Qu'est-ce que la fonction INTERVALLE.
INTERVALLE.CONFIANCE.STUDENT te sert quand tu dois annoncer une marge d'erreur défendable à partir d'un petit échantillon, sans pouvoir prétendre connaître l'écart-type de toute la population. Elle élargit honnêtement l'intervalle plutôt que de te laisser croire à une précision que 10 ou 12 mesures ne peuvent pas garantir.
Concrètement, c'est elle qui sécurise tes analyses en recherche clinique sur un groupe de 10 patients, en contrôle qualité sur 6 échantillons de laboratoire, en management quand tu mesures la productivité de 8 employés, ou en data science quand tu veux comparer l'impact du choix de distribution selon la taille de ton échantillon. Résultat : des intervalles plus larges mais plus fiables, adaptés à la réalité du terrain.
Syntaxe
=INTERVALLE.CONFIANCE.STUDENT(alpha; écart_type; taille)Clique sur un argument pour aller à son explication.
La fonction renvoie la demi-largeur de l'intervalle (la marge). L'intervalle complet est [moyenne - marge ; moyenne + marge]. Ne confonds pas la marge avec l'intervalle complet : si le résultat est 2,5, l'intervalle total a une largeur de 5.
Comprendre chaque paramètre de la fonction INTERVALLE.CONFIANCE.STUDENT
Les trois arguments s'écrivent toujours dans cet ordre : d'abord alpha (ton seuil de risque, par exemple 0,05 pour 95% de confiance), puis l'écart-type, enfin la taille de l'échantillon. Aucun n'est facultatif, les trois sont obligatoires. Le piège n'est pas l'ordre mais le deuxième argument : c'est l'écart-type de ton échantillon, calculé avec ECARTYPE.STANDARD, jamais un écart-type de population.
alpha
: le niveau de signification statistique, un nombre strictement compris entre 0 et 1Pour un niveau de confiance de 95%, tu utilises alpha = 0,05 (car 1 - 0,05 = 0,95). C'est le même principe que pour INTERVALLE.CONFIANCE.NORMAL, mais la formule sous-jacente utilise la distribution de Student.
Les valeurs les plus courantes : 0,05 pour 95% de confiance (standard en recherche), 0,01 pour 99% (très strict), 0,10 pour 90% (moins prudent). La valeur 95% est le choix de référence dans la grande majorité des industries.
écart_type
: l'écart-type de ton échantillon, pas celui de la populationTu le calcules avec ECARTYPE.STANDARD directement sur tes données. Ce paramètre doit être strictement positif.
C'est la grande différence avec INTERVALLE.CONFIANCE.NORMAL : ici, tu utilises l'écart-type que tu observes sur ton échantillon, pas un écart-type de population préalablement connu. ECARTYPE.STANDARD divise par (n-1) au lieu de n, ce qui donne une estimation non biaisée de la variabilité.
taille
: la taille de ton échantillon, en nombre d'observationsDoit être un entier positif supérieur ou égal à 1. La loi de Student est particulièrement utile pour les petits échantillons (n inférieur à 30). Avec des échantillons plus grands, les résultats convergent progressivement vers ceux de la loi normale.
Avec des échantillons très petits (n inférieur à 5), les intervalles deviennent très larges. C'est normal : avec seulement 3 ou 4 mesures, il est difficile d'estimer précisément la moyenne de toute la population. Vise au minimum 5 à 10 observations pour des résultats exploitables.
Attention : Avec des échantillons très petits (n inférieur à 5), les intervalles de Student deviennent très larges. C'est normal et reflète l'incertitude inhérente : avec 3 ou 4 mesures seulement, la marge d'erreur sera nécessairement importante.
