Qu'est-ce que l'écart-type ?
L'écart-type quantifie la dispersion d'un ensemble de données par rapport à sa moyenne. Un faible écart-type indique que les points de données sont regroupés étroitement autour de la moyenne. Un écart-type élevé signifie que les points de données s'étalent sur une large plage de valeurs.
Les analystes utilisent cette métrique pour mesurer la volatilité, le risque et la cohérence. En finance, une action avec un écart-type élevé subit d'importantes fluctuations de prix. Dans la fabrication, un faible écart-type indique un contrôle qualité strict et des dimensions de produit cohérentes.
Écart-type de la population vs. de l'échantillon
Le calcul de l'écart-type nécessite un point de référence central précis. Vous devez d'abord déterminer la moyenne de votre ensemble de données avant de mesurer sa dispersion. Notre Calculateur de Moyenne fournit la valeur centrale exacte requise pour cette étape fondamentale.
La formule mathématique change selon que vos données représentent une population entière ou un sous-ensemble. L'utilisation de la mauvaise formule introduit un biais systématique dans votre analyse statistique.
| Caractéristique | Écart-type de la population ($\sigma$) | Écart-type de l'échantillon ($s$) |
|---|---|---|
| Définition | Mesure la dispersion d'un groupe entier. | Mesure la dispersion d'un sous-ensemble (échantillon). |
| Dénominateur | Divise par $N$ (taille totale de la population). | Divise par $n - 1$ (correction de Bessel). |
| Cas d'utilisation | Données de recensement, dossiers complets. | Enquêtes, expériences, statistiques inférentielles. |
Formules de l'écart-type
La notation mathématique change selon que vous calculez la dispersion pour une population entière ou un échantillon. Les deux formules reposent sur l'opérateur de sommation, noté par la lettre grecque majuscule Sigma ($\sum$).
Formule de l'écart-type de la population
Lorsque vous possédez des données pour chaque membre de la population, la formule est :
Où :
- $\sigma$ = écart-type de la population
- $\mu$ = moyenne de la population
- $x_i$ = chaque valeur individuelle
- $N$ = nombre total de valeurs dans la population
Formule de l'écart-type de l'échantillon
Lorsque vous travaillez avec un échantillon tiré d'une population plus large, la formule est :
Où :
- $s$ = écart-type de l'échantillon
- $\bar{x}$ = moyenne de l'échantillon
- $x_i$ = chaque valeur individuelle
- $n - 1$ = degrés de liberté (correction de Bessel)
Les formules raccourcies (de calcul)
La formule de calcul offre une alternative plus rapide lors de l'utilisation de statistiques résumées. Elle élimine le besoin de calculer les écarts individuels par rapport à la moyenne. Cette méthode est très pratique pour les grands ensembles de données ou les calculs manuels.
Formule raccourcie pour la population :
Formule raccourcie pour l'échantillon :
Calcul manuel de l'écart-type
Le calcul manuel suit un processus strict en six étapes. Bien que notre calculateur l'automatise, comprendre la mécanique reste essentiel pour la culture statistique. Les exemples suivants démontrent les deux méthodes en détail.
Écart-type de l'échantillon
Un chercheur en pharmacie enregistre les temps de récupération (en jours) de 8 patients prenant un nouveau médicament. L'ensemble de données est : $12, 15, 14, 18, 13, 16, 14, 17$. Nous traitons cela comme un échantillon tiré d'une population plus large de tous les patients potentiels.
Solution
- Calculez la moyenne de l'échantillon ($\bar{x}$) : Additionnez les valeurs ($119$) et divisez par $n$ ($8$). $\bar{x} = 14,875$ jours.
- Trouvez les écarts par rapport à la moyenne : Soustrayez $14,875$ de chaque valeur (ex. $12 - 14,875 = -2,875$).
- Élevez chaque écart au carré : Multipliez chaque écart par lui-même (ex. $(-2,875)^2 = 8,265625$).
- Sommez les écarts au carré : Additionnez toutes les valeurs au carré. $\sum (x_i - \bar{x})^2 = 28,875$.
- Divisez par $n-1$ pour obtenir la variance de l'échantillon ($s^2$) : $28,875 \div 7 = 4,125$.
- Prenez la racine carrée : $\sqrt{4,125} \approx 2,031$.
Résultat : L'écart-type de l'échantillon est de 2,031 jours. Cela indique qu'en moyenne, les temps de récupération des patients s'écartent du temps moyen de 14,875 jours d'environ 2,031 jours.
