Calculatrice de l'écart-type

L'écart-type : définition et mesure statistique

L'écart-type est l'une des mesures statistiques les plus utilisées pour analyser une série de données. En termes simples, il évalue la dispersion d'un ensemble de données. Le calcul de l'écart-type permet de déterminer si les valeurs sont regroupées autour de la moyenne ou, au contraire, très étalées. Plus les points de données s'éloignent de la moyenne, plus la dispersion est forte, ce qui se traduit par un écart-type élevé.

Notre calculatrice d'écart-type détermine rapidement cette valeur pour toute série de données fournie, tout en affichant le détail des étapes de calcul mathématique.

Comment utiliser notre calculatrice d'écart-type ?

Cet outil en ligne accepte une liste de nombres séparés par le délimiteur de votre choix. Le tableau ci-dessous vous présente plusieurs exemples de saisies valides :

Les valeurs peuvent être séparées par des virgules, des espaces, des sauts de ligne, ou une combinaison de ces éléments. Elles peuvent être insérées en ligne ou en colonne. Quel que soit le format choisi parmi les exemples ci-dessus, le calculateur traitera l'ensemble de données de manière identique : 44, 63, 72, 75, 80, 86, 87 et 89.

Une fois vos données saisies, précisez s'il s'agit d'un échantillon ou d'une population globale, puis appuyez sur « Entrée ». La calculatrice générera instantanément cinq paramètres statistiques clés : l'effectif total (le nombre d'observations), la moyenne, la somme des carrés des écarts, la variance et, enfin, l'écart-type.

Pourquoi utiliser ce calculateur d'écart-type ?

Ce calculateur est spécialement conçu pour évaluer l'écart-type d'une série de données discrètes, tout en vous offrant un aperçu détaillé de la théorie mathématique qui sous-tend ce calcul.

Un ensemble de données peut représenter une population entière, englobant toutes les observations possibles d'une expérience donnée. Toutefois, dans la réalité, il est souvent impossible ou peu pratique de tester chaque individu d'une population.

C'est pourquoi, en statistiques appliquées, on travaille généralement avec un sous-ensemble de cette population globale, appelé « échantillon ». À partir des informations récoltées sur cet échantillon, nous pouvons formuler des estimations et des déductions fiables concernant la population dans son ensemble.

Lors du calcul, la formule de l'écart-type diffère légèrement selon qu'on analyse un échantillon ou une population complète. Cet ajustement repose sur le concept de « degrés de liberté ». Pour un échantillon, la somme des écarts quadratiques est divisée par n - 1 (où n représente la taille de l'échantillon) au lieu de n lors du calcul de la variance. La racine carrée de cette variance donne ensuite l'écart-type. Cette correction de Bessel est indispensable : elle compense le biais lié à l'utilisation d'un échantillon, garantissant ainsi une estimation beaucoup plus précise de l'écart-type de la population réelle.

L'écart-type quantifie donc l'écart moyen, la dispersion et la variabilité d'une série de données autour de sa moyenne. Il est généralement désigné par la lettre grecque σ (sigma) pour une population, ou par la lettre s pour un échantillon. Une valeur de σ ou de s élevée indique une forte dispersion des points de données autour de la moyenne, et inversement.

Illustrons cela avec deux exemples distincts de séries de données :

(Série I)

11, 3, 5, 21, 10, 15, 20, 25, 13, 26, 27

(Série II)

12, 14, 14, 15, 15, 16, 16, 17, 18, 19, 20

En saisissant ces données dans notre calculateur, nous obtenons pour la série I :

• x̄=16 - la valeur de la moyenne
• s=8,3904708 - l'écart-type

Pour la série II :

• x̄=16 - la valeur de la moyenne
• s=2,3664319 - l'écart-type

On observe que dans la série I, les valeurs s'écartent significativement de la moyenne (s = 8,39). À l'inverse, la série II présente une variabilité beaucoup plus faible (s = 2,36), prouvant que ses données sont plus resserrées autour de la moyenne.

