IntermédiaireConcepts·9 min

Erreur type vs écart type

Apprenez la différence entre l’erreur type et l’écart type. Comprenez quand utiliser chacun, comment calculer l’ET et son rôle dans les intervalles de confiance.

Introduction

L’erreur type (ET) et l’écart type (ÉT) sont toutes deux des mesures de dispersion, mais elles répondent à des questions fondamentalement différentes. Les confondre est l’une des erreurs les plus courantes en statistique.

Confusion courante

Beaucoup de gens utilisent l’écart type quand ils devraient utiliser l’erreur type, surtout quand ils rapportent la précision des moyennes d’échantillons. Cela peut mener à des conclusions incorrectes sur la signification statistique.

La différence fondamentale

Écart type

Mesure la dispersion des points de données individuels autour de la moyenne. « À quel point les valeurs individuelles varient-elles? »

Erreur type

Mesure la précision de la moyenne de l’échantillon comme estimation de la moyenne de la population. « À quel point notre moyenne d’échantillon est-elle précise? »

Formule de l’erreur type

Erreur type de la moyenne

SE = s / √n

Où s est l’écart type de l’échantillon et n est la taille de l’échantillon.

Exemple de calcul

Un échantillon de 25 étudiants a une note moyenne de 75, avec un écart type de 10 - Écart type (s) = 10 points - Taille de l’échantillon (n) = 25 - Erreur type = 10 / √25 = 10 / 5 = 2 points Interprétation : La moyenne d’échantillon de 75 a une incertitude d’environ ±2 points.

Quand utiliser chacun

Utiliser l’écart type quand:Vous décrivez la variabilité des observations individuelles, caractérisez une population ou un échantillon, établissez des plages normales (p. ex., intervalles de référence cliniques) ou effectuez un contrôle de la qualité (variation acceptable en fabrication)
Utiliser l’erreur type quand:Vous rapportez la précision d’une statistique d’échantillon, construisez des intervalles de confiance, comparez des moyennes entre groupes ou effectuez des tests d’hypothèses

Effet de la taille de l’échantillon

Une différence cruciale : l’écart type reste à peu près le même à mesure que la taille de l’échantillon augmente, mais l’erreur type diminue avec des échantillons plus grands.

Taille de l’échantillon (n)	ÉT	ET = ÉT/√n
25	10	2,00
100	10	1,00
400	10	0,50
10 000	10	0,10

Point clé

Pour réduire l’erreur type de moitié, il faut quadrupler la taille de l’échantillon. C’est pourquoi des estimations très précises nécessitent de grands échantillons.

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 goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling 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.