Qu'est-ce que la fonction INTERVALLE.
Tu t'en sers avant de présenter une moyenne calculée sur un échantillon comme si c'était un chiffre exact : elle te donne la marge à afficher autour de cette moyenne pour ne pas laisser croire à une précision que tes données n'ont pas.
Que tu travailles en marketing pour évaluer la satisfaction, en contrôle qualité pour valider une production, ou en data analyse pour planifier la taille d'un sondage, cette fonction t'aide à quantifier l'incertitude de tes estimations avec la rigueur statistique de la loi normale. Elle s'applique aux grands échantillons (n supérieur ou égal à 30) quand l'écart-type de la population est connu.
Syntaxe
=INTERVALLE.CONFIANCE.NORMAL(alpha; écart_type; taille)Clique sur un argument pour aller à son explication.
La formule mathématique est Z × (écart_type / √taille), où Z est la valeur critique de la loi normale standard pour le niveau alpha/2. Pour alpha = 0,05, Z vaut environ 1,96. Plus l'échantillon est grand, plus la marge diminue proportionnellement à √taille.
Comprendre chaque paramètre de la fonction INTERVALLE.CONFIANCE.NORMAL
Les trois arguments se suivent toujours dans le même ordre : d'abord alpha (ton risque d'erreur, pas ton niveau de confiance), puis l'écart_type de la population, enfin la taille de l'échantillon. Aucun n'est facultatif, et c'est l'écart_type qui te piège le plus : la fonction réclame celui de toute la population, pas celui de ton échantillon. Si tu ne le tiens pas d'une source historique fiable, c'est vers INTERVALLE.CONFIANCE.STUDENT qu'il faut te tourner.
alpha
: le niveau de signification statistique, un nombre entre `0` et `1` (exclu)C'est le risque d'erreur que tu acceptes. La relation avec le niveau de confiance est : niveau de confiance = 1 - alpha.
Valeurs courantes : 0,05 pour 95 % de confiance (le standard dans la plupart des domaines), 0,01 pour 99 % de confiance (plus prudent, intervalle plus large), 0,10 pour 90 % de confiance (moins strict, intervalle plus étroit).
écart_type
: l'écart-type de la population entière, pas de l'échantillonIl mesure la variabilité naturelle des données dans la population complète. Doit être strictement positif.
C'est souvent le paramètre le plus délicat : en pratique, tu connais rarement l'écart-type exact de toute la population. Il faut le connaître à partir de données historiques fiables, d'un recensement complet, ou de normes techniques établies (comme les tolérances d'un procédé de fabrication).
Attention : Si tu ne connais pas l'écart-type de la population (ce qui est presque toujours le cas pour une nouvelle étude), utilise INTERVALLE.CONFIANCE.STUDENT avec l'écart-type de ton échantillon. INTERVALLE.CONFIANCE.NORMAL n'est approprié que quand tu as des données historiques fiables sur toute la population.
taille
: la taille de ton échantillon, en nombre d'observationsDoit être un entier positif supérieur ou égal à 1. La loi normale est recommandée quand taille >= 30 : en dessous, préfère INTERVALLE.CONFIANCE.STUDENT.
Plus ton échantillon est grand, plus ta marge d'erreur est petite et ton estimation précise. La relation est : si tu multiplies la taille par 4, tu divises la marge d'erreur par 2. C'est la loi des rendements décroissants qui explique pourquoi les sondages sérieux visent au moins 1 000 personnes.
Exemples pratiques pas à pas
Comment calculer la marge d'erreur d'une moyenne avec la fonction INTERVALLE.CONFIANCE.NORMAL
Un baromètre de satisfaction tourne depuis des années sur le même questionnaire, et la direction veut savoir lesquelles des 18 questions sont réellement pilotables. Chaque question a été posée à 50 clients, et l'historique complet de la base te donne l'écart-type de la population question par question. La fonction INTERVALLE.CONFIANCE.NORMAL convertit cet écart-type en marge d'erreur, ce qui te dit à quel point la moyenne mesurée sur 50 personnes serre la vraie moyenne de toute la clientèle.
- 1Dans une cellule, écris
=INTERVALLE.CONFIANCE.NORMAL(. - 2En 1er argument : saisis le risque d'erreur que tu acceptes,
0,05. Ce chiffre n'est pas le niveau de confiance mais son complément à1, si bien que0,05correspond aux 95 % lus dans la colonneSeuil. - 3En 2ᵉ argument : clique sur l'écart-type de la population pour cette question,
B2. Sa valeur de12vient de l'historique complet de la base et non des 50 réponses de l'échantillon, ce qui est la condition d'emploi de cette fonction. - 4En 3ᵉ argument : saisis le nombre de clients interrogés,
50. La marge décroît comme la racine de cet effectif, ce qui explique qu'on retrouve exactement3,33surQ-16, où le même écart-type de12revient à effectif identique. - 5Ferme la parenthèse et appuie sur Entrée.
