Écart-type expliqué simplement — Guide étape par étape
· 12 min de lecture
📑 Table des matières
- Qu'est-ce que l'écart-type ?
- La formule expliquée
- Exemple de calcul étape par étape
- Population vs échantillon : quand utiliser lequel
- Interpréter vos résultats
- Applications concrètes
- Erreurs courantes à éviter
- Comprendre la variance et l'écart-type
- Coefficient de variation : comparer différents ensembles de données
- Outils et calculateurs
- Questions fréquemment posées
- Articles connexes
Qu'est-ce que l'écart-type ?
L'écart-type est une mesure statistique qui vous indique à quel point vos points de données sont dispersés par rapport à la moyenne. Considérez-le comme un « score de cohérence » pour votre ensemble de données.
Lorsque les nombres se regroupent étroitement autour de la moyenne, vous obtenez un faible écart-type. Lorsqu'ils sont dispersés au loin, l'écart-type est élevé. C'est aussi simple que ça.
Imaginez que vous comparez deux joueurs de basket. Le joueur A marque 20, 21, 19, 20 et 20 points sur cinq matchs. Le joueur B marque 5, 35, 15, 30 et 15 points. Les deux ont une moyenne de 20 points par match, mais le joueur A est beaucoup plus régulier. L'écart-type quantifie cette différence.
Conseil rapide : L'écart-type est toujours exprimé dans les mêmes unités que vos données d'origine. Si vous mesurez des hauteurs en centimètres, votre écart-type sera également en centimètres.
Pourquoi l'écart-type est important
L'écart-type apparaît partout dans l'analyse de données, du contrôle qualité en fabrication à l'évaluation des risques en finance. Voici pourquoi il est si précieux :
- Contrôle qualité : Les fabricants l'utilisent pour s'assurer que les produits respectent les spécifications de manière cohérente
- Finance : Les investisseurs l'utilisent pour mesurer le risque et la volatilité des investissements
- Éducation : Les enseignants l'utilisent pour comprendre comment les performances des élèves varient
- Santé : Les chercheurs médicaux l'utilisent pour évaluer l'efficacité des traitements
- Prévisions météorologiques : Les météorologues l'utilisent pour évaluer la fiabilité des prédictions
La formule expliquée
L'écart-type se décline en deux versions : population et échantillon. Les formules semblent intimidantes au premier abord, mais ce sont simplement des façons systématiques de mesurer la dispersion.
Écart-type de la population (σ)
σ = √[Σ(xᵢ − μ)² / N]
Utilisez ceci lorsque vous avez des données pour une population entière — chaque membre du groupe que vous étudiez.
Écart-type de l'échantillon (s)
s = √[Σ(xᵢ − x̄)² / (N−1)]
Utilisez ceci lorsque vous avez des données d'un échantillon — un sous-ensemble représentant une population plus large.
Décryptage des symboles
| Symbole | Signification | Exemple |
|---|---|---|
| σ (sigma) | Écart-type de la population | ET des salaires de tous les 500 employés |
| s | Écart-type de l'échantillon | ET des salaires de 50 employés interrogés |
| xᵢ | Point de données individuel | Le salaire d'une personne |
| μ (mu) | Moyenne de la population | Moyenne des 500 salaires |
| x̄ (x-barre) | Moyenne de l'échantillon | Moyenne des 50 salaires interrogés |
| N | Nombre de points de données | 500 ou 50 dans nos exemples |
| Σ (sigma) | Somme de toutes les valeurs | Additionner tout ensemble |
| √ | Racine carrée | Dernière étape du calcul |
Pourquoi N−1 pour les échantillons ?
La formule d'échantillon divise par N−1 au lieu de N. C'est ce qu'on appelle la correction de Bessel, et elle compense le fait que les échantillons ont tendance à sous-estimer la variabilité de la population.
Lorsque vous n'avez qu'un échantillon, vous travaillez avec des informations limitées. Diviser par N−1 augmente légèrement l'écart-type, vous donnant une estimation plus précise du véritable écart-type de la population.
Exemple de calcul étape par étape
Calculons l'écart-type pour ces notes de test : 4, 8, 6, 5, 3, 7, 8, 9
Nous traiterons ceci comme une population complète (tous les élèves d'une petite classe), donc nous utiliserons la formule de population.
