Σ
SDCalc
AvancéAvancé·14 min

Écart type pondéré

Apprenez à calculer l’écart type pondéré quand les points de données ont une importance ou des fréquences différentes.

Qu’est-ce que l’écart type pondéré?

Quand les points de données ont des niveaux d’importance différents ou représentent des fréquences différentes, on utilise l’écart type pondéré. C’est courant dans l’analyse de portefeuille, les données de sondage avec des poids d’échantillonnage et les calculs de moyenne pondérée cumulative.

Dans les calculs standards (non pondérés), chaque point de données contribue également à la moyenne et à l’écart type. Mais les scénarios du monde réel exigent souvent de donner plus d’influence à certaines observations. Un investissement de 1 million de dollars devrait affecter le calcul de volatilité de votre portefeuille plus qu’une position de 1 000 $. Une réponse de sondage provenant d’un groupe démographique plus important devrait avoir plus de poids lors de l’estimation des paramètres de la population.

Quand utiliser l’écart type pondéré

Utilisez l’écart type pondéré chaque fois que vos points de données ont une importance, des fréquences ou des niveaux de fiabilité différents. L’écart type non pondéré suppose que tous les points comptent également — ce qui est souvent une hypothèse incorrecte.

La formule de l’écart type pondéré

D’abord, vous avez besoin de la moyenne pondérée :

Moyenne pondérée

x̄w = Σ(wᵢxᵢ) / Σwᵢ

Puis, l’écart type pondéré (version population) :

Écart type pondéré (population)

σw = √[Σwᵢ(xᵢ - x̄w)² / Σwᵢ]

Où wᵢ sont les poids, xᵢ sont les valeurs de données et x̄w est la moyenne pondérée.

Pour les données d’échantillon, utilisez la formule corrigée du biais (analogue à la correction de Bessel) :

Écart type pondéré (échantillon)

sw = √[Σwᵢ(xᵢ - x̄w)² / (Σwᵢ - Σwᵢ²/Σwᵢ)]

La correction d’échantillon est plus complexe parce que la « taille d’échantillon effective » dépend de la distribution des poids. Si tous les poids sont égaux, cela se réduit à la correction n-1 habituelle.

Calcul étape par étape

1

Calculer la moyenne pondérée

Multipliez chaque valeur par son poids, additionnez ces produits et divisez par la somme des poids.
2

Calculer les écarts au carré pondérés

Pour chaque valeur, trouvez (valeur - moyenne pondérée)², puis multipliez par le poids.
3

Additionner les écarts au carré pondérés

Additionnez tous les produits de l’étape 2.
4

Diviser par la somme des poids

Pour l’écart type de population, divisez par Σwᵢ. Pour l’écart type d’échantillon, utilisez la correction du biais.
5

Prendre la racine carrée

L’écart type pondéré final.

Applications concrètes

Volatilité d’un portefeuille : En finance, l’écart type d’un portefeuille doit tenir compte des différentes répartitions d’actifs. La volatilité d’un portefeuille 50 % actions, 50 % obligations est calculée à l’aide de l’écart type pondéré, où les poids sont les pourcentages de répartition.

Analyse de sondage : Les échantillons de sondage surreprésentent ou sous-représentent souvent certains groupes démographiques. La pondération corrige cela, garantissant que les résultats reflètent la vraie population. L’écart type pondéré capture la variabilité dans la population, pas seulement dans l’échantillon.

Notation académique : Lors du calcul de la moyenne pondérée cumulative, les différents cours ont des nombres de crédits différents. Un cours de 4 crédits devrait influencer votre moyenne plus qu’un cours de 1 crédit. Les calculs pondérés gèrent cela naturellement.

Méta-analyse : En combinant les résultats de plusieurs études, chaque étude est pondérée par sa précision (souvent l’inverse de la variance). Cela donne plus d’influence aux études plus grandes et plus précises.

Exemples résolus

Exemple de portefeuille : Considérez un portefeuille avec trois actions :

  • Action A : rendement de 15 %, allocation de 50 % (poids = 0,50)
  • Action B : rendement de 8 %, allocation de 30 % (poids = 0,30)
  • Action C : rendement de -2 %, allocation de 20 % (poids = 0,20)

Moyenne pondérée = (0,50×15 + 0,30×8 + 0,20×(-2)) / 1,0 = 9,5 %

Écart type pondéré = √[(0,50×(15-9,5)² + 0,30×(8-9,5)² + 0,20×(-2-9,5)²)] = √[(0,50×30,25 + 0,30×2,25 + 0,20×132,25)] = √[15,125 + 0,675 + 26,45] = √42,25 = 6,5 %

Remarquez l’impact

L’action C n’a qu’une allocation de 20 % mais contribue fortement à la volatilité parce que son rendement s’écarte significativement de la moyenne pondérée. C’est exactement ce que l’écart type pondéré capture — l’écart et le poids comptent tous les deux.

Further Reading

← Centre d'Apprentissage

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.