L’écart type, c’est quoi ? La dispersion sans se prendre la tête
Imagine que tu compares les notes de deux classes au même contrôle de maths. Dans les deux cas, la moyenne est de 12 sur 20. À première vue, les deux classes se valent. Pourtant, dans la première, les notes s’échelonnent de 10 à 14 : tout le monde est groupé autour de la moyenne. Dans la seconde, elles vont de 3 à 19 : certains élèves sont largués, d’autres excellents.
La moyenne ne te dit rien de cette réalité. Pour la décrire, tu as besoin d’une mesure de dispersion. C’est exactement le rôle de l’écart type.
En statistiques, dès qu’on résume une série par sa moyenne, on perd une information précieuse : la manière dont les valeurs se répartissent. Sont-elles resserrées ? Très étalées ? L’écart type répond à cette question avec un seul nombre, exprimé dans la même unité que les données de départ. Une note, un poids, un salaire, une température : tu compares directement le résultat à ta série.
Cette notion est centrale au lycée, dans les sujets de bac, et elle te suivra dans à peu près tous les domaines où l’on manipule des chiffres. Sciences, économie, finance, contrôle qualité : partout, on cherche à savoir non seulement ce qui est « moyen », mais aussi à quel point ce qui s’écarte de cette moyenne est fréquent ou important.
Définition simple : mesurer la dispersion autour de la moyenne
L’écart type, noté par la lettre grecque sigma (σ) pour une population, mesure à quel point les valeurs d’une série s’éloignent de leur moyenne, en moyenne.
Dit autrement, c’est une sorte de « distance typique » entre les données et leur centre. Plus il est élevé, plus tes valeurs sont dispersées. Plus il est faible, plus elles sont homogènes.
Prenons deux séries de températures relevées sur une semaine :
- Ville A : 20, 21, 20, 19, 20, 21, 20 (moyenne 20 °C)
- Ville B : 12, 28, 15, 32, 10, 25, 18 (moyenne 20 °C aussi)
Même moyenne, mais situation radicalement différente. À vue d’œil, la ville B subit des amplitudes énormes. Son écart type sera bien plus grand que celui de la ville A, où les températures sont stables. Cette information est immédiatement utile : si tu prépares un voyage, tu t’habilleras différemment pour la ville B, même si « en moyenne il fait 20 °C ».
Dans le cas de la ville A, l’écart type pourrait valoir environ 0,75 °C. Pour la ville B, il dépasserait probablement les 7 °C. Un coup d’œil sur l’écart type, et tu sais à quel genre de variabilité t’attendre.
Mais pour comprendre d’où sort ce chiffre, il faut passer par une notion intermédiaire : la variance.
De la variance à l’écart type : pourquoi la racine carrée change tout
Le calcul de l’écart type s’appuie sur une première mesure de dispersion qu’on appelle la variance. Sa formule, pour une population de N valeurs, est la suivante :
Variance = (1/N) × Σ (xᵢ – μ)²
Autrement dit, pour chaque valeur, on calcule son écart à la moyenne (xᵢ – μ). On élève cet écart au carré pour éviter que les écarts négatifs n’annulent les positifs. On fait la somme de tous ces carrés, et on divise par le nombre total de données.
Problème : ce résultat est exprimé dans une unité au carré. Si tu travailles sur des notes, la variance est en « points² ». Sur des kilogrammes, en « kg² ». Ce n’est pas du tout intuitif.
C’est là qu’intervient la racine carrée. L’écart type, c’est tout simplement la racine carrée de la variance. Le symbole σ se lit « sigma ». En prenant la racine carrée, on retombe sur l’unité de départ : des points, des kg, des euros. L’écart type te dit donc, dans le même langage que tes données, à quel point elles s’écartent typiquement de leur moyenne.
Ce passage de la variance à l’écart type est fondamental. La variance reste un intermédiaire de calcul indispensable, mais c’est bien l’écart type qu’on interprète et qu’on communique.
Population vs Échantillon : le piège à éviter
Jusqu’ici, on a parlé de la « population » : l’ensemble complet des individus ou mesures qui t’intéressent. Tous les élèves du lycée, toutes les pièces produites par une usine, tous les jours de l’année. Dans ce cas, on divise par N (le nombre total d’observations), et l’écart type se note σ.
Mais en pratique, on travaille très souvent sur un échantillon : on prélève une partie de la population, on mesure l’écart type sur cet échantillon, et on s’en sert pour estimer l’écart type de la population entière. Par exemple, tu interroges 50 élèves sur 500 pour estimer le temps de trajet moyen.