Exemples pratiques pas à pas
Comment calculer la marge d'erreur d'un petit échantillon avec la fonction INTERVALLE.CONFIANCE.STUDENT
Une série d'essais cliniques mesure le délai d'action d'une molécule sur douze patients chacun, et le comité doit trancher lesquels sont assez concluants pour passer en phase suivante. Douze patients, c'est trop peu pour se fier à la loi normale, et l'écart-type dont tu disposes vient de l'essai lui-même, pas d'une population connue à l'avance. La fonction INTERVALLE.CONFIANCE.STUDENT est faite exactement pour ce cas et te sort la marge d'erreur essai par essai.
- 1Dans une cellule, écris
=INTERVALLE.CONFIANCE.STUDENT(. - 2En 1er argument : saisis le risque d'erreur accepté,
0,05. Il donne les 95 % de confiance affichés dans la colonneSeuil, puisque le niveau de confiance est ce qui reste du risque une fois retranché. C'est le seuil de référence des publications cliniques. - 3En 2ᵉ argument : clique sur la cellule de l'écart-type,
B2, qui affiche2,40pourESS-01. C'est là que la loi de Student se sépare de la loi normale, car cette valeur est estimée sur les douze patients de l'essai et non connue d'avance sur toute la population. - 4En 3ᵉ argument : saisis le nombre de patients de l'essai,
12. Il pèse deux fois dans le calcul, car il fixe à la fois les degrés de liberté de la loi de Student et la division par la racine de l'effectif. - 5Ferme la parenthèse et appuie sur Entrée. Recopiée vers le bas, la formule garde le même effectif partout, si bien que la marge reste strictement proportionnelle à l'écart-type de chaque essai.
=INTERVALLE.CONFIANCE.STUDENT(0,05; B2; 12)
Comment enchaîner la fonction INTERVALLE.CONFIANCE.STUDENT avec ECARTYPE.STANDARD et NB
Un laboratoire dose une substance sur huit prélèvements et doit rendre un résultat encadré, pas un chiffre unique, parce que la norme l'exige. Recopier l'écart-type et l'effectif dans des cellules à part fonctionne une fois, puis se périme dès qu'un prélèvement s'ajoute ou qu'une mesure est corrigée. En imbriquant ECARTYPE.STANDARD et NB directement dans les arguments, la fonction INTERVALLE.CONFIANCE.STUDENT lit les données brutes et rien d'autre.
- 1Dans une cellule, écris
=INTERVALLE.CONFIANCE.STUDENT(. - 2En 1er argument : saisis le risque d'erreur accepté,
0,05, pour un intervalle à 95 %. C'est le seul argument encore écrit en clair, car il relève d'une décision et non d'une mesure prise sur les prélèvements. - 3En 2ᵉ argument : écris l'écart-type des huit concentrations et referme la parenthèse,
ECARTYPE.STANDARD(B2:B9), qui rend0,56. C'est bien la variante STANDARD qu'il faut ici, celle qui divise par le nombre de mesures moins une et donne l'estimation non biaisée attendue par la loi de Student. La variante ECARTYPE.PEARSON diviserait par le total et rétrécirait la marge à0,44, soit une précision surestimée de près de 7 %. - 4En 3ᵉ argument : écris le décompte des mesures et referme la parenthèse,
NB(B2:B9), qui compte8valeurs numériques. Le laisser se calculer évite le décalage classique où l'on ajoute un prélèvement au tableau sans corriger l'effectif noté à côté. - 5Ferme la parenthèse de la fonction INTERVALLE.CONFIANCE.STUDENT et appuie sur Entrée. Celle de NB a déjà été refermée à l'étape précédente. Aucun paramètre n'est recopié à la main, donc ajouter une neuvième mesure met tout à jour d'un coup.
=INTERVALLE.CONFIANCE.STUDENT(0,05; ECARTYPE.STANDARD(B2:B9); NB(B2:B9))n-1 et fournit l'estimation non biaisée qu'attend la loi de Student, tandis que NB compte les mesures réellement présentes. Le tableau n'a plus aucun paramètre recopié à la main, donc ajouter une neuvième mesure met tout à jour d'un coup.
