Comment Calculer l'Écart Type (Étape par Étape)

L’écart type mesure la dispersion d’un ensemble de nombres. La méthode : calcule la moyenne, mesure l’écart de chaque valeur par rapport à cette moyenne, élève ces écarts au carré, fais la moyenne des carrés, puis extrais la racine carrée du résultat obtenu. Il existe deux versions de cette formule, une version échantillon (division par n moins 1) et une version population (division par n). Le choix entre les deux dépend d’une seule question : tes données couvrent-elles tout le groupe qui t’intéresse, ou seulement un extrait de celui-ci ?

Pourquoi c’est important

La moyenne indique où se situe le centre d’un jeu de données. Elle ne dit rien sur la régularité des valeurs qui la composent. Deux classes peuvent obtenir exactement la même moyenne à un contrôle et pourtant décrire des réalités totalement différentes pour un enseignant.

Prenons deux groupes de cinq notes, tous deux avec une moyenne de 70.

	Notes	Moyenne	Écart type population	Écart type échantillon
Classe A	68, 70, 72, 70, 70	70	1,26	1,41
Classe B	50, 90, 60, 80, 70	70	14,14	15,81

Les notes de la Classe A restent groupées serré autour de 70 : aucun élève ne s’écarte de plus de deux points, d’où un écart type minuscule. La Classe B affiche la même moyenne, mais les notes individuelles vont de 50 à 90. Certains élèves ont clairement peiné, d’autres ont excellé, et la moyenne de 70 masque entièrement cet écart. Un enseignant qui ne regarderait que la moyenne croirait que les deux classes ont obtenu des résultats identiques. L’écart type montre que ce n’est pas le cas.

Population contre échantillon : quelle formule utiliser

Les deux formules commencent de la même façon : soustraire la moyenne de chaque valeur, élever le résultat au carré, puis additionner ces carrés. Elles ne diffèrent que par le diviseur final.

L’écart type de population divise la somme des écarts au carré par n, le nombre total de valeurs. Utilise cette version quand tes données couvrent déjà l’intégralité du groupe étudié : les notes de tous les élèves d’une classe précise, ou le poids de chaque boîte produite par une machine pendant un poste donné.

L’écart type d’échantillon divise par n moins 1 plutôt que par n. Utilise cette version quand tes données ne sont qu’un extrait tiré d’un groupe plus vaste, et que tu cherches à estimer la dispersion de ce groupe à partir d’un échantillon plus restreint, par exemple sonder 200 électeurs pour estimer un électorat entier, ou peser 10 boîtes sur une production journalière de 50 000. Diviser par un nombre plus petit (n moins 1) gonfle légèrement le résultat, ce qui corrige le fait qu’un échantillon a tendance à sous-estimer la variabilité réelle du groupe dont il provient. Les statisticiens appellent ça la correction de Bessel.

En cas de doute, demande-toi s’il existe encore d’autres données du même type au-delà de celles que tu détiens. Si la réponse est oui, tu travailles presque certainement avec un échantillon.

Exemple concret : vérifier le poids de boîtes de céréales

Une usine vise 500 grammes par boîte de céréales. Le contrôle qualité prélève dix boîtes sur la ligne et pèse chacune d’elles, en grammes :

498, 502, 501, 497, 503, 500, 499, 502, 496, 501

Étape 1 : trouver la moyenne. Additionne les dix poids : 498 + 502 + 501 + 497 + 503 + 500 + 499 + 502 + 496 + 501 = 4999. Divise par 10 : moyenne = 499,9 grammes. La boîte la plus lourde pèse 503g, la plus légère 496g, soit une étendue de 7 grammes.

Étape 2 : trouver chaque écart et l’élever au carré.

Boîte	Poids (g)	Écart par rapport à la moyenne	Écart au carré
1	498	-1,9	3,61
2	502	2,1	4,41
3	501	1,1	1,21
4	497	-2,9	8,41
5	503	3,1	9,61
6	500	0,1	0,01
7	499	-0,9	0,81
8	502	2,1	4,41
9	496	-3,9	15,21
10	501	1,1	1,21

Étape 3 : additionner les écarts au carré. En sommant la dernière colonne : 3,61 + 4,41 + 1,21 + 8,41 + 9,61 + 0,01 + 0,81 + 4,41 + 15,21 + 1,21 = 48,9.

Étape 4 : diviser puis extraire la racine carrée. Ces dix boîtes forment un échantillon prélevé sur une production bien plus vaste, donc les deux lectures méritent d’être connues. En traitant les dix boîtes comme la population entière, on divise par 10 : variance = 48,9 / 10 = 4,89, écart type = √4,89 ≈ 2,21 grammes. En les traitant comme un échantillon d’une production plus large, on divise par n moins 1 = 9 : variance ≈ 48,9 / 9 = 5,43, écart type = √5,43 ≈ 2,33 grammes.

Dans les deux cas, le résultat apprend quelque chose à l’équipe qualité que la moyenne seule ne révèle pas : la plupart des boîtes se situent entre 2 et 2,3 grammes environ de 499,9g, ce qui signifie que le processus tourne serré, proche de la cible, sans qu’une valeur aberrante ne fausse le tableau.

Calculez avec vos propres nombres

Colle ta propre liste de valeurs ci-dessous et obtiens instantanément la moyenne, les deux écarts types et la variance.

Calculateur d'Écart Type

Gratuit, sans inscription, sur tous les appareils.

Ouvrir l'outil complet

Erreurs courantes

Faire la moyenne des écarts bruts au lieu de les élever au carré d’abord. Si tu soustrais la moyenne de chaque valeur puis fais directement la moyenne de ces différences, tu obtiendras toujours zéro, parce que les écarts négatifs et positifs s’annulent par définition. Élever au carré en premier est ce qui fait apparaître la dispersion sous forme d’un nombre positif.

Présenter la variance comme si c’était l’écart type. La variance est la moyenne des écarts au carré ; l’écart type en est la racine carrée. Elles ne sont même pas dans la même unité. Si tu mesures des grammes, la variance sort en grammes au carré, ce qui ne représente rien de concret tout seul. Oublier cette dernière étape de racine carrée reste l’une des erreurs les plus fréquentes dans un calcul à la main.

Diviser par n alors que les données forment un échantillon. Utiliser n au lieu de n moins 1 pour un échantillon sous-estime la dispersion réelle probable de la population dont il provient, surtout avec de petits jeux de données. La différence entre diviser par 9 et diviser par 10 peut sembler minime pour dix boîtes, mais elle devient plus marquée à mesure que l’échantillon rétrécit.

Confondre la formule utilisée par un outil ou un manuel. Certaines calculatrices utilisent par défaut l’écart type de population, d’autres celui d’échantillon, et cette différence peut donner l’impression que deux réponses correctes se contredisent. Vérifie toujours quel diviseur est appliqué avant de comparer des résultats venant de sources différentes.

Questions fréquentes

Quelle est la vraie différence entre écart type d’échantillon et de population ? L’écart type de population divise la somme des écarts au carré par n, le nombre total de valeurs. L’écart type d’échantillon divise par n moins 1. La version échantillon donne toujours un résultat légèrement plus grand pour les mêmes données, puisque diviser par un nombre plus petit produit un résultat plus élevé. N’utilise l’écart type de population que si tes données forment le groupe complet étudié ; utilise la version échantillon dès qu’il s’agit d’un extrait censé estimer quelque chose de plus vaste.

Qu’est-ce qu’un écart type “faible” ou “élevé” en pratique ? Cela dépend entièrement de l’échelle et du contexte de ce qui est mesuré. Un écart type de 2 grammes est serré pour des boîtes de céréales, mais serait énorme pour peser un seul grain de riz. Une bonne façon d’en juger consiste à le rapporter à la moyenne : un écart type qui représente une petite fraction de la moyenne indique des données bien regroupées, tandis qu’une fraction élevée indique une grande variabilité. Il n’existe pas de seuil universel valable pour tous les jeux de données.

L’écart type peut-il être négatif ? Non. Comme chaque écart est élevé au carré avant d’être moyenné, le résultat sous la racine carrée ne peut jamais être négatif, et une racine carrée est elle-même définie comme non négative. Le plus petit écart type possible est zéro, ce qui n’arrive que si toutes les valeurs du jeu de données sont identiques.

Comment l’écart type se rapporte-t-il à la variance ? La variance est la moyenne des écarts au carré par rapport à la moyenne. L’écart type en est simplement la racine carrée. Les deux mesurent la même dispersion sous-jacente, mais l’écart type est généralement plus utile au quotidien parce qu’il s’exprime dans la même unité que les données d’origine (grammes, euros, points), alors que la variance s’exprime dans une unité au carré qui ne correspond à rien de concret.