Le tableau ci-dessous détaille les calculs d'écarts pour cet échantillon :
| Observation ($x_i$) | Écart ($x_i - \bar{x}$) | Écart au carré $(x_i - \bar{x})^2$ |
|---|---|---|
| 12 | -2,875 | 8,266 |
| 15 | 0,125 | 0,016 |
| 14 | -0,875 | 0,766 |
| 18 | 3,125 | 9,766 |
| 13 | -1,875 | 3,516 |
| 16 | 1,125 | 1,266 |
| 14 | -0,875 | 0,766 |
| 17 | 2,125 | 4,516 |
| Somme : | 28,875 | |
Écart-type de la population
Un professeur enregistre les notes de l'examen final de tous les 10 élèves d'une petite classe. L'ensemble de données est : $78, 82, 85, 90, 92, 88, 84, 86, 91, 89$. Comme cela inclut chaque élève de la classe, nous le traitons comme une population complète.
Solution
- Calculez la moyenne de la population ($\mu$) : Additionnez les valeurs ($865$) et divisez par $N$ ($10$). $\mu = 86,5$ points.
- Trouvez les écarts par rapport à la moyenne : Soustrayez $86,5$ de chaque valeur (ex. $78 - 86,5 = -8,5$).
- Élevez chaque écart au carré : Multipliez chaque écart par lui-même (ex. $(-8,5)^2 = 72,25$).
- Sommez les écarts au carré : Additionnez toutes les valeurs au carré. $\sum (x_i - \mu)^2 = 198,5$.
- Divisez par $N$ pour obtenir la variance de la population ($\sigma^2$) : $198,5 \div 10 = 19,85$.
- Prenez la racine carrée : $\sqrt{19,85} \approx 4,455$.
Résultat : L'écart-type de la population est de 4,455 points. Cela indique que les notes des élèves s'écartent typiquement de la moyenne de la classe de 86,5 points d'environ 4,455 points.
Le tableau ci-dessous détaille les calculs d'écarts pour cette population :
| Observation ($x_i$) | Écart ($x_i - \mu$) | Écart au carré $(x_i - \mu)^2$ |
|---|---|---|
| 78 | -8,5 | 72,25 |
| 82 | -4,5 | 20,25 |
| 85 | -1,5 | 2,25 |
| 90 | 3,5 | 12,25 |
| 92 | 5,5 | 30,25 |
| 88 | 1,5 | 2,25 |
| 84 | -2,5 | 6,25 |
| 86 | -0,5 | 0,25 |
| 91 | 4,5 | 20,25 |
| 89 | 2,5 | 6,25 |
| Somme : | 198,50 | |
Calcul avec la formule raccourcie
Un contrôleur qualité mesure le diamètre de 5 tiges métalliques en millimètres. L'ensemble de données est : $10,1, 9,9, 10,0, 10,2, 9,8$. Nous utiliserons la formule raccourcie de l'échantillon pour éviter le calcul des écarts individuels.
Solution
- Calculez la somme des valeurs ($\sum x_i$) : $10,1 + 9,9 + 10,0 + 10,2 + 9,8 = 50,0$.
- Calculez la moyenne de l'échantillon ($\bar{x}$) : $50,0 \div 5 = 10,0$ mm.
- Calculez la somme des valeurs au carré ($\sum x_i^2$) : $10,1^2 + 9,9^2 + 10,0^2 + 10,2^2 + 9,8^2 = 102,01 + 98,01 + 100,00 + 104,04 + 96,04 = 500,10$.
- Appliquez la formule raccourcie de l'échantillon : $s = \sqrt{\frac{500,10 - 5(10,0)^2}{5-1}}$.
- Simplifiez le numérateur : $500,10 - 5(100) = 500,10 - 500 = 0,10$.
- Divisez et prenez la racine carrée : $s = \sqrt{\frac{0,10}{4}} = \sqrt{0,025} \approx 0,158$.
Résultat : L'écart-type de l'échantillon est de 0,158 mm. La formule raccourcie a contourné avec succès la soustraction fastidieuse et la mise au carré des écarts individuels.
Comparaison de la cohérence : Exemple de double ensemble
Une usine exploite deux machines qui remplissent des bouteilles d'un litre. La machine A produit des volumes de : $998, 1002, 1000, 1001, 999$ ml. La machine B produit des volumes de : $990, 1010, 1005, 995, 1000$ ml. Les deux machines ont une moyenne identique de 1000 ml, mais leur cohérence diffère radicalement.
Solution
- Analysez la machine A : Les écarts par rapport à la moyenne sont très faibles ($-2, 2, 0, 1, -1$). La somme des écarts au carré n'est que de 10. La division par $n-1$ (4) donne une variance de 2,5. L'écart-type est $\sqrt{2,5} \approx 1,58$ ml.