=INTERVALLE.CONFIANCE.NORMAL(0,05; B2; 50)
Comment construire les bornes d'un intervalle de confiance avec la fonction INTERVALLE.CONFIANCE.NORMAL
Le comité de direction a lu que la satisfaction moyenne était de 78 et l'a pris pour une valeur exacte, alors que ce chiffre repose sur un échantillon. Tu veux présenter la fourchette plutôt que le point, et surtout montrer ce que coûterait un chiffre plus serré avant que quelqu'un ne promette une étude à 800 personnes. La fonction INTERVALLE.CONFIANCE.NORMAL s'imbrique directement dans un calcul, ce qui te permet de sortir la borne sans passer par une colonne intermédiaire.
- 1Dans une cellule, écris
=puis clique sur la moyenne observée de la vague,B2, et complète par+. La fonction ne connaît pas cette moyenne et ne renvoie qu'un écart à appliquer de part et d'autre, si bien que la moyenne doit ouvrir le calcul, en dehors de l'appel. - 2Écris
INTERVALLE.CONFIANCE.NORMAL(à la suite, puis :- aEn 1er argument : saisis le risque d'erreur,
0,05. Il reste identique sur les trois vagues, de manière à ne faire varier qu'un seul paramètre à la fois et à garder les lignes comparables. - bEn 2ᵉ argument : clique sur l'écart-type de la population,
C2. Sa valeur de12ne change pas d'une vague à l'autre puisque c'est la même clientèle qu'on interroge. - cEn 3ᵉ argument : clique sur la taille de l'échantillon,
D2. C'est le seul paramètre qui bouge d'une ligne à l'autre, et c'est lui qui fait tomber la borne de81,33à78,83quand l'effectif passe de 50 à 800.
- aEn 1er argument : saisis le risque d'erreur,
- 3Ferme la parenthèse et appuie sur Entrée, puis recopie la formule vers le bas pour obtenir la borne haute des autres vagues.
=B2 + INTERVALLE.CONFIANCE.NORMAL(0,05; C2; D2)
Comment éviter l'erreur #NOMBRE! de la fonction INTERVALLE.CONFIANCE.NORMAL
Les paramètres de ton tableau viennent de cellules que d'autres personnes remplissent, et une marge d'erreur fausse ne se voit pas à l'œil nu dans une présentation. Tu veux savoir lesquelles des saisies possibles s'arrêtent net sur une erreur et lesquelles passent en silence. Les cinq cas ci-dessus font tourner la fonction INTERVALLE.CONFIANCE.NORMAL sur les mêmes données avec un seul paramètre déformé à chaque ligne.
- 1Dans une cellule, écris
=INTERVALLE.CONFIANCE.NORMAL(. - 2En 1er argument : clique sur le risque d'erreur,
B2. Il doit rester strictement compris entre0et1; les deux bornes exactes provoquent l'erreur#NOMBRE!, mais tout ce qui se trouve entre les deux est accepté, y compris un0,95qui inverse le sens du calcul. - 3En 2ᵉ argument : clique sur l'écart-type de la population,
C2. Il doit être strictement positif, et un zéro déclenche#NOMBRE!, ce qui arrive typiquement quand la cellule source est encore vide au moment où la formule se recopie. - 4En 3ᵉ argument : clique sur la taille de l'échantillon,
D2. Elle doit valoir au moins1, sinon un zéro déclenche#NOMBRE!puisque la fonction divise par la racine de cet effectif. - 5Ferme la parenthèse et appuie sur Entrée.
=INTERVALLE.CONFIANCE.NORMAL(B2; C2; D2)#NOMBRE! du milieu sont les bonnes nouvelles : Excel refuse de calculer et tu vois tout de suite le problème. La dernière ligne est celle qui coûte cher, car 0,95 saisi à la place de 0,05 ne déclenche aucune erreur et sort un 0,11 parfaitement crédible. Cette marge dix fois trop étroite correspond en réalité à un niveau de confiance de 5 %, pas de 95 %.
Attention : Retiens la ligne Alpha confondu : 0,95 et 0,05 sont tous les deux des saisies valides pour Excel, et seul le second correspond à 95 % de confiance. Aucune erreur ne t'avertira, la marge sera simplement dix fois trop optimiste. Écris alpha comme 1 - niveau de confiance dans une cellule à part plutôt que de le taper à la main.
Les erreurs fréquentes avec la fonction INTERVALLE.CONFIANCE.NORMAL
Ici, ce ne sont pas des bugs Excel mais des contresens statistiques qui te coûtent cher. Une seule donne vraiment un #NOMBRE! : quand alpha, écart_type ou taille sortent de leurs bornes autorisées. Les trois autres pièges renvoient un chiffre parfaitement crédible mais faux : confondre la marge avec l'intervalle entier, glisser l'écart-type de l'échantillon à la place de celui de la population, ou saisir 0,95 au lieu de 0,05 pour alpha.
Erreur #NOMBRE! : paramètres hors limites
Cette erreur apparaît si alpha est inférieur ou égal à 0 ou supérieur ou égal à 1, si écart_type est inférieur ou égal à 0, ou si taille est inférieur à 1. Les plages valides doivent être respectées pour que le calcul statistique soit mathématiquement défini.
