Fonction ERREUR.TYPE.XY ExcelGuide Complet 2026
La fonction ERREUR.TYPE.XY calcule l'erreur type des valeurs Y prédites pour chaque valeur X dans une régression linéaire. En clair, elle te dit à quel point ton modèle de prédiction est précis. Plus l'erreur type est faible, plus tes prédictions seront fiables. C'est un indicateur indispensable quand tu veux évaluer la qualité d'une régression ou construire des intervalles de confiance.
Syntaxe de la fonction ERREUR.TYPE.XY
La syntaxe est simple : tu donnes tes valeurs Y observées et tes valeurs X correspondantes, et Excel te retourne l'erreur type de ta régression.
=ERREUR.TYPE.XY(y_connus; x_connus)Comprendre chaque paramètre de la fonction ERREUR.TYPE.XY
y_connus
(obligatoire)C'est ta série de valeurs Y observées, ta variable dépendante. Par exemple, si tu veux prédire les ventes en fonction du budget publicitaire, y_connus contient tes ventes réelles. Il peut s'agir de n'importe quelle série de résultats que tu veux modéliser.
Conseil : Assure-toi que tes données sont propres. Les cellules vides ou contenant du texte seront ignorées, mais elles peuvent fausser ton interprétation si tu ne t'y attends pas.
x_connus
(obligatoire)C'est ta série de valeurs X, ta variable indépendante. En reprenant l'exemple des ventes, x_connus contient tes budgets publicitaires. Les deux plages doivent avoir exactement le même nombre de valeurs, sinon Excel te retournera une erreur #N/A.
Astuce : L'erreur type s'exprime dans les mêmes unités que Y. Si tes ventes sont en milliers d'euros, l'erreur type sera aussi en milliers d'euros. C'est pratique pour interpréter directement le résultat !
Comment interpréter le résultat ?
ERREUR.TYPE.XY te retourne un nombre qui représente l'écart type des résidus. En d'autres termes, c'est l'erreur moyenne que ton modèle fait quand il prédit Y à partir de X.
Erreur type faible
Si l'erreur type est petite par rapport à l'échelle de tes données Y (moins de 10% de la plage), ton modèle est précis. Tes prédictions seront fiables et tu peux l'utiliser en toute confiance.
Erreur type élevée
Si l'erreur type est importante, les points sont dispersés autour de la droite. Soit la relation n'est pas linéaire, soit il y a beaucoup de variabilité naturelle. Méfie-toi des prédictions dans ce cas.
Attention : L'erreur type ne te dit pas si la relation entre X et Y est forte. Elle te dit juste à quel point les prédictions sont précises. Combine-la toujours avec le coefficient de corrélation (PEARSON) pour avoir une vue complète !
Exemples pratiques pas à pas
Exemple 1 – Directeur marketing : évaluer un modèle de prévision des ventes
Tu es directeur marketing et tu veux savoir si ton modèle qui prédit les ventes en fonction du budget publicitaire est fiable. L'erreur type va te donner la réponse.
Erreur type = 2,19 k€ → Tes prédictions s'écartent en moyenne de 2 190 € des ventes réelles.
| A | B | |
|---|---|---|
| 1 | Budget pub (k€) | Ventes (k€) |
| 2 | 5 | 45 |
| 3 | 10 | 52 |
| 4 | 15 | 61 |
| 5 | 20 | 68 |
| 6 | 25 | 75 |
| 7 | 30 | 82 |
=ERREUR.TYPE.XY(B2:B7;A2:A7)Avec une erreur type de 2,19 k€ sur des ventes allant de 45 à 82 k€, ton modèle est plutôt précis. Pour un budget de 20 k€, tu peux prédire environ 68 k€ de ventes, avec une marge d'erreur typique de ±2,19 k€. Pas mal !
Exemple 2 – Enseignant : prédire les notes selon le temps d'étude
Tu es enseignant et tu veux savoir si le temps d'étude est un bon prédicteur des notes. L'erreur type te dira si ton modèle tient la route.
Erreur type = 3,47 points → Le modèle prédit les notes avec environ ±3,5 points d'erreur.
| A | B | |
|---|---|---|
| 1 | Heures d'étude | Note /100 |
| 2 | 2 | 45 |
| 3 | 4 | 55 |
| 4 | 6 | 68 |
| 5 | 8 | 75 |
| 6 | 10 | 82 |
| 7 | 12 | 88 |
| 8 | 14 | 92 |
=ERREUR.TYPE.XY(B2:B8;A2:A8)L'erreur type de 3,47 points indique une bonne précision. Si un étudiant étudie 8 heures, tu peux lui prédire environ 75/100 avec une incertitude de ±3,5 points. Le temps d'étude est clairement un bon indicateur !
