LOI.F.INVERSE.DROITE te permet de trouver la valeur F critique qui correspond à une probabilité donnée dans la queue droite de la distribution F. En clair, elle te dit : quelle valeur F donne exactement 5 % de probabilité à droite ? C'est ton outil indispensable pour déterminer les seuils de décision dans tes tests d'ANOVA, de comparaison de variances ou de régression.
Plus intuitive que LOI.F.INVERSE, car tu travailles directement avec ton seuil alpha (0,05 pour 5 %, 0,01 pour 1 %). Elle s'utilise en analyses de variance pour comparer les performances de plusieurs groupes, en contrôle qualité pour comparer des procédés, et en modélisation statistique pour valider la significativité globale d'un modèle de régression.
Syntaxe de la fonction INVERSE.LOI.F.DROITE
=LOI.F.INVERSE.DROITE(probabilité; degrés_liberté1; degrés_liberté2)LOI.F.INVERSE.DROITE(alpha; dl1; dl2) est équivalent à LOI.F.INVERSE(1-alpha; dl1; dl2). Les deux retournent la même valeur critique F, mais l'écriture avec la queue droite est plus directe pour les tests statistiques.
Comprendre chaque paramètre de la fonction INVERSE.LOI.F.DROITE
Les trois arguments se lisent toujours dans le même ordre : ta probabilité (ton seuil alpha, du genre 0,05), puis le degré de liberté du numérateur, et enfin celui du dénominateur. Aucun n'est facultatif.
Attention à ne pas intervertir les deux degrés de liberté : (5; 20) ne donne pas le même F critique que (20; 5). Le premier décrit la variation entre groupes, le second la variation à l'intérieur.
probabilité
: la probabilité à droite de la valeur critique (aire dans la queue droite), un nombre strictement entre 0 et 1C'est ton seuil alpha. Par exemple, 0,05 signifie « 5 % des valeurs F sont au-dessus de cette limite ». Pour un test au seuil de 5 %, tu utilises directement 0,05.
Si tu passes 0 ou 1, ou une valeur hors de cet intervalle, Excel retourne #NOMBRE!.
Astuce : Pour un seuil de 5 %, utilise 0,05. Pour 1 %, utilise 0,01. Pour 10 %, utilise 0,10. C'est direct, pas de calcul mental !
degrés_liberté1
: le degré de liberté du numérateurPour un test de variance entre deux échantillons, c'est n1 - 1 (où n1 est la taille du premier échantillon). Pour une ANOVA, c'est k - 1 (où k est le nombre de groupes). Pour une régression, c'est le nombre de variables explicatives p.
Les degrés de liberté doivent être des entiers positifs (au minimum 1). Excel arrondira les décimales, mais évite ce cas pour plus de clarté.
Astuce : Dans une ANOVA à 4 groupes, degrés_liberté1 = 4 - 1 = 3. Mémorise la règle : numérateur = k - 1.
degrés_liberté2
: le degré de liberté du dénominateurPour un test de variance entre deux échantillons, c'est n2 - 1. Pour une ANOVA, c'est N - k (où N est le nombre total d'observations). Pour une régression, c'est n - p - 1 (où n est le nombre d'observations et p le nombre de variables).
Si tu obtiens un degré de liberté négatif ou nul, ton plan d'expérience n'a pas assez d'observations pour le nombre de paramètres à estimer.
Attention : L'ordre des degrés de liberté est crucial. LOI.F.INVERSE.DROITE(0,05; 5; 20) est différent de LOI.F.INVERSE.DROITE(0,05; 20; 5). Ne les inverse pas !
Exemples pratiques pas à pas
Data analyst : calcul de valeur critique F pour une ANOVA
Tu es data analyst et tu compares les performances moyennes de 4 campagnes marketing avec 80 observations au total. Tu dois trouver la valeur F critique au seuil de 5 % pour décider si les différences observées sont réelles ou dues au hasard.
Avec une valeur critique de 2,725, tu sais que si ton logiciel d'ANOVA te donne un F supérieur à ce seuil, tu peux affirmer avec 95 % de confiance qu'au moins une campagne performe différemment des autres. Si le F calculé est inférieur à 2,725, la différence n'est pas statistiquement prouvée.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Paramètre | Valeur | Calcul | Explication |
| 2 | Nb campagnes (k) | 4 | Donnée | 4 groupes à comparer |
| 3 | Nb obs (N) | 80 | Donnée | 80 observations totales |
| 4 | dl1 | 3 | k - 1 | 4 - 1 = 3 |
| 5 | dl2 | 76 | N - k | 80 - 4 = 76 |
| 6 | Alpha | 0,05 | Seuil | Test au seuil de 5 % |
| 7 | F critique | 2,725 | Formule | Valeur seuil |
=LOI.F.INVERSE.DROITE(0,05;3;76)Responsable qualité : seuil de décision ANOVA pour contrôle qualité
Tu es responsable qualité et tu testes si 5 opérateurs produisent la même qualité moyenne. Tu as 100 pièces au total. Pour un test de production critique, tu choisis un seuil de 1 % plutôt que 5 %, car le risque de fausse alerte est plus coûteux.
Un seuil de 1 % est plus exigeant que 5 %. La valeur critique 3,532 est plus élevée que pour 5 % (environ 2,47 dans le même plan). Cela réduit le risque de fausse alerte : tu ne concluras à une différence que si tu as des preuves très solides.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Élément | Valeur | Calcul | Signification |
| 2 | Opérateurs (k) | 5 | Donnée | 5 groupes |
| 3 | Pièces (N) | 100 | Donnée | 100 observations |
| 4 | dl1 | 4 | k - 1 | 5 - 1 = 4 |
| 5 | dl2 | 95 | N - k | 100 - 5 = 95 |
| 6 | Alpha | 0,01 | Seuil 1 % | Test très strict |
| 7 | F crit 1 % | 3,532 | Formule | Seuil de décision |
=LOI.F.INVERSE.DROITE(0,01;4;95)Astuce de pro : Comparer les valeurs critiques à différents seuils (1 %, 5 %, 10 %) dans un tableau donne une vue claire du niveau de certitude requis pour rejeter l'hypothèse nulle.
Chercheur : valeur F critique pour une régression multiple
Tu es chercheur et tu testes un modèle de régression avec 5 variables explicatives et 120 observations. La valeur F critique te sert à valider la significativité globale du modèle : est-ce que l'ensemble des variables explique vraiment quelque chose ?
Si ton logiciel de régression te donne un F supérieur à 2,295, ton modèle est statistiquement significatif. Cela signifie qu'au moins une de tes 5 variables a un effet réel sur la variable dépendante. Avec 114 degrés de liberté au dénominateur, tu as une bonne puissance statistique.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Paramètre | Valeur | Calcul | Interprétation |
| 2 | Variables (p) | 5 | Donnée | 5 prédicteurs |
| 3 | Observations (n) | 120 | Donnée | 120 données |
| 4 | dl1 | 5 | p | Variance expliquée |
| 5 | dl2 | 114 | n - p - 1 | 120 - 5 - 1 = 114 |
| 6 | Alpha | 0,05 | Seuil 5 % | Test standard |
| 7 | F critique | 2,295 | Formule | Valeur limite |
=LOI.F.INVERSE.DROITE(0,05;5;114)Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction INVERSE.LOI.F.DROITE
Ce qui fait dérailler cette fonction tient surtout aux degrés de liberté : oublier de retrancher 1, les écrire dans le mauvais ordre, ou tomber sur un dénominateur nul quand tu as trop peu d'observations pour tes paramètres. Côté probabilité, taper 5 au lieu de 0,05 te renvoie un #NOMBRE! direct.
Le dernier piège est invisible : diviser alpha par 2 par réflexe « test bilatéral » alors qu'une ANOVA se lit uniquement à droite. Là, aucun message d'erreur, juste un seuil faussé.
Probabilité hors de l'intervalle valide
La probabilité doit être strictement entre 0 et 1 (ni égale à 0, ni égale à 1). Des valeurs en dehors génèrent #NOMBRE!. Erreur courante : écrire 5 au lieu de 0,05.
Solution : Vérifie que ta valeur alpha est bien un décimal entre 0 et 1 : 0,05 pour 5 %, 0,01 pour 1 %, 0,10 pour 10 %. Jamais 5, 1 ou 10.
Oublier de soustraire 1 pour les degrés de liberté
Les degrés de liberté pour un échantillon de taille n sont n - 1, pas n. Pour une ANOVA avec k groupes, utilise k - 1, pas k. Cette erreur fausse complètement le résultat sans message d'avertissement.
Solution : Écris directement =LOI.F.INVERSE.DROITE(0,05; 4-1; 100-4) plutôt que de calculer les dl à la main : Excel effectue la soustraction et tu vois clairement la logique.
Inverser l'ordre des degrés de liberté
L'ordre est crucial : numérateur d'abord, dénominateur ensuite. Pour une ANOVA, c'est (k-1; N-k), jamais (N-k; k-1). Inverser les degrés donne des valeurs complètement fausses qui invalident le test.
Solution : Mémorise : premier dl = variation entre groupes (k-1), deuxième dl = variation au sein des groupes (N-k). Documente tes cellules avec des labels explicites pour ne jamais perdre le fil.
Diviser alpha par 2 pour une ANOVA
L'ANOVA est un test unilatéral à droite. Diviser alpha par 2 revient à appliquer une correction pour test bilatéral qui n'a pas lieu d'être ici. Cela donne une valeur critique trop élevée et réduit faussement la puissance du test.
Solution : Pour une ANOVA, utilise directement =LOI.F.INVERSE.DROITE(0,05; dl1; dl2). La division par 2 est réservée aux tests de comparaison de deux variances bilatéraux.
Degrés de liberté négatifs ou nuls
Si tu calcules n - p - 1 et que le résultat est zéro ou négatif, tu as trop peu d'observations pour le nombre de paramètres à estimer. Excel retourne #NOMBRE!.
Solution : Augmente la taille de ton échantillon ou réduis le nombre de variables. Une régression avec p variables nécessite au moins p + 2 observations pour avoir dl2 >= 1.
Questions fréquentes sur la fonction INVERSE.LOI.F.DROITE
Quelle différence entre LOI.F.INVERSE.DROITE et LOI.F.INVERSE ?
LOI.F.INVERSE.DROITE est plus intuitive pour les tests statistiques. Tu utilises directement ton seuil alpha (0,05 pour 5 %), tandis que LOI.F.INVERSE demande la probabilité cumulée gauche (0,95 pour un seuil de 5 %). Par exemple, LOI.F.INVERSE.DROITE(0,05; 5; 20) = LOI.F.INVERSE(0,95; 5; 20). Les deux retournent la même valeur critique.
Comment trouver la valeur critique F pour mon ANOVA au seuil de 1 % ?
Utilise =LOI.F.INVERSE.DROITE(0,01; k-1; N-k) où k est le nombre de groupes et N le nombre total d'observations. Par exemple, pour 4 groupes et 50 observations : =LOI.F.INVERSE.DROITE(0,01; 3; 46) retourne 4,228. Si ton F calculé dépasse 4,228, tes groupes diffèrent significativement au seuil de 1 %.
Pourquoi mes degrés de liberté changent entre test de variance et ANOVA ?
Pour un test de variance entre deux échantillons, utilise (n1-1) et (n2-1). Pour une ANOVA, utilise (k-1) pour le numérateur et (N-k) pour le dénominateur. Par exemple, 3 groupes avec 10 obs chacun : dl1 = 2, dl2 = 27.
Comment interpréter une valeur critique F de 3,49 au seuil de 5 % ?
Cela signifie que si les moyennes des groupes sont vraiment égales, seulement 5 % des ratios F dépasseraient 3,49 par hasard. Si ton F calculé dépasse 3,49, tu as une preuve statistique forte (au seuil de 5 %) que les moyennes diffèrent réellement.
Pourquoi ne pas diviser alpha par 2 pour l'ANOVA ?
L'ANOVA est un test unilatéral à droite : tu cherches uniquement si F est trop grand. Un test de comparaison de deux variances est bilatéral (une variance peut être supérieure ou inférieure à l'autre), donc on divise alpha par 2. Pour ANOVA, utilise directement =LOI.F.INVERSE.DROITE(0,05; dl1; dl2).
Pour aller plus loin
Bloqué sur une formule Excel ?
Pose ta question à notre assistant Excel IA, il te sort la bonne formule en quelques secondes.
Essayer l'assistant IAGratuit · 10 questions par mois