Un échantillon a tendance à sous-estimer la dispersion réelle de la population, car les valeurs extrêmes de la population ont moins de chances d’être tirées dans un petit échantillon. Si tu calcules l’écart type d’un échantillon avec la formule divisée par n, tu obtiens un résultat biaisé, un peu trop petit.
La solution : diviser par (n – 1) au lieu de n. C’est ce qu’on appelle la correction de Bessel. Ce (n – 1) compense mécaniquement la sous-estimation. Pour un échantillon, l’écart type se note généralement s (plutôt que σ).
| Critère | Population (σ, N) | Échantillon (s, n – 1) |
|---|---|---|
| Formule | σ = √[(1/N) × Σ(xᵢ – μ)²] | s = √[(1/(n – 1)) × Σ(xᵢ – x̄)²] |
| Symbole | σ (sigma) | s |
| Quand l’utiliser | Quand tu possèdes toutes les données possibles (population exhaustive) | Quand tu travailles sur un sous-ensemble et veux estimer l’écart type de la population |
| Exemple de contexte | Notes de tous les élèves d’une classe (population complète de 35) | Sondage sur 200 lycéens pour estimer la dispersion nationale des notes au bac |
Quelques précisions pour ne pas confondre : la formule change uniquement au niveau du dénominateur. Dans un cas on divise la somme des carrés des écarts par N, dans l’autre par (n – 1). Le reste du calcul est identique. Pour de grands échantillons (plusieurs centaines), la différence devient minime : diviser par 500 ou par 499, ça ne change presque rien. Mais pour de petits échantillons, typiquement en dessous de 30, négliger la correction peut fausser sensiblement ton interprétation.
Le symbole change aussi : σ est réservé à la population, s à l’échantillon. C’est un code qui te signale immédiatement de quel contexte on parle. Dans les sujets de bac, fais bien attention à l’énoncé : s’il parle « d’un échantillon de lycéens », on attend la division par n – 1.
Méthode pas à pas pour calculer l’écart type
Passons à la pratique. Savoir ce que représente l’écart type, c’est bien. Savoir le calculer, c’est encore mieux — et c’est ce qui te permettra de répondre aux exercices sans hésiter.
On va procéder en deux temps : un calcul manuel détaillé sur une série concrète, puis la version express avec Excel, parce que dans la vraie vie (et parfois au lycée), on utilise aussi les tableurs.
Calcul manuel : exemple guidé avec la série 5, 5, 9, 9, 9, 10, 5, 10, 10
Voici la série qu’on va décortiquer ensemble, valeur par valeur. Elle contient 9 observations :
5, 5, 9, 9, 9, 10, 5, 10, 10
On va calculer l’écart type dans les deux versions : population (σ, division par N = 9) et échantillon (s, division par n – 1 = 8). Tu verras la différence concrète.
Étape 1 : Calculer la moyenne
Somme des valeurs = 5 + 5 + 9 + 9 + 9 + 10 + 5 + 10 + 10 = 72
Nombre de valeurs N = 9
Moyenne μ = 72 ÷ 9 = 8
La moyenne de cette série est 8. C’est notre point de référence pour mesurer les écarts.
Étape 2 : Calculer l’écart à la moyenne pour chaque valeur et son carré
Construisons un petit tableau mental, ou pose-le sur ta feuille si tu suis en même temps :
| Valeur (xᵢ) | Écart (xᵢ – μ) | Carré de l’écart (xᵢ – μ)² |
|---|---|---|
| 5 | 5 – 8 = –3 | (–3)² = 9 |
| 5 | 5 – 8 = –3 | 9 |
| 9 | 9 – 8 = 1 | 1 |
| 9 | 9 – 8 = 1 | 1 |
| 9 | 9 – 8 = 1 | 1 |
| 10 | 10 – 8 = 2 | 4 |
| 5 | 5 – 8 = –3 | 9 |
| 10 | 10 – 8 = 2 | 4 |
| 10 | 10 – 8 = 2 | 4 |
Étape 3 : Sommer les carrés des écarts
Somme des carrés = 9 + 9 + 1 + 1 + 1 + 4 + 9 + 4 + 4 = 42
Étape 4 : Diviser par N ou par (n – 1) selon le contexte
C’est l’embranchement décisif.
- Population (σ) : on divise la somme des carrés par N = 9. Variance = 42 / 9 ≈ 4,667
- Échantillon (s) : on divise la somme des carrés par n – 1 = 8. Variance corrigée = 42 / 8 = 5,25
Tu vois que la variance de l’échantillon est légèrement plus élevée. C’est normal : en divisant par un nombre plus petit, on gonfle un peu le résultat pour compenser le biais de sous-estimation dont on a parlé.
Étape 5 : Prendre la racine carrée du résultat
- Pour la population : σ = √4,667 ≈ 2,16
- Pour l’échantillon : s = √5,25 ≈ 2,29
Interprétation : dans les deux cas, l’écart type est d’environ 2,2 autour d’une moyenne de 8. Concrètement, ça signifie que la plupart des valeurs de cette série se situent dans un intervalle d’environ [8 – 2,2 ; 8 + 2,2], soit entre 5,8 et 10,2. Les données montrent une certaine dispersion — certaines à 5, d’autres à 10 — sans être extrêmement étalées.
Le raccourci Excel : ECARTYPE.S et ECARTYPE.P
Calculer à la main, c’est formateur. Mais dès que ta série fait 50 ou 100 valeurs, passer par un tableur devient indispensable — et c’est d’ailleurs une compétence évaluée dans certains exercices de bac.
Excel propose deux fonctions dédiées, qu’il suffit de connaître pour éviter les mauvaises surprises :
=ECARTYPE.P(plage) → Population (division par N)
=ECARTYPE.S(plage) → Échantillon (division par n-1)Reprenons notre série 5, 5, 9, 9, 9, 10, 5, 10, 10. Si ces valeurs sont dans les cellules A1 à A9, tu obtiendras :
=ECARTYPE.P(A1:A9)→ ≈ 2,16=ECARTYPE.S(A1:A9)→ ≈ 2,29
Exactement les mêmes résultats que notre calcul manuel.
Quelques points de vigilance pour ne pas te planter :
- Le choix de la fonction dépend de ton contexte, pas de la taille de ta série. Même avec 1 000 données, si elles représentent un échantillon, tu utilises ECARTYPE.S. Si ce sont toutes les données possibles (population), ECARTYPE.P.
- Attention aux versions anglophones : si tu travailles sur un Excel en anglais, tu verras
STDEV.PetSTDEV.S. Le fonctionnement est identique. - Vérifie toujours le paramètre n sous-jacent. Dans la barre de formule, Excel ne t’affiche pas la division utilisée, mais si tu obtiens un résultat aberrant par rapport à un calcul manuel rapide, c’est probablement que tu n’utilises pas la bonne fonction.
- Quand l’échantillon est grand (n > 100), la différence entre ECARTYPE.S et ECARTYPE.P devient négligeable. Dans ce cas, l’écart entre n et n – 1 est minime, et les deux valeurs sont quasiment égales.
Un dernier conseil pratique : quand tu réalises un exercice de bac avec un tableur, note toujours clairement la fonction que tu as choisie et justifie-la en une phrase. Les correcteurs vérifient souvent que tu as compris la distinction population/échantillon, pas seulement que tu sais cliquer.
Au-delà du calcul : interpréter l’écart type (et ne plus jamais se tromper)
Calculer, c’est une chose. Comprendre ce que le résultat signifie vraiment, c’en est une autre — et c’est là que beaucoup d’erreurs d’interprétation se glissent.
L’écart type n’est pas une valeur absolue qu’on pourrait juger « grande » ou « petite » dans l’absolu. Un écart type de 2 sur des notes sur 20, ça n’a pas du tout la même signification qu’un écart type de 2 sur des salaires annuels en milliers d’euros. Tout dépend de l’échelle et du contexte.
Écart type faible ou élevé : comment le lire selon le contexte
Tout commence par la moyenne. Un écart type doit toujours être interprété par rapport à la moyenne de la série.
Prenons trois situations très différentes :
- Dans une classe de lycée, les notes vont de 1 à 19, et la moyenne est de 12. Un écart type de 2 points signifie que la plupart des élèves ont entre 10 et 14. La classe est relativement homogène. Si l’écart type grimpe à 5 points, la fourchette s’élargit de 7 à 17 : les disparités sont fortes, et le prof devra probablement adapter son cours.
- En finance, on utilise l’écart type pour mesurer la volatilité d’une action, c’est-à-dire l’amplitude de ses variations de cours. Un écart type élevé signifie que le titre fluctue fortement : c’est un investissement plus risqué. Un écart type faible indique au contraire une certaine stabilité. Dans ce contexte, un écart type de 5 sur des rendements annuels de 10 % traduit une volatilité considérable.
- En contrôle qualité industriel, un fabricant de vis mesure le diamètre de sa production. Si la moyenne est de 5 mm et l’écart type de 0,01 mm, la production est très précise et conforme. Si l’écart type atteint 0,5 mm, beaucoup de vis seront hors tolérance et inutilisables.
Le coefficient de variation : comparer des pommes et des oranges
Et si tu veux comparer la dispersion de deux séries qui n’ont ni la même unité, ni la même moyenne ? C’est là que le coefficient de variation (CV) devient ton meilleur allié.
Sa formule est simple :
CV = (écart type / moyenne)
On l’exprime souvent en pourcentage : il suffit de multiplier par 100.
Prends un exemple concret. Tu compares le poids de pommes et le poids de melons au marché :
- Les pommes pèsent en moyenne 150 g, avec un écart type de 30 g.
- Les melons pèsent en moyenne 1 200 g, avec un écart type de 180 g.
À première vue, l’écart type des melons est bien plus grand (180 contre 30). Mais rapporté à la moyenne :
- CV pommes = 30 / 150 = 0,20, soit 20 %.
- CV melons = 180 / 1 200 = 0,15, soit 15 %.
Surprise : la dispersion relative est en réalité plus faible pour les melons. Le CV te donne une lecture normalisée qui permet de comparer des choses qui n’ont rien à voir. C’est un prolongement direct de l’écart type : la même logique de dispersion, mais rendue comparable entre séries.
En contrôle qualité ou en biologie, on se fixe souvent un seuil de CV acceptable. Par exemple, un CV inférieur à 10 % peut signifier un processus bien maîtrisé.
L’écart type en action : des exemples concrets pour retenir
Pour ancrer définitivement le concept, voyons trois domaines où l’écart type est omniprésent, sans qu’on en parle toujours dans ces termes.
Contrôle qualité en industrie. Une usine produit des pièces dont le diamètre doit être de 50 mm. On mesure un échantillon : moyenne 50,02 mm, écart type 0,1 mm. La production est donc centrée sur la cible et stable. Si l’écart type grimpe à 0,8 mm, les pièces dérivent trop souvent hors tolérance, entraînant des rebuts. L’écart type surveille la régularité du processus.
Finance et marchés boursiers. Une action A affiche un rendement annuel moyen de 6 %, avec un écart type de 12 %. Une action B propose un rendement de 4 % avec un écart type de 4 %. L’action A est plus rémunératrice, mais aussi beaucoup plus volatile. Selon ton profil de risque, l’une ou l’autre sera préférable. L’écart type quantifie le risque.
Sciences expérimentales. Lors d’une mesure en physique, tu répètes l’expérience 30 fois pour obtenir une valeur fiable. Tu obtiens une moyenne et un écart type. Ce dernier te donne la marge d’erreur de ta mesure. Un écart type très petit indique que tes mesures sont reproductibles et précises, ce qui renforce la crédibilité de ton résultat.
Ces trois situations illustrent la même idée : partout où la dispersion a un sens pratique (qualité, risque, précision), l’écart type est l’outil de référence.
Tes questions fréquentes sur l’écart type
Qu’est-ce que l’écart type ?
L’écart type est une mesure statistique qui indique la dispersion des valeurs d’un ensemble de données autour de leur moyenne. Plus il est élevé, plus les données sont étalées ; plus il est faible, plus elles sont concentrées autour de la moyenne. Il s’exprime dans la même unité que les données d’origine.
Comment se calcule l’écart type ?
On calcule d’abord la moyenne, puis la somme des carrés des écarts à cette moyenne. On divise cette somme par le nombre de données (n) pour la population ou par (n – 1) pour un échantillon. Enfin, on prend la racine carrée du résultat.
Comment interpréter les écarts type ?
L’interprétation dépend entièrement du contexte et de la moyenne. Un écart type faible par rapport à la moyenne indique une faible variabilité (classe homogène), tandis qu’un écart type élevé signale une forte dispersion (gros écarts de salaires). Toujours le comparer à la moyenne avant de conclure.
Quelle est la différence entre l’écart type et la variance ?
La variance est la moyenne des carrés des écarts, exprimée en unité au carré (ex : kg²), ce qui la rend peu intuitive. L’écart type est sa racine carrée, ramenant à l’unité de départ (ex : kg). Il est donc directement interprétable et comparé aux données.
Faut-il diviser par n ou n – 1 pour calculer l’écart type ?
Pour une population entière, divisez par n. Pour un échantillon visant à estimer l’écart type de la population, divisez par n – 1. Cette correction de Bessel compense le fait qu’un échantillon a tendance à sous-estimer la variance réelle de la population.
Quelle formule Excel utiliser pour calculer un écart type ?
Utilisez ECARTYPE.S(plage) pour un échantillon (division par n – 1) et ECARTYPE.P(plage) pour une population entière (division par n). Ces fonctions s’appliquent à une plage de cellules contenant vos données numériques. En version anglaise : STDEV.S et STDEV.P.