Étape 1 : Calculer la moyenne
Additionnez toutes les valeurs et divisez par le nombre :
Moyenne (μ) = (4 + 8 + 6 + 5 + 3 + 7 + 8 + 9) ÷ 8 Moyenne (μ) = 50 ÷ 8 = 6,25
Étape 2 : Trouver chaque écart par rapport à la moyenne
Soustrayez la moyenne de chaque valeur. Certains résultats seront négatifs (en dessous de la moyenne), d'autres positifs (au-dessus de la moyenne).
Étape 3 : Élever au carré chaque écart
L'élévation au carré élimine les signes négatifs et met l'accent sur les écarts plus importants. C'est pourquoi l'écart-type est sensible aux valeurs aberrantes.
Étape 4 : Calculer le tableau complet
| Valeur (x) | x − Moyenne | (x − Moyenne)² | Explication |
|---|---|---|---|
| 4 | 4 − 6,25 = −2,25 | 5,0625 | 2,25 points en dessous de la moyenne |
| 8 | 8 − 6,25 = 1,75 | 3,0625 | 1,75 points au-dessus de la moyenne |
| 6 | 6 − 6,25 = −0,25 | 0,0625 | Très proche de la moyenne |
| 5 | 5 − 6,25 = −1,25 | 1,5625 | 1,25 points en dessous de la moyenne |
| 3 | 3 − 6,25 = −3,25 | 10,5625 | Le plus éloigné en dessous de la moyenne |
| 7 | 7 − 6,25 = 0,75 | 0,5625 | Légèrement au-dessus de la moyenne |
| 8 | 8 − 6,25 = 1,75 | 3,0625 | 1,75 points au-dessus de la moyenne |
| 9 | 9 − 6,25 = 2,75 | 7,5625 | Le plus éloigné au-dessus de la moyenne |
| Somme des écarts au carré : | 31,50 | ||
Étape 5 : Calculer la variance
Divisez la somme des écarts au carré par N (pour la population) ou N−1 (pour l'échantillon) :
Variance de la population = 31,50 ÷ 8 = 3,9375 Variance de l'échantillon = 31,50 ÷ 7 = 4,50
Étape 6 : Calculer l'écart-type
Prenez la racine carrée de la variance :
ET de la population (σ) = √3,9375 = 1,98 ET de l'échantillon (s) = √4,50 = 2,12
L'écart-type est d'environ 2 points. Cela signifie que la plupart des notes de test se situent à 2 points de la moyenne (6,25).
Conseil pro : Utilisez notre Calculateur d'écart-type pour vérifier vos calculs manuels et gagner du temps sur des ensembles de données plus importants.
Population vs échantillon : quand utiliser lequel
Le choix entre l'écart-type de population et d'échantillon dépend de si vous avez des données complètes ou juste un sous-ensemble.
Tableau de comparaison complet
| Caractéristique | Population (σ) | Échantillon (s) |
|---|---|---|
| Diviseur de formule | N | N − 1 |
| Quand utiliser | Vous avez TOUTES les données | Vous avez un sous-ensemble |
| Symbole | σ (sigma minuscule) | s |
| Taille du résultat | Légèrement plus petit | Légèrement plus grand |
| Objectif | Décrire la population | Estimer la population à partir de l'échantillon |
| Exemple | Tous les 30 élèves de votre classe | Enquête de 100 sur 10 000 élèves |
| Courant dans | Contrôle qualité, petits groupes | Recherche, enquêtes, expériences |
Exemples de décision concrets
Utilisez l'ET de population quand :
- Vous analysez toutes les transactions du mois dernier
- Vous mesurez les tailles de tout le monde dans votre bureau
- Vous calculez les notes de tous les élèves d'une seule classe
- Vous examinez tous les produits fabriqués dans un lot
- Vous examinez les données météorologiques historiques complètes d'une ville
Utilisez l'ET d'échantillon quand :
- Vous interrogez 500 clients d'une base de données de 50 000
- Vous testez 30 produits d'une série de production de 10 000
- Vous sondez 1 000 électeurs pour prédire les résultats électoraux
- Vous menez un essai clinique avec 200 participants
- Vous analysez un échantillon aléatoire de visiteurs de site web
Règle générale : En cas de doute, utilisez l'écart-type d'échantillon (N−1). C'est le choix le plus sûr et le plus conservateur qui ne sous-estimera pas la variabilité.
