Qu'est-ce que la variance ?
La variance quantifie la dispersion d'un ensemble de données par rapport à sa moyenne. Elle mesure à quel point chaque nombre de l'ensemble est éloigné de la moyenne, et donc de chaque autre nombre de l'ensemble. Une variance élevée indique que les points de données sont largement dispersés, tandis qu'une faible variance indique qu'ils sont étroitement regroupés.
Contrairement à l'écart-type, la variance est exprimée en unités au carré. Cette propriété mathématique la rend indispensable pour les calculs statistiques avancés, même si elle est moins intuitive pour l'interprétation humaine directe. Les analystes utilisent la variance pour évaluer les risques, évaluer la cohérence et construire des modèles prédictifs.
Variance de la population vs. de l'échantillon
Le calcul de la variance 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 | Variance de la population ($\sigma^2$) | Variance de l'échantillon ($s^2$) |
|---|---|---|
| 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 la variance
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 la variance de la population
Lorsque vous possédez des données pour chaque membre de la population, la formule est :
Où :
- $\sigma^2$ = variance de la population
- $\mu$ = moyenne de la population
- $x_i$ = chaque valeur individuelle
- $N$ = nombre total de valeurs dans la population
Formule de la variance de l'échantillon
Lorsque vous travaillez avec un échantillon tiré d'une population plus large, la formule est :
Où :
- $s^2$ = variance 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 :
Pourquoi élevons-nous les écarts au carré ?
Élever les écarts au carré sert deux objectifs mathématiques critiques. Premièrement, cela élimine les nombres négatifs. Si vous ajoutiez simplement les écarts bruts par rapport à la moyenne, les valeurs positives et négatives s'annuleraient parfaitement, ce qui donnerait une somme de zéro.
Deuxièmement, le carré pénalise les grands valeurs aberrantes plus lourdement que les petits écarts. Un point de données qui est à 4 unités de la moyenne contribue 16 à la somme des carrés, tandis qu'un point à 2 unités ne contribue que 4. Cela garantit que les valeurs extrêmes ont un impact significatif sur la métrique de variance finale.
Variance vs. Écart-type
La variance et l'écart-type mesurent exactement le même concept de dispersion, mais ils existent dans des unités mathématiques différentes. La variance est exprimée en unités au carré (par exemple, mètres carrés), ce qui rend difficile l'interprétation dans le contexte des données originales.
L'écart-type est simplement la racine carrée de la variance. Il ramène la métrique aux unités originales de l'ensemble de données (par exemple, mètres). Nous utilisons la variance pour des opérations mathématiques complexes comme l'ANOVA, mais nous utilisons l'écart-type pour rapporter les résultats aux humains. Notre Calculateur d'Écart-Type gère cette conversion automatiquement.
Comment calculer la variance manuellement
Le calcul manuel suit un processus strict. Bien que notre calculateur l'automatise, comprendre la mécanique reste essentiel pour la culture statistique. Les sections suivantes démontrent les deux méthodes avec des exemples détaillés et pratiques.
Comment calculer la variance de l'échantillon
Utilisez la formule de variance de l'échantillon lorsque vos données représentent un sous-ensemble d'un groupe plus large. Les exemples suivants démontrent ce processus en détail.
Exemple 1 : Autonomie de la batterie des smartphones
Un ingénieur qualité teste l'autonomie de la batterie (en heures) de 6 smartphones sélectionnés au hasard sur une ligne de production. L'ensemble de données est : $14, 16, 15, 18, 13, 14$. Nous traitons cela comme un échantillon pour déduire la qualité de l'ensemble de la série de production.
Solution
- Calculez la moyenne de l'échantillon ($\bar{x}$) : Additionnez les valeurs ($90$) et divisez par $n$ ($6$). $\bar{x} = 15$ heures.
- Trouvez les écarts par rapport à la moyenne : Soustrayez $15$ de chaque valeur (ex. $14 - 15 = -1$).
- Élevez chaque écart au carré : Multipliez chaque écart par lui-même (ex. $(-1)^2 = 1$).
- Sommez les écarts au carré : Additionnez toutes les valeurs au carré. $\sum (x_i - \bar{x})^2 = 14$.
- Divisez par $n-1$ pour obtenir la variance de l'échantillon ($s^2$) : $14 \div 5 = 2,8$.
Résultat : La variance de l'échantillon est de 2,8 heures². Cela indique l'écart moyen au carré par rapport à l'autonomie moyenne de la batterie de 15 heures.