Formules de calcul de l'écart-type

La formule suivante s'applique lorsque l'analyse porte sur l'ensemble des valeurs d'une population complète :

$$σ = \sqrt{\frac{\sum_{i=1}^{N}(x_i-μ)^2}{N}}$$

• σ représente l'écart-type de la population,
• xᵢ correspond à une valeur individuelle au sein de la population,
• μ est la moyenne arithmétique de la population,
• N représente la taille totale de la population.

À l'inverse, on utilise la formule ci-dessous lorsque la population est trop vaste et que l'analyse se base uniquement sur un échantillon représentatif :

$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}$$

• s représente l'écart-type de l'échantillon,
• xᵢ correspond à la valeur d'une donnée individuelle de l'échantillon,
• x̄ est la moyenne arithmétique de l'échantillon,
• n représente la taille de l'échantillon.

Étapes de calcul de l'écart-type

Les étapes suivantes détaillent le processus de calcul de l'écart-type.

Étape 1 : Calculez la moyenne. Il s'agit d'additionner tous les points de données, puis de diviser cette somme par leur nombre total (N ou n) :

Moyenne de l’échantillon :

$$\bar{x}=\frac{x₁+x₂+x_3+........+x_n}{n}$$

Moyenne de la population :

$$\mu=\frac{x₁+x₂+x_3+........+x_N}{N}$$

Étape 2 : Déterminez les écarts. Pour ce faire, soustrayez la moyenne calculée à chaque point de données individuel :

Écarts de l'échantillon :

$$(x₁-\bar{x}), (x₂-\bar{x}), (x_3-\bar{x})…………………… (x_n-\bar{x})$$

Écarts de la population :

$$(x₁-\ \mu), (x₂-\ \mu), (x_3-\ \mu)……………….. (x_N-\ \mu)$$

Étape 3 : Calculez le carré des écarts. Élevez chaque résultat obtenu à l'étape précédente au carré :

Carrés des écarts de l'échantillon :

$$(x₁-\bar{x})^2, (x₂-\bar{x})^2, (x_3-\bar{x})^2…………………… (x_n-\bar{x})^2$$

Carrés des écarts de la population :

$$(x₁-\ \mu)^2, (x₂-\ \mu)^2, (x_3-\ \mu)^2……………….. (x_N-\ \mu)^2$$

Étape 4 : Additionnez les carrés. Faites la somme de tous les écarts élevés au carré pour obtenir la somme des carrés (SS) :

Somme des carrés des écarts de l'échantillon :

$$SS=(x₁-\bar{x})^2+ (x₂-\bar{x})^2+(x_3-\bar{x})^2……………………+(x_n-\bar{x})^2$$

Somme des carrés des écarts de la population :

$$SS=(x₁-\ \mu)^2+ (x₂-\ \mu)^2+(x_3-\ \mu)^2……………….+ (x_N-\ \mu)^2$$

Étape 5 : Calculez la variance. Divisez la somme obtenue par le nombre de degrés de liberté. Pour une population, on divise par N. Pour un échantillon, on divise par n - 1 :

Variance de l'échantillon :

$$ s^2 = \frac{\sum_{i=1}^{n}(xᵢ - \bar{x})^2}{n - 1} $$

Variance de la population :

$$ \sigma^2 = \frac{\sum_{i=1}^{N}(xᵢ - \mu)^2}{N} $$

Il serait tentant, pour le calcul de la variance d'un échantillon, de diviser simplement par n en utilisant l'expression :

$$\frac{(x-\bar{x})^2}{n}$$

où x̄ est la moyenne de l'échantillon et n sa taille. Cependant, cette méthode est incorrecte en statistiques inférentielles.

En effet, une telle division ne fournirait pas une estimation fidèle de la variance de la population. Lorsqu'on extrait un petit échantillon d'une très grande population, diviser par n aurait tendance à sous-estimer la véritable variance, donnant l'illusion d'une dispersion plus faible qu'elle ne l'est réellement.

Le fait de diviser par les degrés de liberté (n - 1) applique une correction mathématique. Le résultat obtenu est légèrement plus élevé, ce qui permet de se rapprocher beaucoup plus précisément de la variance réelle de la population globale.

