L’écart-type expliqué sans notation mathématique

L’écart-typeest un seul chiffre qui résume à quel point un ensemble de valeurs est dispersé. Un petit écart-type signifie que les valeurs sont étroitement regroupées autour de la moyenne. Un grand signifie qu’elles sont dispersées. C’est tout le concept. Tout le reste — la formule, le débat n-1 vs n, la courbe en cloche — n’est que la machinerie pour rendre la dispersion comparable entre différents ensembles de données et tailles d’échantillons.

Ce qu’il mesure réellement

Imaginez deux classes ayant chacune une note moyenne de 75.

• Classe A : les notes sont 73, 74, 75, 76, 77. Écart-type : 1,6.
• Classe B : les notes sont 55, 65, 75, 85, 95. Écart-type : 15,8.

Même moyenne, distributions très différentes. La classe A est uniforme ; la classe B a une large plage. L’écart-type capture cette différence en un seul chiffre.

L’unité de l’écart-type est la même que celle des données. Notes en points → écart-type en points. Tailles en centimètres → écart-type en centimètres. Cela rend le chiffre directement interprétable.

Comment le calculer (en trois étapes)

1. Trouver la moyenne. Additionner les valeurs, diviser par le nombre.
2. Calculer la distance carrée de chaque valeur par rapport à la moyenne. Pour la classe A, la moyenne est 75. Les distances carrées sont : (73-75)² = 4, (74-75)² = 1, (75-75)² = 0, (76-75)² = 1, (77-75)² = 4. Somme : 10.
3. Diviser par n-1 (échantillon) ou n (population), puis prendre la racine carrée. Classe A : 10/(5-1) = 2,5 ; sqrt(2,5) = 1,58.

La mise au carré est ce qui fait dominer les grands écarts sur les petits — un écart de 4 contribue 16 à la somme ; un écart de 1 contribue 1. La racine carrée à la fin remet le résultat dans l’unité d’origine.

n vs n-1 : pourquoi deux formules existent

Si vous avez toutes les données (chaque valeur dans la population), divisez par n. Si vous avez unéchantillontiré d’une population plus grande et que vous voulez estimer l’écart-type de cette population, divisez parn-1. La version n-1 s’appelle l’écart-type de l’échantillon; la version n est l’écart-type de lapopulation.

Pourquoi la version échantillon utilise-t-elle n-1 ? Parce que la moyenne de l’échantillon est elle-même un point de l’échantillon, l’échantillon sous-estime la vraie dispersion de la population. Diviser par n-1 gonfle l’estimation juste assez pour corriger le biais en moyenne. C’est ce qu’on appelle la correction de Bessel.

En pratique : si vous calculez l’écart-type à partir d’un échantillon (ce que font la plupart des calculs réels), utilisez n-1. STDEV.S d’Excel et statistics.stdev de Python utilisent n-1 par défaut. STDEV.P d’Excel et numpy.std utilisent n par défaut.

Comment lire le résultat

Une fois que vous avez l’écart-type, voici l’intuition utilisable :

• ~68 % des valeurs se trouvent dans ±1 écart-type de la moyenne (pour les distributions approximativement normales).
• ~95 % se trouvent dans ±2 écarts-types.
• ~99,7 % se trouvent dans ±3 écarts-types.

Cette règle « 68-95-99,7 » (également appelée règle empirique) est valable pour toute distribution approximativement en forme de cloche. Pour la classe A : moyenne 75, ET 1,58. L’intervalle [73,4 ; 76,6] devrait contenir environ 68 % des valeurs.

Exprimer une observation unique en « combien d’écarts-types par rapport à la moyenne » est si utile que cela a son propre nom : le score z.

Quand l’écart-type est le mauvais outil

1. Valeurs aberrantes.Une valeur extrême augmente considérablement l’écart-type. Les données de revenus en sont un exemple classique. Utilisez l’étendue interquartile ou l’écart absolu médian à la place.
2. Distributions asymétriques.Quand la plupart des valeurs sont petites et quelques-unes sont très grandes (ou vice versa), la moyenne et l’écart-type ensemble ne décrivent pas la forme. Rapportez des percentiles ou des quartiles.
3. Données catégorielles.L’écart-type nécessite une échelle numérique où la distance a un sens. Vous ne pouvez pas calculer un écart-type significatif des valeurs [« rouge », « bleu », « vert »].

Exemple pratique rapide

Ensemble de données : [4, 8, 6, 5, 3, 7]

• Moyenne : (4+8+6+5+3+7) / 6 = 5,5
• Déviations carrées : (4-5,5)² = 2,25 ; (8-5,5)² = 6,25 ; (6-5,5)² = 0,25 ; (5-5,5)² = 0,25 ; (3-5,5)² = 6,25 ; (7-5,5)² = 2,25
• Somme des déviations carrées : 17,5
• Variance de l’échantillon (÷ n-1) : 17,5 / 5 = 3,5
• Écart-type de l’échantillon : √3,5 = 1,87

Vérifiez avec notre calculateur de statistiques— il calcule la moyenne, la médiane, les deux versions de l’écart-type et les percentiles en une seule passe.

La conclusion pragmatique

L’écart-type répond à la question « à quel point ces données sont-elles dispersées ? » dans les propres unités des données. Pour les données approximativement normales, la règle 68/95/99,7 vous permet de traduire le chiffre en image mentale rapide. Pour les données asymétriques ou chargées en valeurs aberrantes, revenez aux percentiles. Et vérifiez toujours si l’outil que vous utilisez applique le diviseur n-1 (échantillon) ou n (population).

Erreurs courantes

• Utiliser n vs n-1 de manière incohérente dans un rapport. Mélanger STDEV.S d’Excel avec numpy.stdpar défaut dans la même analyse produit de petites mais réelles divergences. Choisissez une convention par projet et documentez-la.
• Rapporter l’ET sans n.L’écart-type de trois mesures est essentiellement non informatif. Avec n=3, votre estimation d’ET a sa propre erreur standard d’environ 40 %. Rapportez la taille de l’échantillon aux côtés de chaque ET.
• Additionner des écarts-types.Les ET ne s’additionnent pas. Les variances de variables indépendantes s’additionnent ; prenez la racine carrée de la somme pour obtenir l’ET combiné. ET_combiné = √(ET₁² + ET₂²), pas ET₁ + ET₂.

Pour la question de centre de distribution qui s’associe à la dispersion, continuez avec notre guide moyenne, médiane, mode.