Le tableau ci-dessous détaille les calculs d'écarts pour cet échantillon :
| Observation ($x_i$) | Écart ($x_i - \bar{x}$) | Écart au carré $(x_i - \bar{x})^2$ |
|---|---|---|
| 14 | -1 | 1 |
| 16 | 1 | 1 |
| 15 | 0 | 0 |
| 18 | 3 | 9 |
| 13 | -2 | 4 |
| 14 | -1 | 1 |
| Somme : | 14 | |
Exemple 2 : Rendements quotidiens des actions
Un analyste financier calcule la variance des rendements quotidiens en pourcentage d'un actif spécifique sur une semaine de négociation de 5 jours. Les rendements sont : $1,2\%, -0,5\%, 0,8\%, 1,5\%, -0,2\%$. Cet échantillon aide à estimer la volatilité globale de l'actif.
Solution
- Calculez la moyenne de l'échantillon ($\bar{x}$) : Additionnez les valeurs ($2,8\%$) et divisez par $n$ ($5$). $\bar{x} = 0,56\%$.
- Trouvez les écarts par rapport à la moyenne : Soustrayez $0,56$ de chaque valeur (ex. $1,2 - 0,56 = 0,64$).
- Élevez chaque écart au carré : Multipliez chaque écart par lui-même (ex. $0,64^2 = 0,4096$).
- Sommez les écarts au carré : Additionnez toutes les valeurs au carré. $\sum (x_i - \bar{x})^2 = 2,472$.
- Divisez par $n-1$ pour obtenir la variance de l'échantillon ($s^2$) : $2,472 \div 4 = 0,618$.
Résultat : La variance de l'échantillon est de 0,618 %². Cela quantifie la dispersion des rendements quotidiens autour du rendement moyen de 0,56%.
Comment calculer la variance de la population
Utilisez la formule de variance de la population lorsque vos données incluent chaque membre du groupe que vous étudiez. Les exemples suivants démontrent ce processus en détail.
Exemple 1 : Tailles des joueurs d'une équipe de basketball
Un analyste sportif enregistre les tailles (en pouces) des 5 joueurs titulaires d'une équipe de basketball spécifique. L'ensemble de données est : $74, 76, 78, 80, 82$. Parce que cela inclut chaque titulaire, nous le traitons comme une population complète.
Solution
- Calculez la moyenne de la population ($\mu$) : Additionnez les valeurs ($390$) et divisez par $N$ ($5$). $\mu = 78$ pouces.
- Trouvez les écarts par rapport à la moyenne : Soustrayez $78$ de chaque valeur (ex. $74 - 78 = -4$).
- Élevez chaque écart au carré : Multipliez chaque écart par lui-même (ex. $(-4)^2 = 16$).
- Sommez les écarts au carré : Additionnez toutes les valeurs au carré. $\sum (x_i - \mu)^2 = 40$.
- Divisez par $N$ pour obtenir la variance de la population ($\sigma^2$) : $40 \div 5 = 8$.
Résultat : La variance de la population est de 8 pouces². Cela indique l'écart moyen au carré par rapport à la taille moyenne de l'équipe de 78 pouces.
Le tableau ci-dessous détaille les calculs d'écarts pour cette population :
| Observation ($x_i$) | Écart ($x_i - \mu$) | Écart au carré $(x_i - \mu)^2$ |
|---|---|---|
| 74 | -4 | 16 |
| 76 | -2 | 4 |
| 78 | 0 | 0 |
| 80 | 2 | 4 |
| 82 | 4 | 16 |
| Somme : | 40 | |
Exemple 2 : Diamètres de boulons de précision
Un responsable de fabrication mesure le diamètre (en millimètres) de 6 boulons de précision produits par une machine spécifique lors d'une seule série de calibrage. Les diamètres sont : $10,0, 10,1, 9,9, 10,2, 9,8, 10,0$. Cela représente la production totale de cette série spécifique.
Solution
- Calculez la moyenne de la population ($\mu$) : Additionnez les valeurs ($60,0$) et divisez par $N$ ($6$). $\mu = 10,0$ mm.
- Trouvez les écarts par rapport à la moyenne : Soustrayez $10,0$ de chaque valeur (ex. $10,1 - 10,0 = 0,1$).
- Élevez chaque écart au carré : Multipliez chaque écart par lui-même (ex. $0,1^2 = 0,01$).
