Formule de l'écart type : guide étape par étape

Qu'est-ce que la formule de l'écart type ?

La formule de l'écart type est l'équation mathématique utilisée pour quantifier l'ampleur de la variation ou de la dispersion dans un ensemble de données. Un écart type faible indique que les valeurs ont tendance à être proches de la moyenne (μ ou x̄), tandis qu'un écart type élevé indique qu'elles sont réparties sur une plage de valeurs plus large.

En statistiques, la formule à utiliser dépend du fait que vous travailliez sur une population entière ou sur un échantillon issu de cette population. Le concept clé consiste à calculer la moyenne des carrés des écarts par rapport à la moyenne, connue sous le nom de variance (σ²), puis à en prendre la racine carrée pour ramener la mesure aux unités d'origine.

Écart type de la population

σ = √[ Σ (xi - μ)² / N ]

σ (sigma) : Écart type de la population
Σ (sigma) : Somme de...
xi : Chaque valeur individuelle du jeu de données
μ (mu) : Moyenne de la population
N : Nombre total de valeurs dans la population

Écart type de la population vs. de l'échantillon

Dans l'analyse de données réelles, il est rare de disposer des données d'une population entière. La plupart du temps, nous collectons un échantillon pour faire des déductions sur la population plus large. Étant donné qu'un échantillon ne fait qu'estimer la moyenne de la population, le calcul de l'écart type à l'aide de la formule de la population sur un échantillon sous-estime systématiquement la variabilité réelle. Pour corriger ce biais, nous utilisons la formule de l'écart type de l'échantillon.

Écart type de l'échantillon

s = √[ Σ (xi - x̄)² / (n - 1) ]

Ne confondez pas les formules !

Utiliser « N » pour un échantillon ou « n-1 » pour une population donnera une mesure de dispersion incorrecte. La formule de l'échantillon avec n-1 est connue sous le nom de correction de Bessel et est strictement nécessaire pour obtenir une estimation sans biais de la variance de la population.

Calcul de la formule étape par étape

Calculer l'écart type à la main nécessite une approche systématique. En suivant ces étapes, vous pouvez calculer avec précision l'écart type de la population ou de l'échantillon pour n'importe quel jeu de données.

Calculez la moyenne

Additionnez toutes les valeurs (Σxi) et divisez par le nombre total de valeurs (N ou n) pour trouver la moyenne (μ ou x̄).

Trouvez les écarts

Soustrayez la moyenne de chaque valeur individuelle pour trouver l'écart : (xi - moyenne).

Élevez les écarts au carré

Mettez au carré chacun des écarts calculés à l'étape précédente : (xi - moyenne)². Cela garantit que toutes les valeurs sont positives.

Faites la somme des écarts au carré

Additionnez tous les écarts au carré pour trouver la somme des carrés : Σ(xi - moyenne)².

Divisez par N ou n-1

Pour une population, divisez par N. Pour un échantillon, divisez par (n - 1). Cela vous donne la variance (σ² ou s²).

Prenez la racine carrée

Prenez la racine carrée de la variance pour trouver l'écart type (σ ou s).

Pourquoi la formule de l'échantillon divise-t-elle par n-1 ?

Diviser par n-1 au lieu de n est un concept connu sous le nom de correction de Bessel. Étant donné que la moyenne de l'échantillon (x̄) est calculée à partir des données de l'échantillon elles-mêmes, les écarts (xi - x̄) sont mathématiquement contraints de s'additionner à zéro. Cela signifie que les valeurs sont légèrement plus proches de la moyenne de l'échantillon qu'elles ne le sont de la véritable moyenne de la population (μ).

En divisant par n-1 (les degrés de liberté), nous gonflons la variance juste assez pour compenser cette sous-estimation, fournissant ainsi un estimateur sans biais de la variance de la population.

Sources

References and further authoritative reading used in preparing this article.

← 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 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.