Interpréter vos résultats
Calculer l'écart-type n'est que la moitié de la bataille. Comprendre ce que le nombre signifie dans le contexte est là où se trouve la vraie perspicacité.
La règle 68-95-99,7 (règle empirique)
Pour les données normalement distribuées (courbe en cloche), l'écart-type suit un schéma prévisible :
- 68 % des données se situent à 1 écart-type de la moyenne
- 95 % des données se situent à 2 écarts-types de la moyenne
- 99,7 % des données se situent à 3 écarts-types de la moyenne
Cette règle vous aide à évaluer rapidement si un point de données est typique ou inhabituel. Si une valeur est à plus de 2 écarts-types de la moyenne, elle se trouve dans les 5 % extérieurs — potentiellement une valeur aberrante qui mérite d'être examinée.
Exemple d'interprétation pratique
Supposons que vous mesurez les temps d'attente des clients dans un café :
- Temps d'attente moyen : 5 minutes
- Écart-type : 1,5 minutes
Cela vous indique :
- 68 % des clients attendent entre 3,5 et 6,5 minutes (5 ± 1,5)
- 95 % des clients attendent entre 2 et 8 minutes (5 ± 3)
- Une attente de 10 minutes est inhabituelle (plus de 3 ET de la moyenne)
Qu'est-ce qu'un « bon » écart-type ?
Il n'y a pas de réponse universelle. Le contexte compte énormément. Un écart-type de 10 peut être excellent dans un scénario et terrible dans un autre.
Considérez ces exemples :
- Fabrication de boulons : ET de 0,01 mm est bon ; 1 mm est désastreux
- Rendements boursiers : ET de 15 % est modéré ; 5 % est très stable
- Notes de test : ET de 10 points sur un test de 100 points montre une variation raisonnable
- Taille humaine : ET de 7 cm pour les hommes adultes est typique
La clé est de comparer l'écart-type à la moyenne et aux références du secteur. C'est là que le coefficient de variation devient utile (plus d'informations à ce sujet plus tard).
Applications concrètes
L'écart-type n'est pas seulement académique — il guide les décisions dans tous les secteurs chaque jour.
Finance et investissement
En finance, l'écart-type mesure le risque d'investissement. Un écart-type plus élevé signifie une volatilité plus élevée et une plus grande incertitude quant aux rendements.
Les gestionnaires de portefeuille l'utilisent pour :
- Comparer le risque entre différents investissements
- Calculer le ratio de Sharpe (rendement par unité de risque)
- Déterminer les tailles de position appropriées
- Définir les niveaux de stop-loss
Une action avec un rendement annuel de 30 % et un écart-type de 25 % peut être plus risquée qu'une avec un rendement de 20 % et un écart-type de 10 %, selon votre tolérance au risque.
Contrôle qualité et fabrication
Les fabricants utilisent l'écart-type pour assurer une qualité de produit cohérente. La méthodologie Six Sigma, par exemple, vise des processus avec des taux de défauts inférieurs à 3,4 par million — atteints en maintenant les spécifications dans les 6 écarts-types de la moyenne.
Les applications incluent :
- Surveiller la cohérence de la ligne de production
- Identifier quand les machines ont besoin d'étalonnage
- Définir des plages de tolérance acceptables
- Comparer la fiabilité des fournisseurs
Santé et médecine
Les professionnels de la santé utilisent l'écart-type pour :
- Établir des plages normales pour les signes vitaux et les résultats de laboratoire
- Évaluer l'efficacité des traitements dans les essais cliniques
- Identifier les patients avec des symptômes inhabituels nécessitant une attention
- Comparer les résultats entre différents hôpitaux ou procédures
Par exemple, si les lectures de tension artérielle ont un écart-type élevé, cela pourrait indiquer un problème de santé sous-jacent nécessitant une investigation.
Éducation et tests
Les enseignants et administrateurs utilisent l'écart-type pour :
- Comprendre comment les performances des élèves varient
- Identifier si un test était trop facile ou trop difficile
- Comparer différentes classes ou méthodes d'enseignement
- Détecter d'éventuelles incohérences de notation
Un test où tout le monde obtient entre 85 et 95 (ET faible) pourrait être trop facile, tandis que des scores allant de 20 à 100 (ET élevé) pourraient indiquer que le test n'était pas clair ou que les élèves n'étaient pas suffisamment préparés.
Conseil pro : Lorsque vous présentez des données à