Calculateur d'écart type
Calculez l’écart type, la variance, la moyenne et bien plus encore pour n’importe quel ensemble de données. Prend en charge les calculs de population et d’échantillons. Solution gratuite étape par étape.
Qu’est-ce que l’écart type et pourquoi est-ce important ?
Mesures d’écart typela répartition de vos données autour de la moyenne (moyenne). Un petit écart type signifie que les valeurs se regroupent étroitement autour de la moyenne ; un écart type important signifie que les valeurs sont largement dispersées.
Deux ensembles de données peuvent avoir la même moyenne mais des distributions complètement différentes — l'écart type capture cette différence :
- Ensemble de données A : {9, 10, 10, 11, 10} — Moyenne = 10, SD ≈ 0,63 (cluster serré)
- Ensemble de données B : {2, 5, 10, 15, 18 } — Moyenne = 10, SD ≈ 5,83 (largement répandu)
Les deux ont une moyenne de 10, mais l'ensemble de données B est près de 10 fois plus variable. L’écart type rend cela visible.
L'écart type est notéσ (sigma) pour une population ets pour un échantillon. Il s'agit de la racine carrée de la variance, exprimée dans les mêmes unités que les données originales, ce qui la rend plus interprétable que la variance seule.
Les applications couvrent presque tous les domaines : contrôle qualité (les pièces fabriquées sont-elles systématiquement dans les limites de tolérance ?), finance (risque d'investissement = volatilité du rendement), médecine (la lecture d'un patient est-elle à 2 écarts-types de la normale ?), éducation (comment les résultats des tests sont-ils distribués ?) et analyse sportive (dans quelle mesure la performance d'un athlète est-elle cohérente ?).
Écart type de la population par rapport à l'échantillon
Le choix le plus important lors du calcul de l’écart type est de savoir si vous travaillez avec unpopulation (tous les points de données possibles) ou unéchantillon (un sous-ensemble). Cela détermine la formule à utiliser et affecte le résultat.
Écart type de population (σ) : À utiliser lorsque vous disposez de données pour l'ensemble du groupe que vous étudiez. Formule : σ = √[Σ(xᵢ − μ)² / N]
Où : μ = moyenne de la population, N = nombre de valeurs, Σ = somme de toutes les valeurs.
Écart(s) type(s) de l'échantillon : À utiliser lorsque vos données sont un échantillon tiré d’une population plus large. Formule : s = √[Σ(xᵢ − x̄)² / (n−1)]
Où : x̄ = moyenne de l'échantillon, n = nombre de valeurs dans l'échantillon, (n−1) =Correction de Bessel.
La correction de Bessel divise par (n−1) au lieu de n car les échantillons ont tendance à sous-estimer la véritable variance de la population, en particulier pour les petits échantillons. L'utilisation de (n−1) fournit unestimateur sans biais de la variance de la population.
Lequel utiliser ?
- Population SD : Vous disposez de données pour tous les élèves d'une classe spécifique ; tous les résultats des tests d'un examen spécifique ; tous les salariés d’une même entreprise.
- Exemple de SD : Vous avez interrogé 500 Américains sur leurs revenus (en déduisant tous les Américains) ; vous avez mesuré 30 widgets à partir d'une exécution de production (en déduisant tous les widgets) ; toute étude scientifique avec un échantillon.
Calcul étape par étape de l’écart type
Prenons un exemple complet avec des nombres réels :
Ensemble de données : Résultats des tests de 6 étudiants : {72, 85, 91, 68, 79, 88}
Étape 1 — Trouvez la moyenne : (72 + 85 + 91 + 68 + 79 + 88) / 6 = 483 / 6 =80,5
Étape 2 — Trouvez chaque écart par rapport à la moyenne et mettez-le au carré :
| Score (xᵢ) | Déviation (xᵢ − x̄) | Au carré (xᵢ − x̄)² |
|---|---|---|
| 72 | 72 − 80,5 = −8,5 | 72.25 |
| 85 | 85 − 80,5 = +4,5 | 20h25 |
| 91 | 91 − 80,5 = +10,5 | 110.25 |
| 68 | 68 − 80,5 = −12,5 | 156,25 |
| 79 | 79 − 80,5 = −1,5 | 2.25 |
| 88 | 88 − 80,5 = +7,5 | 56.25 |
| Somme | 0 (toujours) | 417,50 |
Étape 3 — Calculer la variance : Variance de l'échantillon (n−1) = 417,50 / 5 = 83,50
Étape 4 — Prenez la racine carrée de l'écart type : s = √83,50 ≈9.14
Interprétation : La plupart des scores se situent à environ 9,14 points de la moyenne de 80,5. Environ 68 % des scores seraient attendus entre 71,4 et 89,6 (moyenne ± 1 ET) s'il s'agissait d'une population normalement distribuée.
