Σ
SDCalc
DébutantFondamentaux·12 min

Guide complet de l’écart type

Maîtrisez l’écart type grâce à notre guide complet. Découvrez les formules, les calculs étape par étape, des exemples concrets et quand utiliser l’écart type d’échantillon ou de population.

Qu’est-ce que l’écart type ?

L’écart type est une mesure statistique qui quantifie la dispersion ou la variabilité au sein d’un jeu de données. En termes simples, il indique à quel point les valeurs s’éloignent de leur moyenne.

Prenons un exemple concret : si vous avez les notes d’un groupe d’élèves à un examen, l’écart type vous dit si la plupart des élèves ont obtenu des résultats similaires (écart type faible) ou si les notes sont très dispersées (écart type élevé).

Visual Comparison

Low SD (σ = 0.5)

Data clustered tightly around the mean

High SD (σ = 2)

Data spread widely from the mean

Pourquoi l’écart type est-il important ?

L’écart type est l’une des mesures statistiques les plus utilisées, car il fournit des informations essentielles pour la prise de décision dans pratiquement tous les domaines :

  • Finance:Mesure le risque des investissements et la volatilité des portefeuilles
  • Industrie:Contrôle qualité et amélioration des processus Six Sigma
  • Sciences:Expression de l’incertitude de mesure et de la précision expérimentale
  • Éducation:Analyse de la distribution des notes et des courbes de notation
  • Santé:Essais cliniques et compréhension de la variabilité des données patients

La formule de l’écart type

Il existe deux versions de la formule de l’écart type, selon que l’on travaille avec un échantillon ou avec l’ensemble d’une population :

Écart type de population

σ = √[Σ(xᵢ - μ)² / N]

Écart type d’échantillon

s = √[Σ(xᵢ - x̄)² / (n-1)]

Légende des symboles

σ (sigma) = écart type de population · s = écart type d’échantillon · Σ = somme de · xᵢ = chaque observation · μ (mu) = moyenne de population · x̄ (x barre) = moyenne d’échantillon · N = taille de la population · n = taille de l’échantillon

Pourquoi (n-1) ?

Lorsqu’on travaille avec un échantillon, on divise par (n-1) au lieu de n. C’est ce qu’on appelle la correction de Bessel, qui fournit une estimation non biaisée de l’écart type de la population.

Calcul étape par étape

Calculons l’écart type d’échantillon pour le jeu de données suivant : 4, 8, 6, 5, 3

1

Calculer la moyenne

Moyenne = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5,2
2

Trouver chaque écart à la moyenne

4 - 5,2 = -1,2 · 8 - 5,2 = 2,8 · 6 - 5,2 = 0,8 · 5 - 5,2 = -0,2 · 3 - 5,2 = -2,2
3

Élever chaque écart au carré

(-1,2)² = 1,44 · (2,8)² = 7,84 · (0,8)² = 0,64 · (-0,2)² = 0,04 · (-2,2)² = 4,84
4

Additionner les écarts au carré

1,44 + 7,84 + 0,64 + 0,04 + 4,84 = 14,8
5

Diviser par (n-1)

Variance = 14,8 / (5-1) = 14,8 / 4 = 3,7
6

Extraire la racine carrée

Écart type = √3,7 = 1,924

Astuce

Utilisez notre calculateur d’écart type pour obtenir instantanément l’écart type avec les étapes détaillées pour n’importe quel jeu de données.

Interprétation des résultats

Comprendre la signification de la valeur de l’écart type est essentiel pour prendre des décisions éclairées :

Valeur de l’écart typeInterprétationExemple
FaibleLes points de données se regroupent autour de la moyenne ; forte homogénéitéPièces usinées avec des tolérances serrées
ÉlevéLes points de données sont très dispersés ; forte variabilitéVariations quotidiennes du cours d’une action
NulToutes les valeurs sont identiquesArticles à prix fixe dans un magasin

La règle empirique (68-95-99,7)

Pour des données suivant une distribution normale : 68 % des données se situent à moins d’un écart type de la moyenne · 95 % à moins de 2 écarts types · 99,7 % à moins de 3 écarts types

Exemples concrets

Exemple 1 : Notes d’examen

Une classe de 30 élèves passe un examen. La note moyenne est de 75 avec un écart type de 10. Interprétation : La majorité des élèves (environ 68 %) ont obtenu entre 65 et 85. Un élève ayant obtenu 95 est en excellente position (2 écarts types au-dessus de la moyenne), tandis qu’un score de 55 indique des difficultés (2 écarts types en dessous de la moyenne).

Exemple 2 : Qualité industrielle

Une usine fabrique des boulons qui doivent mesurer 10 mm de diamètre. Après avoir mesuré 100 boulons, la moyenne est de 10,02 mm avec un écart type de 0,05 mm. Interprétation : Le processus est bien maîtrisé. 99,7 % des boulons auront un diamètre compris entre 9,87 mm et 10,17 mm (±3σ). Si les spécifications exigent 10 mm ± 0,2 mm, ce processus répond largement aux normes de qualité.

Erreurs courantes à éviter

Utiliser la mauvaise formule

N’utilisez pas l’écart type de population (N) lorsque vous disposez d’un échantillon. Cela sous-estime la variabilité réelle.

Ignorer les valeurs aberrantes

L’écart type est sensible aux valeurs aberrantes. Une seule valeur extrême peut considérablement gonfler l’écart type. Envisagez d’utiliser l’écart absolu médian (MAD) pour les jeux de données comportant des valeurs aberrantes.

Supposer une distribution normale

La règle empirique (68-95-99,7) ne s’applique qu’aux données suivant une distribution normale. Vérifiez la distribution de vos données avant d’appliquer ces pourcentages.

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.