- Analysez la machine B : Les écarts sont beaucoup plus grands ($-10, 10, 5, -5, 0$). La somme des écarts au carré est de 250. La division par 4 donne une variance de 62,5. L'écart-type est $\sqrt{62,5} \approx 7,91$ ml.
Résultat : La machine A a un écart-type de 1,58 ml, tandis que la machine B a un écart-type de 7,91 ml. Bien que les deux machines atteignent en moyenne la cible de 1000 ml, la machine A est beaucoup plus cohérente et fiable pour la fabrication.
Écart-type vs. Variance et Étendue
La variance et l'écart-type mesurent le même concept, mais utilisent des unités différentes. La variance représente l'écart moyen au carré, ce qui fausse l'échelle de mesure originale. Prendre la racine carrée de la variance ramène l'écart-type aux unités originales de l'ensemble de données.
L'étendue fournit une mesure de dispersion beaucoup plus simple. Elle soustrait la valeur minimale de la valeur maximale. Cependant, l'étendue n'utilise que deux points de données, ce qui la rend très sensible aux valeurs aberrantes.
L'écart-type intègre chaque point de données, offrant une mesure de dispersion beaucoup plus robuste. Considérez un ensemble de notes de test : $70, 80, 90$. L'étendue est $90 - 70 = 20$. La variance est $100$. L'écart-type est $\sqrt{100} = 10$. Alors que l'étendue indique la dispersion totale, l'écart-type indique la distance typique de chaque note par rapport à la moyenne de 80.
Notre Calculateur de Variance et notre Calculateur d'Étendue vous aident à calculer rapidement ces métriques de dispersion alternatives.
La règle empirique de l'écart-type
La règle empirique, également connue sous le nom de règle 68-95-99,7, stipule que pour une distribution normale, presque toutes les données se situent dans les trois écarts-types de la moyenne.
- 68 % des données se situent dans un écart-type (au-dessus et en dessous) de la moyenne.
- 95 % des données se situent dans deux écarts-types de la moyenne.
- 99,7 % des données se situent dans trois écarts-types de la moyenne.
Comment ça marche
- Moyenne ($\mu$) : La moyenne ou le point central des données.
- Écart-type ($\sigma$) : Une mesure de la dispersion des points de données par rapport au centre.
Exemple pratique
Supposons que les hauteurs d'une espèce végétale spécifique soient normalement distribuées avec une moyenne ($\mu$) de 150 cm et un écart-type ($\sigma$) de 10 cm.
- Un écart-type : $150 \pm 10$ cm. Environ 68 % des plantes mesurent entre 140 cm et 160 cm.
- Deux écarts-types : $150 \pm 20$ cm. Environ 95 % des plantes mesurent entre 130 cm et 170 cm.
- Trois écarts-types : $150 \pm 30$ cm. Environ 99,7 % des plantes mesurent entre 120 cm et 180 cm.
Cette règle permet aux chercheurs d'estimer rapidement les probabilités et d'identifier les valeurs aberrantes sans calculs complexes.
Le coefficient de variation (CV) vous permet de comparer la volatilité de deux ensembles de données complètement différents. Vous le calculez en divisant l'écart-type par la moyenne et en multipliant par 100. Un CV plus élevé indique une plus grande variabilité relative, quelle que soit l'échelle absolue des données.
Les valeurs aberrantes extrêmes gonflent considérablement l'écart-type. Parce que la formule élève les écarts au carré, une seule valeur extrême exerce une influence mathématique massive sur le résultat final. Lorsque votre écart-type est élevé en raison de valeurs aberrantes, le Calculateur de Médiane offre souvent une mesure de tendance centrale plus fiable.
Propriétés mathématiques de l'écart-type
L'écart-type présente un comportement prévisible sous des transformations mathématiques spécifiques :
- Ajouter ou soustraire une constante : Si vous ajoutez ou soustrayez une valeur constante à chaque point de données d'un ensemble, l'écart-type reste complètement inchangé. Les données se déplacent le long de la droite numérique, mais la distance relative entre les points reste exactement la même.
- Multiplication ou division par une constante : Si vous multipliez ou divisez chaque point de données par une constante $c$, l'écart-type est mis à l'échelle par la valeur absolue de cette constante ($|c|$). Par exemple, doubler chaque valeur de votre ensemble doublera exactement l'écart-type.
- Non-négativité : L'écart-type est toujours supérieur ou égal à zéro. Il ne peut être égal à zéro que si chaque valeur de l'ensemble de données est identique.