Comment gérer les erreurs #DIV/0! et #NOMBRE! de la fonction INTERVALLE.CONFIANCE.STUDENT
Un tableau de suivi calcule la marge essai par essai, et certains bras d'étude s'arrêtent avec un ou deux patients seulement quand le recrutement échoue. Tu veux savoir ce que la formule fait dans ces cas-là avant qu'un rapport ne parte avec des cellules rouges ou, pire, avec une fourchette absurde prise au sérieux. Les cinq cas font tourner la fonction INTERVALLE.CONFIANCE.STUDENT en ne déformant qu'un paramètre à la fois.
- 1Dans une cellule, écris
=INTERVALLE.CONFIANCE.STUDENT(. - 2En 1er argument : clique sur le risque d'erreur accepté,
B2, qui affiche0,05sur la ligne correcte. Il doit rester strictement entre0et1. Les deux valeurs extrêmes renvoient#NOMBRE!, et c'est le comportement voulu puisque ni un risque nul ni un risque total ne définit d'intervalle. - 3En 2ᵉ argument : clique sur l'écart-type de l'essai,
C2, qui affiche2,40. Il doit être strictement positif. Un0renvoie#NOMBRE!, ce qui arrive quand ECARTYPE.STANDARD tourne sur des mesures toutes identiques. - 4En 3ᵉ argument : clique sur le nombre de patients,
D2, qui affiche12sur la ligne correcte. C'est lui qui commande l'erreur#DIV/0!, car la loi de Student divise par l'effectif moins un, et ce diviseur tombe à zéro dès qu'un seul patient est saisi. - 5Ferme la parenthèse et appuie sur Entrée, puis recopie la formule vers le bas pour éprouver chaque cas. La ligne à deux patients passe sans erreur mais rend
21,56, si large que deux mesures ne concluent à rien.
=INTERVALLE.CONFIANCE.STUDENT(B2; C2; D2)#DIV/0! vient de l'effectif : avec un seul patient il reste zéro degré de liberté, donc la loi de Student n'existe pas. L'erreur #NOMBRE! vient des bornes de saisie, quand alpha sort de l'intervalle ouvert entre 0 et 1 ou que l'écart-type n'est pas strictement positif. La ligne à deux patients est la plus instructive : elle ne déclenche rien du tout et rend un 21,56 techniquement exact, mais si large qu'il ne conclut à rien.
Attention : La ligne Deux patients est le vrai piège de cette fonction, parce qu'elle ne produit aucune erreur. Une marge de 21,56 sur une moyenne de l'ordre de 8 ne signifie pas que la fonction s'est trompée : elle te dit honnêtement que deux mesures ne permettent de conclure à rien. Fixe un effectif minimal dans ton protocole plutôt que de compter sur Excel pour t'arrêter.
Les erreurs fréquentes avec la fonction INTERVALLE.CONFIANCE.STUDENT
Deux des soucis viennent de tes paramètres, deux de ta lecture du résultat. Côté saisie : prendre ECARTYPE.PEARSON au lieu de ECARTYPE.STANDARD fausse ta marge de 5 à 10%, et un alpha hors de l'intervalle ]0;1[ déclenche un #NOMBRE!. Côté interprétation : la fonction te renvoie la demi-largeur, pas l'intervalle entier, et un intervalle à 95% ne veut pas dire "95% de chances que la vraie moyenne soit dedans".
Utiliser ECARTYPE.PEARSON au lieu de ECARTYPE.STANDARD
INTERVALLE.CONFIANCE.STUDENT requiert l'écart-type d'échantillon (ECARTYPE.STANDARD, division par n-1), pas l'écart-type de population (ECARTYPE.PEARSON, division par n). Utiliser le mauvais peut donner une marge d'erreur incorrecte de 5 à 10%.
Solution : Remplace ECARTYPE.PEARSON par ECARTYPE.STANDARD dans ton calcul d'écart-type : =ECARTYPE.STANDARD(données). STANDARD divise par (n-1) et donne une estimation non biaisée, ce qui est requis par la loi de Student.
