\">\n<div id=\"ref-cohen1998\">\n<p>Cohen, J. 1998. <em>Statistical Power Analysis for the Behavioral Sciences<\/em>. 2nd ed. Hillsdale, NJ: Lawrence Erlbaum Associates.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p><!--end rdoc--><\/p>\n","protected":false},"excerpt":{"rendered":"<p>D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l&rsquo;effet \u00e0 l&rsquo;aide des d du Cohen, l&rsquo;interpr\u00e9tation et la r\u00e9daction de rapports.<\/p>\n","protected":false},"author":1,"featured_media":15327,"parent":15319,"menu_order":86,"comment_status":"open","ping_status":"closed","template":"","class_list":["post-15326","dt_lessons","type-dt_lessons","status-publish","has-post-thumbnail","hentry"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v25.2 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R - Datanovia<\/title>\n<meta name=\"description\" content=\"D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l&#039;effet \u00e0 l&#039;aide des d du Cohen, l&#039;interpr\u00e9tation et la r\u00e9daction de rapports.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R - Datanovia\" \/>\n<meta property=\"og:description\" content=\"D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l&#039;effet \u00e0 l&#039;aide des d du Cohen, l&#039;interpr\u00e9tation et la r\u00e9daction de rapports.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Datanovia\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"825\" \/>\n\t<meta property=\"og:image:height\" content=\"633\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"10 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/\",\"name\":\"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R - Datanovia\",\"isPartOf\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png\",\"datePublished\":\"2020-03-15T17:15:04+00:00\",\"description\":\"D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide des d du Cohen, l'interpr\u00e9tation et la r\u00e9daction de rapports.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#primaryimage\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png\",\"width\":825,\"height\":633,\"caption\":\"086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Le\u00e7ons\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Comment Faire un Test T dans R : Calculs et Rapports\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/\"},{\"@type\":\"ListItem\",\"position\":4,\"name\":\"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"name\":\"Datanovia\",\"description\":\"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision\",\"publisher\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\",\"name\":\"Datanovia\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"width\":98,\"height\":99,\"caption\":\"Datanovia\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R - Datanovia","description":"D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide des d du Cohen, l'interpr\u00e9tation et la r\u00e9daction de rapports.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/","og_locale":"fr_FR","og_type":"article","og_title":"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R - Datanovia","og_description":"D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide des d du Cohen, l'interpr\u00e9tation et la r\u00e9daction de rapports.","og_url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/","og_site_name":"Datanovia","og_image":[{"width":825,"height":633,"url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"10 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/","url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/","name":"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R - Datanovia","isPartOf":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#primaryimage"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#primaryimage"},"thumbnailUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png","datePublished":"2020-03-15T17:15:04+00:00","description":"D\u00e9crit comment effectuer un test t \u00e0 deux \u00e9chantillons dans R\/Rstudio. Vous apprendrez le calcul, la visualisation, la mesure de la taille de l'effet \u00e0 l'aide des d du Cohen, l'interpr\u00e9tation et la r\u00e9daction de rapports.","breadcrumb":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#primaryimage","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2020\/03\/086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png","width":825,"height":633,"caption":"086-how-to-do-two-sample-t-test-in-r-two-sample-box-plot-with-p-values-1.png"},{"@type":"BreadcrumbList","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/comment-faire-un-test-t-a-deux-echantillons-independant-dans-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.datanovia.com\/en\/fr\/"},{"@type":"ListItem","position":2,"name":"Le\u00e7ons","item":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/"},{"@type":"ListItem","position":3,"name":"Comment Faire un Test T dans R : Calculs et Rapports","item":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/comment-faire-un-test-t-dans-r-calculs-et-rapports\/"},{"@type":"ListItem","position":4,"name":"Comment Faire un Test-T \u00e0 Deux Echantillons Ind\u00e9pendant dans R"}]},{"@type":"WebSite","@id":"https:\/\/www.datanovia.com\/en\/fr\/#website","url":"https:\/\/www.datanovia.com\/en\/fr\/","name":"Datanovia","description":"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision","publisher":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization","name":"Datanovia","url":"https:\/\/www.datanovia.com\/en\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","width":98,"height":99,"caption":"Datanovia"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/"}}]}},"multi-rating":{"mr_rating_results":[]},"_links":{"self":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/15326","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons"}],"about":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/types\/dt_lessons"}],"author":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/comments?post=15326"}],"version-history":[{"count":0,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/15326\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/15319"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media\/15327"}],"wp:attachment":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media?parent=15326"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}