Écart-type et scores Z
Le score Z établit une relation directe et pratique entre les points de données individuels et l'écart-type. Il standardise vos données en exprimant exactement combien d'écarts-types une valeur spécifique se situe au-dessus ou en dessous de la moyenne.
Où :
- $Z$ = score Z (score standard)
- $x$ = valeur individuelle
- $\mu$ = moyenne de la population
- $\sigma$ = écart-type de la population
Exemple pratique
Un élève obtient 92 à un test de mathématiques. La moyenne de la classe ($\mu$) est de 80, et l'écart-type ($\sigma$) est de 6. Nous voulons trouver le score Z de l'élève pour comprendre sa performance relative.
| Étape | Calcul | Résultat |
|---|---|---|
| 1. Trouver l'écart | $x - \mu = 92 - 80$ | 12 |
| 2. Diviser par l'écart-type | $Z = \frac{12}{6}$ | 2,0 |
Résultat : Le score Z de l'élève est de 2,0. Cela signifie que sa note se situe exactement à deux écarts-types au-dessus de la moyenne de la classe, le plaçant dans les 2,5 % supérieurs de la classe selon la règle empirique.
Cette métrique comble le fossé entre les statistiques descriptives et inférentielles. En convertissant les données brutes en scores Z, vous pouvez facilement comparer des valeurs provenant d'ensembles de données complètement différents ou calculer des probabilités précises. Utilisez notre Calculateur de Score Z pour déterminer la position standardisée de n'importe quel point de données dans votre distribution.
Questions fréquemment posées
Que signifie un écart-type de 0 ?
Un écart-type de zéro signifie que chaque valeur de votre ensemble de données est identique. Il n'y a absolument aucune dispersion ou variabilité dans les données. Chaque point de données est exactement égal à la moyenne.
L'écart-type peut-il être négatif ?
Non, l'écart-type ne peut pas être négatif. Le calcul implique d'élever les écarts au carré, ce qui produit toujours des nombres positifs. La dernière étape prend la racine carrée principale (positive) de la variance.
Pourquoi divisons-nous par $n-1$ pour l'écart-type de l'échantillon ?
Diviser par $n-1$ applique la correction de Bessel. Cet ajustement compense le fait qu'un échantillon sous-estime la véritable variabilité de l'ensemble de la population. Il fournit un estimateur non biaisé de la variance de la population.
Comment l'écart-type est-il lié à la moyenne ?
L'écart-type mesure la distance moyenne des points de données par rapport à la moyenne. La moyenne établit le point de référence central. Sans d'abord calculer la moyenne, vous ne pouvez pas déterminer l'écart-type.
Quelle est la différence entre l'écart-type et la variance ?
La variance mesure l'écart moyen au carré par rapport à la moyenne. L'écart-type est la racine carrée de la variance. L'écart-type est préféré pour l'interprétation car il revient aux unités originales des données.
Quand dois-je utiliser l'écart-type de la population vs. de l'échantillon ?
Utilisez l'écart-type de la population lorsque vos données incluent chaque membre du groupe que vous étudiez. Utilisez l'écart-type de l'échantillon lorsque vos données représentent un sous-ensemble tiré d'un groupe plus large, et que vous avez l'intention de faire des inférences sur ce groupe plus large.
Comment les valeurs aberrantes affectent-elles l'écart-type ?
Les valeurs aberrantes gonflent considérablement l'écart-type. La formule élève la distance par rapport à la moyenne au carré, ce qui signifie que les valeurs extrêmes exercent une influence mathématique disproportionnée sur le résultat final.
Qu'est-ce qu'un "bon" écart-type ?
Un "bon" écart-type dépend entièrement de votre contexte et de votre tolérance au risque. Dans la fabrication, un faible écart-type est idéal pour le contrôle qualité. Dans les portefeuilles d'investissement, un écart-type plus élevé peut être acceptable s'il s'accompagne de rendements attendus plus élevés.
Sources pour approfondir
- MIT OpenCourseWare : 18.05 Introduction aux probabilités et statistiques : Statistiques résumées – Matériel académique rigoureux couvrant les mesures de dispersion du Massachusetts Institute of Technology.
- NIST/SEMATECH e-Handbook : Mesures d'échelle : Écart-type et variance – La norme gouvernementale définitive pour les méthodologies d'ingénierie statistique et d'analyse de données.
- Khan Academy (Français) : Révision de l'écart-type de la population et de l'échantillon – Excellentes explications fondamentales et exercices interactifs pour comprendre la dispersion.
- INSEE (Institut national de la statistique et des études économiques) : Définition : Écart-type – Définitions officielles et méthodologie standard de l'État français pour les mesures statistiques.