La règle empirique et la distribution normale
Pour les données qui suivent undistribution normale (courbe en cloche), la règle empirique (règle 68-95-99,7) vous indique exactement combien de valeurs se situent dans chaque plage d'écart type :
| Gamme | Pourcentage de données | Exemple (moyenne=100, SD=15) |
|---|---|---|
| Moyenne ± 1 ET | ~68,27% | 85 à 115 |
| Moyenne ± 2 ET | ~95,45% | 70 à 130 |
| Moyenne ± 3 ET | ~99,73% | 55 à 145 |
| Au-delà de ± 3 SD | ~0,27% | Inférieur à 55 ou supérieur à 145 |
L’application classique concerne les scores de QI : moyenne = 100, SD = 15. Un QI de 130 est 2 SD au-dessus de la moyenne – seulement environ 2,3 % des personnes obtiennent un score aussi élevé. Un QI de 145 est 3 écarts-types supérieur à la moyenne – environ 0,13 % des personnes (environ 1 sur 750).
En contrôle qualité, leSix Sigma La norme exige que les processus comportent moins de 3,4 défauts par million d'opportunités, ce qui équivaut à maintenir une variation à ± 6 écarts types par rapport à l'objectif, ne laissant qu'un taux de défauts de 0,00034 %. Il s’agit du fondement statistique des programmes de qualité de fabrication Six Sigma.
Toutes les données ne sont pas normalement distribuées. La répartition des revenus est asymétrique vers la droite (quelques salariés très élevés tendent la queue droite). Dans de tels cas, la médiane et l’intervalle interquartile peuvent être plus informatifs que la moyenne et l’écart type.
Autres mesures statistiques : moyenne, médiane, variance, etc.
L'écart type est le plus significatif aux côtés d'autres statistiques descriptives. Voici comment ils travaillent ensemble :
- Moyenne (moyenne arithmétique) : Somme de toutes les valeurs ÷ nombre. Sensible aux valeurs aberrantes : une valeur extrême peut modifier considérablement la moyenne.
- Médiane : La valeur moyenne lorsque les données sont triées. Plus robuste aux valeurs aberrantes que la moyenne. Pour {1, 2, 3, 4, 100} : moyenne = 22, médiane = 3.
- Mode : La valeur la plus fréquente. Utile pour les données catégorielles ; un ensemble de données peut avoir plusieurs modes ou aucun.
- Plage : Maximum - minimum. Simple mais sensible aux valeurs aberrantes ; ne décrit pas la forme de la distribution.
- Écart (σ² ou s²) : Le carré de l'écart type. Utile mathématiquement mais plus difficile à interpréter car c'est en unités carrées. Exemple : si les hauteurs sont en centimètres, la variance est en cm², ce qui n'a aucune signification physique.
- Coefficient de variation (CV) : (Écart type/moyenne) × 100 %. Permet de comparer la variabilité entre les ensembles de données avec différentes moyennes. Un CV de 10 % signifie que l'écart-type correspond à 10 % de la moyenne, ce qui est utile en finance et en biologie.
- Erreur type de la moyenne (SEM) : SD ÷ √n. Mesure la précision de la moyenne de l'échantillon en tant qu'estimation de la moyenne de la population. À mesure que la taille de l’échantillon augmente, le SEM diminue : des échantillons plus grands donnent des estimations plus précises.
Écart type dans les domaines de la finance, des sciences et des sports
L'écart type a des interprétations spécifiques et pratiques dans différents domaines :
Finance — Mesurer le risque d'investissement : En finance, écart type des rendements = volatilité = risque. Un titre qui rapporte 10 % par an avec un écart-type de 15 % a une probabilité de 68 % de rendement compris entre −5 % et +25 % au cours d'une année donnée. Le S&P 500 a historiquement un écart-type annuel d'environ 15 à 20 %. Les portefeuilles obligataires ont généralement un SD de 3 à 7 %. Performance ajustée au risque (ratio de Sharpe) = (rendement − taux sans risque) / SD — plus elle est élevée, mieux c'est.
Science — Contrôle et mesure de la qualité :Les instruments de laboratoire rapportent les mesures sous forme de moyenne ± SD. Un thermomètre indiquant 37,2 ± 0,3°C signifie que la mesure se situe à moins de 0,3°C de la valeur réelle avec un niveau de confiance de 68 %. Dans les essais cliniques, la signification statistique est généralement définie comme l'effet du traitement étant supérieur à 2 écarts-types par rapport à la moyenne du groupe témoin (p < 0,05).
