Qu'est-ce que tests de normalité ?

Le test de normalité est une méthode statistique qui permet de vérifier si une variable continue suit approximativement une distribution normale ou Gaussienne. Une distribution normale est symétrique autour de la moyenne et sa courbe est en forme de cloche.

Il existe plusieurs tests de normalité, les plus couramment utilisés sont : le test de Kolmogorov-Smirnov, le test de Shapiro-Wilk, le test de D’Agostino-Pearson, et le test de Jarque-Bera.

Ces tests peuvent aider les chercheurs à décider quels tests statistiques sont les plus appropriés à utiliser pour analyser leurs données. Par exemple, si les données suivent une distribution normale, il peut être approprié d’utiliser des tests paramétriques, tels que la T-test ou la régression linéaire. En revanche, si les données ne suivent pas une distribution normale, des tests non paramétriques, tels que le test de Mann-Whitney ou le test de Kruskal-Wallis peuvent être plus appropriés.

Il est important de noter que le test de normalité ne prouve pas que les données suivent ou ne suivent pas une distribution normale avec certitude absolue. Le test fournit un indice quantitatif de l’ajustement de la distribution observée à celle d’une distribution normale. Il convient donc de prendre en compte plusieurs indicateurs pour évaluer si la distribution est normale ou non.