Étape 6 : Calculez l'écart-type. La dernière étape consiste à extraire la racine carrée de la variance obtenue à l'étape précédente :

L'écart-type d'un échantillon :

$$s=\sqrt{s^2}=\sqrt{\frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}}$$

L'écart-type d'une population :

$$\sigma=\sqrt{\sigma^2}=\sqrt{\frac{\sum_{i}^{N}{{(x_i-\ \mu)}^2\ }}{N}}$$

Exemple pratique : calcul de l'écart-type d'un échantillon

Imaginons que nous analysions les notes obtenues par un groupe de 8 étudiants (n = 8) lors d'un examen de physique :

45, 67, 70, 75, 80, 81, 82 et 84

Voici comment notre calculateur procède étape par étape pour déterminer l'écart-type de cet échantillon :

Étape 1 : Calculez la moyenne.

$$\bar{x}=\frac{\sum_{i} x_i}{n}=\frac{45+\ 67+\ 70+\ 75+\ 80+\ 81+\ 82+\ 84}{8}=73$$

Étape 2 : Déterminez les écarts.

Étape 3 : Calculez le carré des écarts.

Étape 4 : Additionnez les carrés.

$$SS=\sum_{i}^{n}{{(x_i-\ \bar{x})}^2=784+36+9+4+49+64+81+121}=1148$$

Étape 5 : Calculez la variance en divisant la somme des carrés par les degrés de liberté (n - 1). S'il s'agissait d'une population complète, nous diviserions par N. Puisque nous étudions ici un échantillon (un petit groupe représentatif d'une classe potentiellement plus grande), nous appliquons le diviseur n - 1.

$$s^2=\ \frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}=\frac{1148}{8-1}=164$$

Étape 6 : Prenez la racine carrée de la variance pour obtenir le résultat final de l'écart-type.

$$s=\sqrt{s^2}=\ \sqrt{164}=12,80$$

Les principales applications de l'écart-type

L'écart-type, couplé à la notion de variance, est l'outil privilégié pour évaluer l'homogénéité d'un jeu de données. Un écart-type élevé indique une forte dispersion. Cette information est redoutablement efficace lorsqu'il s'agit de comparer la volatilité ou la variabilité entre plusieurs séries de données.

Dans le secteur industriel, il est abondamment utilisé pour le contrôle qualité. Lors d'une production à grande échelle, les caractéristiques d'un produit usiné doivent respecter des tolérances strictes. Le calcul de l'écart-type permet de vérifier qu'on reste dans cette marge de conformité. Par exemple, lors de la fabrication d'écrous et de boulons, la variation des diamètres doit présenter un écart-type minime, sous peine de rendre les pièces inutilisables.

Dans le domaine de la finance, l'écart-type est la mesure de référence pour évaluer la volatilité des marchés et mesurer le risque d'un investissement. En analyse technique boursière, il sert notamment à construire des indicateurs comme les Bandes de Bollinger. Par ailleurs, on le retrouve en sociologie ou en science politique : lors des sondages d'opinion, l'écart-type aide à déterminer la marge d'erreur et l'incertitude des résultats.

Sur le plan mathématique, l'écart-type permet de savoir quelle proportion de données se situe dans un intervalle spécifique. Selon le théorème de Tchebychev, pour n'importe quelle distribution, au moins 75 % des données se concentrent dans un intervalle de deux écarts-types autour de la moyenne.

Pour illustrer ce concept simplement, prenons un exemple météorologique. Imaginons que nous étudiions les températures quotidiennes de deux villes d'une même région : l'une côtière, l'autre située à l'intérieur des terres. Ces deux villes peuvent afficher exactement la même température maximale moyenne annuelle. Cependant, l'écart-type de ces températures sera bien plus important pour la ville continentale que pour la ville côtière. Cela signifie que la ville continentale connaît des amplitudes thermiques beaucoup plus extrêmes (journées très chaudes ou très froides), tandis que le faible écart-type de la ville côtière confirme qu'elle bénéficie d'un climat beaucoup plus doux et constant tout au long de l'année.