Σ
SDCalc
DébutantConcepts·6 min

La règle empirique 68-95-99,7 expliquée

Maîtrisez la règle empirique (règle 68-95-99,7) pour les distributions normales. Apprenez à estimer rapidement les probabilités et à repérer les valeurs aberrantes à l’aide de l’écart type.

Qu’est-ce que la règle empirique?

La règle empirique (aussi appelée règle 68-95-99,7 ou règle des trois sigma) est un aide-mémoire pour retenir le pourcentage de valeurs dans une distribution normale qui se situent à 1, 2 et 3 écarts types de la moyenne.

68 %

à l’intérieur de ±1σ

95 %

à l’intérieur de ±2σ

99,7 %

à l’intérieur de ±3σ

Décomposition visuelle

The Classic Bell Curve

IntervallePourcentage
μ ± 1σ68,27 %
μ ± 2σ95,45 %
μ ± 3σ99,73 %

Applications pratiques

  • Estimations rapides de probabilité:Sans calculs complexes, vous pouvez estimer qu’environ 95 % des données se situent à moins de 2 écarts types de la moyenne.
  • Détection des valeurs aberrantes:Les points de données au-delà de 3σ se produisent moins de 0,3 % du temps, ce qui en fait des valeurs aberrantes statistiques qui méritent d’être examinées.
  • Contrôle de la qualité:La méthodologie Six Sigma utilise la règle pour établir des seuils de qualité et repérer les variations de processus.

Exemples résolus

Exemple : Résultats au SAT

Les résultats au SAT sont normalement distribués avec μ = 1050 et σ = 200. - 68 % des résultats se situent entre 850 et 1250 (±1σ) - 95 % des résultats se situent entre 650 et 1450 (±2σ) - 99,7 % des résultats se situent entre 450 et 1650 (±3σ) Un résultat de 1450+ place un étudiant dans le top ~2,5 % des candidats.

Limites

Ne fonctionne que pour les distributions normales

La règle empirique s’applique UNIQUEMENT aux données qui suivent une distribution normale (gaussienne). Pour des données asymétriques ou non normales, ces pourcentages ne s’appliquent pas. Vérifiez toujours si vos données sont normalement distribuées avant d’utiliser cette règle.

Further Reading

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.