# Calculateur du khi-deux > Dans quelle mesure les effectifs correspondent-ils à vos attentes ? Tests d’adéquation et d’indépendance sur des effectifs : χ², degrés de liberté, valeur p et effectifs attendus, tracés en direct. Comparez des effectifs à des proportions attendues, ou testez l’indépendance d’un tableau de contingence : χ², valeur p, V de Cramér, graphiques en direct. - Page: https://how.box/fr/chi-square/ - Runs entirely in the browser. - License: HowToolbox's own text and data (titles, explanations, FAQs, tool descriptions and schemas, this file) are CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/); AI training and answers are welcome. Attribute "HowToolbox (how.box)" with a link to the page used. Third-party data keeps its own terms; the name and logo are not licensed. Publisher: HowToolbox, contact@how.box. Terms: https://how.box/fr/about/terms/ ## Inputs Answer link: https://how.box/fr/chi-square/?t={t}&o={o}&e={e}&tab={tab}&a={a} - `t` (fit or independence): fit or independence. Example: `fit`. - `o` (text): Observed counts (fit). Example: `315 108 101 32`. - `e` (text): Expected proportions or counts (fit); empty for equal. Example: `9 3 3 1`. - `tab` (text): The table, one row per line (independence). Example: `10 20 30 40`. - `a` (number 0.1 to 50): Significance level in percent. Example: `5`. Example answer: https://how.box/fr/chi-square/?t=fit&o=315+108+101+32&e=9+3+3+1&tab=10+20%0A30+40&a=5 A complete link carries the primary answer in the page HTML; a missing or invalid value shows the default page. ## Agent tools - `chi_square_calculate`: Pearson's chi-square tests of counts. - MCP, one POST to https://how.box/mcp: `{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"chi_square_calculate","arguments":{"test":"fit","observed":"315 108 101 32","expected":"9 3 3 1","table":"10 20\n30 40","significance":5}}}` - GET: https://how.box/mcp/run/chi_square_calculate?test=fit&observed=315+108+101+32&expected=9+3+3+1&table=10+20%0A30+40&significance=5 ## How it works Un test du khi-deux cherche si des effectifs s’écartent de ce qu’une hypothèse prédit plus que le hasard ne l’expliquerait. Il additionne, sur toutes les catégories, le carré de l’écart entre l’effectif observé O et l’effectif attendu E, divisé par E : χ² = Σ (O − E)² ÷ E. Plus χ² est grand, moins l’ajustement est bon ; la valeur p est la probabilité d’obtenir un χ² au moins aussi grand si l’hypothèse était vraie. Pour l’adéquation, les effectifs attendus sont le total multiplié par chaque proportion attendue, et les degrés de liberté valent le nombre de catégories moins un. Les 556 pois de Mendel, 315, 108, 101 et 32, face à un rapport 9 : 3 : 3 : 1, attendent 312,75, 104,25, 104,25 et 34,75, d’où χ² ≈ 0,47 avec 3 degrés de liberté et p ≈ 0,93 : un très bon ajustement. Pour un tableau, chaque case attend total de la ligne × total de la colonne ÷ total général si les lignes et les colonnes sont indépendantes, avec (lignes − 1)(colonnes − 1) degrés de liberté. La méthode suit le NIST/SEMATECH e-Handbook of Statistical Methods. Le test exige des effectifs d’observations indépendantes, pas des pourcentages ni des mesures. L’approximation du χ² est douteuse quand les effectifs attendus sont petits (règle courante : tous au moins égaux à 5) ; regroupez alors des catégories ou utilisez un test exact. Un résultat significatif dit que les effectifs diffèrent, pas pourquoi. ## FAQ **Quelle différence entre adéquation et indépendance ?** L’adéquation compare une série d’effectifs à des proportions attendues fixes, comme un dé équilibré ou un rapport génétique. L’indépendance cherche si deux classements des mêmes sujets, les lignes et les colonnes d’un tableau, sont liés. **Puis-je saisir des pourcentages ?** Comme proportions attendues, oui : 25 25 50 revient à 1 1 2. Les valeurs observées doivent être des effectifs, car le test dépend du nombre d’observations. **Une petite valeur p signifie-t-elle une forte association ?** Non. Un grand échantillon peut rendre une faible association statistiquement significative. Utilisez le V de Cramér avec la valeur p pour juger de la force d’une association dans un tableau. **Une grande valeur p prouve-t-elle que mes proportions attendues sont correctes ?** Non. Elle signifie que ces données ne fournissent pas assez d’éléments contre les proportions attendues au seuil de signification choisi. Un petit échantillon peut passer à côté d’une vraie différence. **Puis-je tester des mesures répétées sur les mêmes personnes ?** Pas avec ce test du khi-deux ordinaire. Ses observations doivent être indépendantes ; des données catégorielles appariées ou répétées demandent une méthode conçue pour cette dépendance. More: [HowToolbox index](https://how.box/llms.txt) · [Agent Skill](https://how.box/skill.md) · [agent terms](https://how.box/fr/about/agents/)