Analyses sportives : La cohérence des joueurs est quantifiée avec SD. Un joueur de basket-ball avec une moyenne de 25 points par match avec un écart-type de 3 est plus fiable qu'un autre avec une moyenne de 25 points avec un écart-type de 10. Les prévisions météorologiques utilisent des modèles d'ensemble dans lesquels l'écart-type des prévisions de température indique la confiance - un écart-type étroit signifie que les prévisionnistes sont d'accord ; un SD large signifie une incertitude élevée.
Éducation : Les scores Z expriment le nombre d'écarts types entre le score d'un élève et la moyenne de la classe : Z = (score − moyenne) / SD. Un score Z de +2 signifie un score de 2 SD au-dessus de la moyenne, soit mieux qu'environ 97,7 % des étudiants. Les tests standardisés comme le SAT sont conçus de manière à ce que les scores suivent une distribution à peu près normale, permettant ces comparaisons centiles.
Foire aux questions
Quelle est la différence entre l’écart type et la variance ?
La variance est la moyenne des carrés des écarts par rapport à la moyenne. L'écart type est la racine carrée de la variance. Les deux mesurent la propagation, mais l'écart type est dans les mêmes unités que les données (plus facile à interpréter), tandis que la variance est en unités carrées. Un ensemble de données de hauteur en cm a une variance en cm² — ce n'est pas significatif. L'écart-type en cm est directement comparable aux mesures originales.
Quand dois-je utiliser l’écart type de la population par rapport à l’échantillon ?
Utilisez l'écart-type de population (σ, divise par N) lorsque vous disposez de données pour l'ensemble de la population que vous décrivez : tous les étudiants d'une classe spécifique, tous les employés d'une entreprise. Utilisez un échantillon SD (s, divisé par n−1) lorsque vos données constituent un sous-ensemble d'une population plus large et que vous estimez la variabilité de la population : un échantillon d'enquête, des participants à un essai clinique, des échantillons de contrôle qualité provenant d'un cycle de production.
Que signifie un écart type élevé ou faible ?
Un faible écart type signifie que les points de données sont regroupés étroitement autour de la moyenne – cohérence et faible variabilité. Un écart type élevé signifie que les données sont largement diffusées – une variabilité élevée. Ni l’un ni l’autre n’est intrinsèquement meilleur ; cela dépend du contexte. Dans la fabrication, un faible SD est souhaité (cohérence). En ce qui concerne les retours sur investissement, certains investisseurs acceptent un SD plus élevé pour des rendements potentiels plus élevés.
Qu'est-ce qu'un score Z et quel est son rapport avec l'écart type ?
Un score Z mesure le nombre d'écarts types entre un point de données et la moyenne : Z = (valeur − moyenne) / SD. Un score Z de 0 = exactement moyen. Z = +1 = 1 SD au-dessus de la moyenne (84e percentile). Z = −2 = 2 SD en dessous de la moyenne (2,3e percentile). Les scores Z permettent de comparer les valeurs de différents ensembles de données avec différentes échelles.
Qu'est-ce que l'erreur type et en quoi est-elle différente de l'écart type ?
L'écart type décrit la répartition des points de données individuels. L'erreur standard de la moyenne (SEM = SD/√n) décrit la précision de la moyenne de l'échantillon en tant qu'estimation de la véritable moyenne de la population. À mesure que la taille de l'échantillon augmente, le SEM diminue (plus de données = estimation plus précise), mais l'écart-type ne change pas nécessairement. SEM est utilisé dans les intervalles de confiance ; SD décrit la distribution des données elle-même.
L’écart type peut-il être négatif ?
Non. L’écart type est toujours nul ou positif. Il est égal à zéro uniquement lorsque toutes les valeurs des données sont identiques (aucune variabilité). Puisqu’il est calculé comme la racine carrée d’une somme de carrés, il ne peut pas être négatif. Une variance négative ou un écart type indiquerait une erreur de calcul.
Comment les valeurs aberrantes affectent-elles l’écart type ?
Les valeurs aberrantes peuvent gonfler considérablement l’écart type car les écarts sont au carré – les écarts importants par rapport à la moyenne contribuent de manière disproportionnée. Par exemple, dans {10, 11, 10, 12, 100} : la suppression de la valeur aberrante (100) fait passer l'écart-type de ~38 à ~0,9. Lorsque des valeurs aberrantes sont présentes, la médiane et l’intervalle interquartile (IQR) sont des mesures plus robustes de la tendance centrale et de la propagation.
Qu'est-ce que cela signifie si l'écart type est égal à zéro ?
Un écart type de zéro signifie que toutes les valeurs de l'ensemble de données sont identiques — il n'y a aucune variabilité. Par exemple, {5, 5, 5, 5, 5} a une moyenne = 5 et un SD = 0. Cela se produit dans des ensembles de données artificiels ou hautement contraints. Dans les ensembles de données pratiques, SD = 0 indique souvent une erreur de collecte de données ou des mesures identiques.