Solution : Vérifie chaque paramètre : 0 < alpha < 1 (typiquement 0,05), écart_type > 0, et taille >= 1. Si ces valeurs proviennent de cellules, protège la formule avec SIERREUR ou des conditions SI pour éviter l'affichage d'une erreur quand les cellules sont vides.
Confusion entre la marge d'erreur et l'intervalle complet
La fonction retourne la marge d'erreur (demi-largeur de l'intervalle), pas l'intervalle complet. Si le résultat est 3,33, l'intervalle total a une largeur de 6,66. Beaucoup d'utilisateurs pensent à tort que le résultat représente la borne supérieure, en supposant que l'intervalle commence à zéro.
Solution : Construis toujours les bornes explicitement : borne_inférieure = moyenne - marge et borne_supérieure = moyenne + marge. Affiche ces deux valeurs dans ton rapport plutôt que la seule marge, pour éviter toute ambiguïté à la lecture.
Utiliser l'écart-type d'échantillon au lieu de celui de la population
INTERVALLE.CONFIANCE.NORMAL requiert l'écart-type de la population entière (calculé avec ECARTYPE.PEARSON, division par N), pas l'écart-type de l'échantillon (ECARTYPE.STANDARD, division par N-1). Utiliser le mauvais écart-type biaise le résultat, même légèrement.
Solution : Utilise l'écart-type de la population uniquement si tu le connais de source historique fiable. Si tu n'as que les données de ton échantillon, utilise plutôt INTERVALLE.CONFIANCE.STUDENT avec ECARTYPE.STANDARD : c'est mathématiquement plus rigoureux pour les données inconnues.
Confondre alpha et niveau de confiance
Alpha est le risque d'erreur, pas le niveau de confiance. Saisir 0,95 pour alpha quand tu veux 95 % de confiance est une erreur fréquente : cela calculerait un intervalle pour seulement 5 % de confiance, ce qui donne une marge d'erreur très petite mais totalement non fiable.
Solution : Retiens la relation : niveau de confiance = 1 - alpha. Pour 95 % de confiance, entre 0,05. Pour 99 %, entre 0,01. Pour 90 %, entre 0,10.
Questions fréquentes
INTERVALLE.CONFIANCE.NORMAL utilise la loi normale (Z), adaptée aux grands échantillons (n >= 30) quand l'écart-type de la population est connu. INTERVALLE.CONFIANCE.STUDENT utilise la loi de Student (t), plus prudente, pour les petits échantillons ou quand tu utilises l'écart-type de l'échantillon. En pratique, si tu ne connais pas l'écart-type exact de toute la population (ce qui est presque toujours le cas), préfère INTERVALLE.CONFIANCE.STUDENT : elle est plus adaptée à la situation réelle.
Alpha = 0,05 correspond à un niveau de confiance de 95 % (1 - 0,05 = 0,95). Cela signifie que si tu répétais ton expérience un grand nombre de fois, environ 95 % des intervalles ainsi calculés contiendraient la vraie moyenne de la population. C'est le standard le plus courant en statistiques, en marketing et en contrôle qualité. Alpha = 0,01 donne 99 % de confiance (intervalle plus large, plus prudent). Alpha = 0,10 donne 90 % de confiance (intervalle plus étroit, moins strict).
La loi normale est appropriée quand deux conditions sont réunies : l'écart-type de la population est connu avec précision, et la taille d'échantillon est suffisamment grande (généralement n >= 30) pour que le théorème central limite s'applique. Quand ces conditions ne sont pas remplies (petit échantillon ou écart-type inconnu), la loi de Student est plus prudente et donne des intervalles légèrement plus larges pour tenir compte de l'incertitude supplémentaire.
La fonction retourne la marge d'erreur e. Les bornes se calculent ainsi : borne inférieure = moyenne - e, borne supérieure = moyenne + e.
Par exemple, avec une moyenne de 78 et une marge de 3,33, l'intervalle est [78 - 3,33 ; 78 + 3,33] = [74,67 ; 81,33]. Tu peux directement écrire ces formules dans deux cellules de ton tableau de résultats.
La marge d'erreur est inversement proportionnelle à la racine carrée de la taille d'échantillon (formule Z × σ / √n). Pour diviser la marge par 2, il faut diviser √n par 2, ce qui revient à multiplier n par 4.
C'est la loi des rendements décroissants de la précision statistique : doubler la précision coûte quatre fois plus cher en taille d'échantillon. C'est pourquoi les sondages qui visent ±1 % de marge interrogent plusieurs milliers de personnes.
Oui, mais avec précaution. Pour une proportion p observée sur un échantillon de taille n, l'écart-type de la population peut être approximé par √(p × (1-p)). Utilise cette valeur comme paramètre écart_type.
Par exemple, pour un taux de conversion de 12 % sur 200 visites : =INTERVALLE.CONFIANCE.NORMAL(0,05; RACINE(0,12*0,88); 200). Cette approximation est valide quand n*p >= 10 et n*(1-p) >= 10.
Pour aller plus loin
Continue sur ta lancée après la fonction INTERVALLE.CONFIANCE.NORMAL : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