Erreur #NOMBRE! : paramètres hors des plages valides
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.
Solution : Vérifie que tous tes paramètres sont dans les plages valides : alpha entre 0 et 1 (exclu), écart_type strictement positif, taille entier positif. Par exemple, =INTERVALLE.CONFIANCE.STUDENT(0,05; 5; 10) est correct.
Confusion entre marge d'erreur et intervalle complet
La fonction renvoie la MOITIÉ de l'intervalle (la marge). Pour un résultat de 2,5, l'intervalle total a une largeur de 5. Beaucoup d'utilisateurs pensent à tort que l'intervalle va de 0 à 2,5.
Solution : Utilise la marge comme suit : borne inférieure = moyenne - marge, borne supérieure = moyenne + marge. Le résultat de la fonction est toujours centré sur la moyenne, jamais sur zéro.
Mauvaise interprétation : "la vraie valeur est dans l'intervalle à 95%"
Un intervalle de confiance à 95% ne signifie pas "il y a 95% de chances que la vraie moyenne soit dans cet intervalle spécifique". Cette interprétation est très répandue mais statistiquement incorrecte.
Solution : L'interprétation correcte est : si tu répétais cette expérience 100 fois et calculais 100 intervalles différents, environ 95 de ces intervalles contiendraient la vraie moyenne de la population. L'intervalle que tu as calculé est soit bon, soit mauvais, pas probabiliste.
INTERVALLE.CONFIANCE.STUDENT vs INTERVALLE.CONFIANCE.NORMAL
Le choix entre les deux dépend de la taille de ton échantillon et de la connaissance de l'écart-type de la population. En pratique, Student est presque toujours le bon choix.
| Critère | INTERVALLE.CONFIANCE.STUDENT | INTERVALLE.CONFIANCE.NORMAL |
|---|---|---|
| Écart-type requis | Échantillon (ECARTYPE.STANDARD) | Population (connu à l'avance) |
| Taille d'échantillon idéale | Petits (n < 30) ou inconnu | Grands (n >= 30) |
| Largeur de l'intervalle | Plus large (plus prudent) | Plus étroite |
| Distribution utilisée | Loi de Student (t) | Loi normale (z) |
| Convergence | Vers Normal quand n augmente | Fixe |
| Recommandation | Cas général (99% des situations) | Quand écart-type population connu |
Questions fréquentes
Utilise INTERVALLE.CONFIANCE.STUDENT pour les petits échantillons (n inférieur à 30) ou quand l'écart-type de la population est inconnu. C'est presque toujours le cas en pratique. La loi de Student tient compte de l'incertitude supplémentaire liée aux petits échantillons.
Avec des petits échantillons, il y a plus d'incertitude sur l'estimation de l'écart-type. La loi de Student compense cette incertitude en élargissant l'intervalle, te donnant ainsi une estimation plus prudente et fiable. C'est une sécurité statistique bienvenue.
L'écart-type d'échantillon (ECARTYPE.STANDARD, divise par n-1) estime la variabilité à partir de tes données. L'écart-type de population (ECARTYPE.PEARSON, divise par n) suppose que tu connais la vraie variabilité. Pour INTERVALLE.CONFIANCE.STUDENT, utilise toujours l'écart-type d'échantillon.
Généralement, pour n supérieur ou égal à 30, les résultats de Student et Normal convergent. Cependant, si l'écart-type de population est inconnu (cas le plus fréquent), il est préférable d'utiliser Student même pour des échantillons plus grands. En cas de doute, reste sur Student.
Oui. Pour la borne supérieure : =MOYENNE(données) + INTERVALLE.CONFIANCE.STUDENT(0,05; ECARTYPE.STANDARD(données); NB(données)). Pour la borne inférieure, remplace le + par un -. Tu peux aussi référencer les cellules où tu as déjà calculé chaque composant.
Pour aller plus loin
Continue sur ta lancée après la fonction INTERVALLE.CONFIANCE.STUDENT : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