- Sommez les écarts au carré : Additionnez toutes les valeurs au carré. $\sum (x_i - \mu)^2 = 0,10$.
- Divisez par $N$ pour obtenir la variance de la population ($\sigma^2$) : $0,10 \div 6 \approx 0,0167$.
Résultat : La variance de la population est de 0,0167 mm². Cette variance extrêmement faible indique que la machine est très précise lors de cette série de calibrage.
Le rôle de la variance dans les statistiques avancées
La variance est le bloc de construction fondamental pour de nombreuses méthodologies statistiques avancées. Bien que l'écart-type soit meilleur pour les rapports, la variance est requise pour les mathématiques sous-jacentes des statistiques inférentielles.
Analyse de la variance (ANOVA) : Cette technique compare les moyennes de trois groupes ou plus. Elle le fait en partitionnant la variance totale en variance entre les groupes et variance au sein des groupes pour déterminer si les moyennes des groupes sont significativement différentes.
Analyse de régression : Dans la modélisation prédictive, le coefficient de détermination ($R^2$) représente la proportion de la variance dans la variable dépendante qui est prévisible à partir des variables indépendantes. C'est un ratio direct de variances.
Théorie moderne du portefeuille : En finance, la variance est utilisée pour mesurer la volatilité et le risque d'un portefeuille d'investissement. En calculant la variance des rendements, les analystes peuvent optimiser l'allocation d'actifs pour maximiser les rendements pour un niveau de risque donné.
Questions fréquentes sur la variance
La variance peut-elle être négative ?
Non, la variance ne peut pas être négative. Le calcul implique d'élever les écarts par rapport à la moyenne au carré, ce qui produit toujours des nombres positifs. La somme de nombres positifs divisée par un compte positif donnera toujours une variance positive.
Que signifie une variance de 0 ?
Une variance 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.
Pourquoi la variance est-elle exprimée en unités au carré ?
La variance est exprimée en unités au carré parce que la formule élève les écarts au carré pour éliminer les nombres négatifs. Si vos données sont mesurées en mètres, la variance est mesurée en mètres carrés. C'est pourquoi nous prenons la racine carrée pour obtenir l'écart-type.
Comment la variance est-elle liée à l'écart-type ?
La variance est le carré de l'écart-type, et l'écart-type est la racine carrée de la variance. Ils mesurent la même dispersion, mais l'écart-type revient aux unités originales des données pour une interprétation plus facile.
Quand dois-je utiliser la variance de la population vs. de l'échantillon ?
Utilisez la variance de la population lorsque vos données incluent chaque membre du groupe que vous étudiez. Utilisez la variance 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 la variance ?
Les valeurs aberrantes gonflent considérablement la variance. Parce que la formule élève au carré la distance par rapport à la moyenne, les valeurs extrêmes exercent une influence mathématique disproportionnée sur le résultat final, bien plus qu'elles ne le font sur la moyenne elle-même.
Quelle est la différence entre la variance et l'écart absolu moyen ?
L'écart absolu moyen (MAD) utilise la valeur absolue des écarts au lieu de les élever au carré. Bien que le MAD soit moins sensible aux valeurs aberrantes, la variance est mathématiquement plus lisse et dérivable, ce qui la rend essentielle pour les méthodes statistiques basées sur le calcul.
Une variance élevée est-elle bonne ou mauvaise ?
Qu'une variance élevée soit bonne ou mauvaise dépend entièrement du contexte. Dans la fabrication, une faible variance est idéale pour le contrôle qualité. Dans les portefeuilles d'investissement, une variance plus élevée peut être acceptable si elle s'accompagne de rendements attendus plus élevés.
Sources pour approfondir
- INSEE (Institut national de la statistique et des études économiques) : Définition : Variance – Définitions officielles et méthodologie standard de l'État français pour les mesures statistiques.
- Université Paris-Saclay : Ressources en Statistique – Définitions formelles et rigueur mathématique soutenues par l'une des institutions académiques les plus prestigieuses de France.
- Khan Academy (Français) : Révision de la variance de la population et de l'échantillon – Excellentes explications fondamentales et exercices interactifs pour comprendre la dispersion.
- MIT OpenCourseWare : 18.05 Introduction aux probabilités et statistiques – Matériel académique rigoureux couvrant les statistiques résumées et les mesures de dispersion du Massachusetts Institute of Technology.