Calculatrice d'écart-type d'échantillon

Calculez l'écart-type d'un échantillon avec des formules étape par étape, une visualisation interactive des données, la détection des valeurs aberrantes, l'analyse de la règle empirique et des statistiques complètes incluant la variance, la moyenne, la médiane et l'étendue.

Embed Calculatrice d'écart-type d'échantillon Widget

Calculatrice d'écart-type d'échantillon

Bienvenue sur la Calculatrice d'écart-type d'échantillon, un outil d'analyse statistique complet qui calcule l'écart-type d'un échantillon avec des formules étape par étape, une visualisation interactive des données, la détection des valeurs aberrantes et l'analyse de la règle empirique. Que vous soyez un étudiant apprenant les statistiques, un chercheur analysant des données expérimentales ou un professionnel effectuant un contrôle qualité, cette calculatrice fournit une analyse de niveau professionnel avec des explications détaillées.

Qu'est-ce que l'écart-type d'un échantillon ?

L'écart-type d'un échantillon est une mesure de la dispersion des nombres dans un ensemble de données d'échantillon. Contrairement à l'écart-type de la population qui décrit une population entière, l'écart-type de l'échantillon estime le paramètre de la population sur la base d'un échantillon. Il vous indique, en moyenne, à quel point chaque point de données s'écarte de la moyenne.

La distinction clé est l'utilisation de (n-1) au dénominateur au lieu de n. Cet ajustement, appelé correction de Bessel, compense le biais qui se produit lors de l'utilisation de la moyenne de l'échantillon au lieu de la vraie moyenne de la population, fournissant une estimation sans biais de la variance de la population.

Formule de l'écart-type de l'échantillon

Écart-type de l'échantillon (s)

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

Où :

s = Écart-type de l'échantillon
x_i = Chaque valeur de donnée individuelle
x̄ = Moyenne de l'échantillon
n = Nombre de points de données dans l'échantillon
n-1 = Degrés de liberté (correction de Bessel)

Échantillon vs Population

Comprendre quand utiliser chaque formule est crucial pour une analyse statistique précise :

Aspect	Écart-type de l'échantillon (s)	Écart-type de la population (σ)
Diviseur de formule	n - 1	n
Quand utiliser	Les données sont un sous-ensemble d'une population plus large	Les données incluent toute la population
Objectif	Estimer le paramètre de la population	Décrire la population réelle
Usage courant	Expériences, sondages, contrôle qualité	Données de recensement, ensembles de données complets
Biais	Estimateur sans biais	Biaisé lorsqu'il est utilisé sur des échantillons

Comment utiliser cette calculatrice

Entrez vos données : Saisissez les valeurs numériques dans la zone de texte, séparées par des virgules, des espaces ou des sauts de ligne. Vous avez besoin d'au moins 2 valeurs pour le calcul de l'écart-type de l'échantillon.
Définissez la précision décimale : Choisissez le nombre de décimales (2-15) pour vos résultats en fonction de vos exigences de précision.
Activez la détection des valeurs aberrantes : Identifiez éventuellement les points de données situés à plus de 2 écarts-types de la moyenne qui pourraient nécessiter une investigation.
Calculez et analysez : Cliquez sur « Calculer l'écart-type de l'échantillon » pour voir les résultats complets, y compris l'écart-type, la variance, la moyenne et des statistiques supplémentaires.
Examinez les visualisations : Examinez le diagramme de dispersion montrant la distribution des données et l'histogramme montrant la distribution des fréquences.
Vérifiez les calculs étape par étape : Passez en revue la décomposition détaillée montrant exactement comment chaque résultat a été calculé.

