Calculatrices en ligne gratuites
Écart-type et variance pour population et échantillon
Ce calculateur détermine l'écart-type et la variance pour une population entière (σ) ou un échantillon (s) à partir d'une liste de valeurs. L'écart-type indique à quel point les données s'éloignent de la moyenne. Pour un échantillon, la formule divise par n−1 (correction de Bessel) afin d'obtenir une estimation non biaisée.
Que vous soyez étudiant en statistiques, analyste de données, enseignant ou simplement curieux d'explorer un jeu de données, le calcul de l'écart-type et de la variance est une étape incontournable pour comprendre la dispersion de vos valeurs. Notre calculateur en ligne vous permet d'obtenir instantanément l'écart-type de population, l'écart-type d'échantillon, la variance ainsi que la moyenne arithmétique — le tout affiché côte à côte pour une comparaison immédiate. Pas besoin d'Excel, de Python ou de formules laborieuses : entrez vos données, cliquez, et obtenez vos résultats en une seconde.
C'est l'une des questions les plus fréquentes en statistiques descriptives. La différence repose sur ce que l'on appelle le dénominateur de la formule. Lorsque vous disposez de toutes les observations d'un groupe (par exemple, les notes de tous les élèves d'une classe), vous calculez la variance de population, en divisant par n. En revanche, lorsque vos données ne représentent qu'un sous-ensemble d'une population plus large (un sondage, une expérience en laboratoire), vous utilisez la variance d'échantillon, en divisant par n − 1. Ce petit ajustement, appelé correction de Bessel, permet d'obtenir un estimateur non biaisé de la variance réelle de la population sous-jacente.
Voici les quatre mesures que notre outil calcule simultanément :
En notation mathématique :
Notre calculateur utilise en interne l'algorithme de Welford, une méthode de calcul en un seul passage qui garantit une stabilité numérique optimale, même pour des jeux de données très grands ou comportant des valeurs extrêmes. Contrairement à la formule naïve en deux passes, l'algorithme de Welford évite les erreurs d'arrondi dues à la soustraction de grands nombres, ce qui donne des résultats fiables quelle que soit la plage de vos données.
Entrez vos valeurs numériques dans le champ prévu à cet effet. Vous pouvez les séparer par des virgules, des espaces ou des retours à la ligne. Par exemple : 12, 15, 14, 10, 18, 20. Les nombres décimaux sont acceptés (utilisez le point ou la virgule selon votre paramétrage).
Cliquez sur le bouton « Calculer ». Le traitement est instantané, même pour des centaines de valeurs. Aucune installation, aucun compte requis.
Les résultats s'affichent en deux colonnes claires : population (÷ n) et échantillon (÷ n − 1). Vous voyez simultanément la moyenne, la variance et l'écart-type pour chaque cas. Choisissez la colonne adaptée à votre contexte.
Un écart-type faible signifie que vos valeurs sont concentrées autour de la moyenne. Un écart-type élevé indique une grande dispersion. Par exemple, si la moyenne des salaires d'une entreprise est 2 500 € avec un écart-type de 100 €, les salaires sont très homogènes. S'il est de 800 €, les écarts sont importants.
Modifiez vos données, ajoutez ou supprimez des valeurs, puis relancez le calcul pour comparer instantanément l'effet sur la dispersion. Idéal pour les travaux pratiques ou les analyses exploratoires.
Un professeur relève les notes de ses 30 élèves sur 20 lors d'un contrôle : il dispose de toute la population concernée. Il entre ses 30 valeurs dans le calculateur et lit les résultats dans la colonne population (÷ n). Supposons que la moyenne soit 13,2 et l'écart-type σ = 3,1. Cela signifie que la majorité des élèves ont une note comprise entre 10,1 et 16,3. Le professeur peut ainsi identifier les élèves en difficulté bien au-delà de la simple moyenne.
Un ingénieur qualité prélève un échantillon de 50 pièces sur une chaîne de production pour vérifier la longueur d'une pièce mécanique. Comme il s'agit d'un échantillon et non de la totalité de la production, il utilise la colonne échantillon (÷ n − 1). Si l'écart-type s est supérieur à la tolérance admise (par exemple 0,05 mm), le processus est considéré hors contrôle et une intervention corrective est déclenchée.
Un investisseur souhaite évaluer le risque de deux actifs financiers sur les 12 derniers mois. Il calcule l'écart-type des rendements mensuels de chaque actif. L'actif A affiche un écart-type de 2,3 % et l'actif B de 8,7 %. L'actif A est nettement moins volatile, donc moins risqué pour un investisseur prudent. Notre calculateur affiche les deux colonnes simultanément, permettant une comparaison directe et rapide.
L'écart-type de population (σ) est utilisé quand vous avez accès à toutes les données du groupe étudié. L'écart-type d'échantillon (s) s'applique lorsque vos données ne sont qu'une partie d'un ensemble plus grand. La formule d'échantillon divise par n − 1 au lieu de n, ce qui compense le fait que la variabilité d'un échantillon tend naturellement à sous-estimer celle de la population entière. En pratique, pour les grands jeux de données (n > 30), la différence est minime, mais elle reste importante pour les petits échantillons.
La formule classique de la variance peut souffrir d'erreurs d'arrondi numériques lorsque les valeurs sont très grandes ou très proches les unes des autres. L'algorithme de Welford calcule la variance en un seul passage sur les données, en mettant à jour la moyenne et la somme des carrés des écarts de façon incrémentale. Cela garantit des résultats précis et stables quel que soit votre jeu de données, sans risque de perte de précision due à des soustractions catastrophiques de grands nombres.
Notre calculateur est optimisé pour traiter des centaines, voire des milliers de valeurs sans ralentissement notable. Il n'y a pas de limite stricte imposée côté utilisateur. Pour les très grands jeux de données, nous recommandons de séparer les valeurs par des virgules ou des retours à la ligne pour une meilleure lisibilité. Le calcul reste instantané grâce à l'algorithme de Welford qui ne nécessite qu'un seul passage sur les données.