Exemple 3 – Gestionnaire d'énergie : prédire la consommation selon la température
Tu es gestionnaire d'énergie et tu veux modéliser la consommation électrique en fonction de la température extérieure. L'erreur type te dira si un modèle linéaire est approprié.
Erreur type = 8,92 kWh → Précision modérée, la relation n'est peut-être pas parfaitement linéaire.
| A | B | |
|---|---|---|
| 1 | Température (°C) | Consommation (kWh) |
| 2 | -5 | 180 |
| 3 | 0 | 165 |
| 4 | 5 | 148 |
| 5 | 10 | 135 |
| 6 | 15 | 120 |
| 7 | 20 | 110 |
| 8 | 25 | 115 |
| 9 | 30 | 125 |
=ERREUR.TYPE.XY(B2:B9;A2:A9)Une erreur type de 8,92 kWh sur une plage de 110-180 kWh, c'est correct mais pas excellent. En regardant les données, on voit que la consommation remonte par temps très chaud (climatisation). Un modèle quadratique serait probablement plus précis qu'un modèle linéaire !
Exemple 4 – DRH : comparer deux modèles prédictifs de salaire
Tu es DRH et tu veux savoir quel facteur prédit le mieux les salaires : l'ancienneté ou le niveau de formation ? L'erreur type va te départager les deux modèles.
Le modèle basé sur la formation (erreur = 1,95 k€) est plus précis que celui basé sur l'ancienneté (erreur = 2,83 k€).
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Ancienneté (ans) | Salaire (k€) | Formation (ans) | Salaire (k€) |
| 2 | 1 | 28 | 0 | 25 |
| 3 | 3 | 35 | 2 | 38 |
| 4 | 5 | 42 | 4 | 48 |
| 5 | 7 | 48 | 6 | 55 |
| 6 | 10 | 58 | 8 | 62 |
=ERREUR.TYPE.XY(B2:B6;A2:A6) versus =ERREUR.TYPE.XY(D2:D6;C2:C6)En comparant les erreurs types, tu découvres que le niveau de formation prédit mieux le salaire que l'ancienneté. L'erreur de 1,95 k€ contre 2,83 k€ te le montre clairement. Cette insight peut orienter ta politique de rémunération !
Les erreurs fréquentes et comment les éviter
Erreur #N/A : plages de tailles différentes
Si tes plages Y et X n'ont pas le même nombre de valeurs numériques, Excel te retourne #N/A. C'est l'erreur la plus courante avec cette fonction.
Erreur #DIV/0! : pas assez de données
La fonction nécessite au moins 3 points de données pour calculer une erreur type significative. Avec seulement 2 points, le dénominateur (n - 2) devient 0.
Oublier les valeurs aberrantes
L'erreur type est très sensible aux valeurs extrêmes. Une seule donnée aberrante peut doubler l'erreur type et te faire croire que ton modèle est mauvais alors qu'il ne l'est pas forcément. Avant d'interpréter, jette toujours un œil à tes données avec un nuage de points !
Questions fréquentes
Que mesure exactement l'erreur type de régression ?
L'erreur type mesure la dispersion moyenne des points de données autour de la droite de régression. Plus cette valeur est petite, plus les prédictions du modèle sont précises. Elle s'exprime dans les mêmes unités que la variable Y et représente l'écart type des résidus.
Quelle différence entre ERREUR.TYPE.XY et l'écart-type simple ?
L'écart-type mesure la dispersion autour de la moyenne, tandis qu'ERREUR.TYPE.XY mesure la dispersion autour de la droite de régression. Si tes données suivent une tendance linéaire, l'erreur type sera généralement plus petite que l'écart-type car elle tient compte de cette relation.
Comment interpréter une erreur type élevée ?
Une erreur type élevée indique que les points sont très dispersés autour de la droite de régression, ce qui signifie que le modèle linéaire n'est pas très précis pour prédire Y à partir de X. Cela peut indiquer une relation non linéaire, des valeurs aberrantes, ou simplement beaucoup de variabilité naturelle dans les données.
ERREUR.TYPE.XY peut-elle être utilisée avec plusieurs variables X ?
Non, ERREUR.TYPE.XY ne fonctionne qu'avec une seule variable indépendante (régression simple). Pour des régressions multiples avec plusieurs variables X, tu dois calculer l'erreur type manuellement à partir des résultats de DROITEREG ou utiliser l'utilitaire d'analyse de données d'Excel.
Les fonctions similaires à ERREUR.TYPE.XY
Deviens un pro d'Excel
Rejoins Le Dojo Club pour maîtriser toutes les fonctions Excel, avec des formations complètes, des lives experts et une communauté d'entraide.
Essayer pendant 30 jours