Comprendre vos résultats

Statistiques primaires

Écart-type de l'échantillon (s) : Le résultat principal montrant la dispersion des données à l'aide du diviseur (n-1)
Variance de l'échantillon (s²) : Le carré de l'écart-type, utile pour d'autres calculs statistiques
Moyenne (x̄) : La moyenne arithmétique de vos données
Somme (Σx) : Total de toutes les valeurs de données

Statistiques supplémentaires

Écart-type de la population (σ) : Pour comparaison, en utilisant le diviseur n
Coefficient de variation (CV) : Écart-type relatif à la moyenne, exprimé en pourcentage
Erreur type de la moyenne (SEM) : Précision de l'estimation de la moyenne de l'échantillon
Médiane : Valeur centrale lorsque les données sont triées
Mode : Valeur la plus fréquente
Quartiles (Q1, Q3) et IQR : Dispersion des données aux 25e et 75e centiles
Étendue : Différence entre les valeurs maximale et minimale

La règle empirique (règle 68-95-99.7)

Pour les données normalement distribuées, la règle empirique fournit un moyen rapide de comprendre la distribution des données :

68 % des données se situent à moins d'un écart-type de la moyenne
95 % des données se situent à moins de 2 écarts-types de la moyenne
99,7 % des données se situent à moins de 3 écarts-types de la moyenne

Cette calculatrice montre quel pourcentage de vos données réelles se situe dans chaque plage, vous aidant à évaluer si vos données suivent une distribution normale.

Détection des valeurs aberrantes

Les valeurs aberrantes sont des points de données qui diffèrent considérablement des autres observations. Cette calculatrice identifie les valeurs aberrantes potentielles comme des valeurs situées à plus de 2 écarts-types de la moyenne (couvrant environ 95 % des données normalement distribuées). Les valeurs aberrantes peuvent indiquer :

Des erreurs de saisie de données
Des erreurs de mesure
Des valeurs réellement extrêmes méritant d'être étudiées
Une distribution de données non normale

Interpréter la dispersion des données

Le coefficient de variation (CV) aide à interpréter si votre écart-type est « grand » ou « petit » par rapport à vos données :

CV ≤ 10 % : Faible variabilité - les points de données se regroupent étroitement autour de la moyenne
CV 10-25 % : Variabilité modérée - typique pour de nombreux ensembles de données réels
CV 25-50 % : Variabilité élevée - les données sont réparties sur une large plage
CV > 50 % : Variabilité très élevée - données extrêmement dispersées

Pourquoi utiliser la correction de Bessel (n-1) ?

Lorsque nous calculons l'écart-type à partir d'un échantillon, nous utilisons la moyenne de l'échantillon (x̄) au lieu de la vraie moyenne de la population (μ). Cela introduit un biais parce que :

La moyenne de l'échantillon est calculée pour minimiser la somme des écarts au carré par rapport à elle-même
Cela rend les écarts de l'échantillon systématiquement plus petits que les vrais écarts de la population
Diviser par (n-1) au lieu de n corrige cette sous-estimation

Mathématiquement, nous perdons un « degré de liberté » lors de l'estimation de la moyenne à partir de l'échantillon, nous avons donc (n-1) éléments d'information indépendants, pas n.

Applications de l'écart-type d'un échantillon

Recherche scientifique

Les chercheurs utilisent l'écart-type de l'échantillon pour quantifier la variabilité expérimentale, déterminer la précision des mesures et évaluer la fiabilité de leurs résultats. Il est essentiel pour calculer les intervalles de confiance et effectuer des tests d'hypothèse.

Contrôle qualité

Les processus de fabrication utilisent l'écart-type pour surveiller la cohérence. Des valeurs plus faibles indiquent une production plus cohérente. Les cartes de contrôle utilisent souvent la moyenne ± 3 écarts-types pour définir les limites de contrôle.

Finance

En finance, l'écart-type mesure la volatilité des investissements. Un écart-type plus élevé indique un risque plus grand car les rendements varient plus largement par rapport à la moyenne.

Éducation

Les éducateurs utilisent l'écart-type pour comprendre la distribution des scores aux tests. Cela aide à identifier si la plupart des étudiants ont obtenu des résultats similaires ou s'il y avait une grande variation de performance.

Foire aux questions

Qu'est-ce que l'écart-type d'un échantillon ?

L'écart-type d'un échantillon est une mesure de la dispersion des nombres dans un ensemble de données d'échantillon. Il estime l'écart-type d'une population entière sur la base d'un échantillon. La formule divise par (n-1) au lieu de n, ce qu'on appelle la correction de Bessel, pour fournir une estimation sans biais de l'écart-type de la population.

Quelle est la formule de l'écart-type d'un échantillon ?

La formule de l'écart-type de l'échantillon est s = sqrt(sum((x_i - x̄)²) / (n-1)), où x_i représente chaque valeur de donnée, x̄ est la moyenne de l'échantillon et n est le nombre de points de données. La division par (n-1) plutôt que par n est la correction de Bessel pour le biais.

Pourquoi utiliser (n-1) au lieu de n dans l'écart-type d'un échantillon ?

L'utilisation de (n-1) au lieu de n est appelée correction de Bessel. Lors du calcul à partir d'un échantillon, nous perdons un degré de liberté parce que nous utilisons la moyenne de l'échantillon plutôt que la vraie moyenne de la population. Diviser par (n-1) corrige ce biais et donne une estimation sans biais de la variance de la population.

Quelle est la différence entre l'écart-type d'un échantillon et celui d'une population ?

L'écart-type de l'échantillon (s) divise par (n-1) et est utilisé lorsque vos données sont un sous-ensemble d'une population plus large. L'écart-type de la population (σ) divise par n et est utilisé lorsque vos données incluent chaque membre de la population. L'écart-type de l'échantillon est plus courant car nous travaillons généralement avec des échantillons plutôt qu'avec des populations entières.

Qu'est-ce qu'une bonne valeur d'écart-type ?

Il n'y a pas d'écart-type universellement « bon » - cela dépend du contexte. Un écart-type faible signifie que les points de données sont regroupés près de la moyenne, tandis qu'une valeur élevée signifie qu'ils sont dispersés. Le coefficient de variation (CV = écart-type / moyenne x 100 %) aide à comparer la variabilité sur différentes échelles : un CV inférieur à 10 % indique une faible variabilité, 10 à 25 % est modéré et plus de 25 % est élevé.

Qu'est-ce que la règle empirique (68-95-99.7) ?

La règle empirique stipule que pour des données normalement distribuées : environ 68 % des données se situent à moins d'un écart-type de la moyenne, 95 % à moins de 2 écarts-types et 99,7 % à moins de 3 écarts-types. Cette règle aide à identifier les valeurs aberrantes et à comprendre la distribution des données.

Outils connexes

Calculatrice d'écart-type - Calculez à la fois l'écart-type de l'échantillon et de la population avec des statistiques supplémentaires
Calculatrice d'écart-type relatif - Calculez le RSD (coefficient de variation en pourcentage)

Ressources supplémentaires

Citez ce contenu, cette page ou cet outil comme suit :

"Calculatrice d'écart-type d'échantillon" sur https://MiniWebtool.com/fr/calculatrice-d-écart-type-échantillon/ de MiniWebtool, https://MiniWebtool.com/

par l'équipe miniwebtool. Mis à jour : 11 janv. 2026

API développeur disponible: Exécutez cet outil depuis votre app, automatisation ou agent avec une requête HTTP JSON. Voir la documentation API

Vous pouvez également essayer notre Résolveur Mathématique IA GPT pour résoudre vos problèmes mathématiques grâce à des questions-réponses en langage naturel.

Calculatrice d'écart-type d'échantillon

Calculatrice d'écart-type d'échantillon

Qu'est-ce que l'écart-type d'un échantillon ?

Formule de l'écart-type de l'échantillon

Échantillon vs Population

Comment utiliser cette calculatrice

Comprendre vos résultats

Statistiques primaires

Statistiques supplémentaires

La règle empirique (règle 68-95-99.7)

Détection des valeurs aberrantes

Interpréter la dispersion des données

Pourquoi utiliser la correction de Bessel (n-1) ?

Applications de l'écart-type d'un échantillon

Recherche scientifique

Contrôle qualité

Finance

Éducation

Foire aux questions

Qu'est-ce que l'écart-type d'un échantillon ?

Quelle est la formule de l'écart-type d'un échantillon ?

Pourquoi utiliser (n-1) au lieu de n dans l'écart-type d'un échantillon ?

Quelle est la différence entre l'écart-type d'un échantillon et celui d'une population ?

Qu'est-ce qu'une bonne valeur d'écart-type ?

Qu'est-ce que la règle empirique (68-95-99.7) ?

Outils connexes

Ressources supplémentaires

Statistiques et analyse de données:

Outils en vedette: