LOI.BETA.INVERSE (BETA.INV en anglais) retourne l'inverse de la fonction de distribution cumulative d'une distribution bêta. En clair, tu lui donnes une probabilité et elle te répond : « la valeur qui correspond à cette probabilité dans ta distribution bêta ».
C'est la fonction jumelle de LOI.BETA : là où LOI.BETA calcule une probabilité à partir d'une valeur, LOI.BETA.INVERSE fait le chemin inverse. Elle est essentielle pour les analyses de taux de conversion, de ratios et de proportions, par exemple pour calculer l'intervalle de confiance d'un taux de conversion après une campagne marketing, estimer le taux de conformité réel d'une ligne de production, ou construire des scénarios budgétaires basés sur des historiques.
Syntaxe de la fonction LOI.BETA.INVERSE
=LOI.BETA.INVERSE(probabilité; alpha; bêta; [A]; [B])Comprendre chaque paramètre de la fonction LOI.BETA.INVERSE
Les cinq arguments se lisent dans l'ordre : d'abord la probabilité que tu cherches, puis les deux paramètres de forme alpha et bêta, et enfin les bornes A et B de ton intervalle. Les trois premiers sont obligatoires, et tous doivent tenir leurs limites : la probabilité strictement entre 0 et 1, alpha et bêta strictement positifs.
Seuls A et B sont facultatifs. Si tu les laisses de côté, la fonction travaille sur l'intervalle [0; 1], ce qui tombe juste pour des proportions ; tu ne les renseignes que pour rééchelonner le résultat (par exemple 0 à 100 pour sortir directement un pourcentage).
probabilité
: la probabilité cumulée pour laquelle tu veux trouver la valeur correspondante dans la distribution bêtaC'est une valeur comprise entre 0 et 1 (exclus). Par exemple, 0,5 représente la médiane (50 % des valeurs sont inférieures), 0,025 la borne inférieure d'un intervalle à 95 %, et 0,975 la borne supérieure.
Ce paramètre est la variable d'entrée centrale : c'est lui que tu fais varier pour explorer les différents quantiles de ta distribution.
Attention : La probabilité doit être strictement supérieure à 0 et inférieure à 1. Les valeurs 0 et 1 exactement génèrent une erreur #NOMBRE!.
alpha
: le premier paramètre de forme de la distribution bêtaIl doit être strictement positif (supérieur à 0). Ce paramètre contrôle la forme de la distribution et influence son asymétrie.
En analyse bayésienne, alpha représente souvent le nombre de succès observés plus un. Plus alpha est grand par rapport à bêta, plus la distribution est décalée vers les valeurs élevées.
Astuce : Pour un taux de conversion avec 50 succès sur 200 essais, utilise alpha = 51 (succès + 1) et bêta = 151 (échecs + 1) selon l'approche bayésienne.
bêta
: le second paramètre de forme de la distribution bêtaComme alpha, il doit être strictement positif. Ensemble, alpha et bêta déterminent la forme complète de la distribution.
En analyse bayésienne, bêta représente souvent le nombre d'échecs observés plus un. Le rapport entre alpha et bêta détermine où se situe le centre de la distribution, tandis que leur somme détermine la concentration : plus la somme est grande, plus la distribution est concentrée autour de sa valeur centrale.
A
: la borne inférieure de l'intervalle sur lequel la distribution est définie(facultatif)Par défaut, cette valeur est 0. Ce paramètre est optionnel.
Tu peux personnaliser cette borne si tes données ne sont pas naturellement sur l'intervalle [0; 1]. Par exemple, si tu analyses des pourcentages affichés entre 0 et 100, tu fixeras A = 0 et B = 100.
Astuce : Si tu omets A et B, Excel utilise automatiquement l'intervalle standard [0; 1], ce qui convient pour la plupart des analyses de proportions.
B
: la borne supérieure de l'intervalle sur lequel la distribution est définie(facultatif)Par défaut, cette valeur est 1. B doit être strictement supérieur à A.
La fonction retournera toujours une valeur comprise entre A et B. Ce paramètre te permet d'adapter la distribution à l'échelle naturelle de tes données.
Attention : Si A est supérieur ou égal à B, Excel retourne l'erreur #NOMBRE!.
Exemples pratiques pas à pas
Data analyst : intervalle de confiance pour un taux de conversion
Tu es data analyst et tu analyses le taux de conversion d'une campagne marketing. Sur 1 000 visiteurs, 250 ont converti. Tu veux calculer un intervalle de confiance à 95 % pour estimer le vrai taux de conversion dans ta population.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Probabilité | Alpha | Bêta | A | B | Taux estimé |
| 2 | 2,5 % | 251 | 751 | 0 | 100 | 22,4 % |
| 3 | 50 % | 251 | 751 | 0 | 100 | 25,0 % |
| 4 | 97,5 % | 251 | 751 | 0 | 100 | 27,7 % |
=LOI.BETA.INVERSE(0,025; 251; 751; 0; 100)En utilisant l'approche bayésienne avec une prior uniforme, tu as alpha = 251 (conversions + 1) et bêta = 751 (non-conversions + 1). Pour l'intervalle à 95 %, tu calcules les quantiles à 2,5 % et 97,5 %. En passant A = 0 et B = 100, le résultat sort directement en pourcentage sans calcul supplémentaire. Tu peux présenter à ton équipe : « le taux de conversion est de 25 % avec un intervalle de confiance à 95 % de [22,4 % ; 27,7 %] ».
Astuce de pro : Pour les deux bornes simultanément, utilise =LOI.BETA.INVERSE(0,025; 251; 751; 0; 100) pour la borne inférieure et =LOI.BETA.INVERSE(0,975; 251; 751; 0; 100) pour la supérieure. La règle générale pour un intervalle à X % : utilise (1-X/100)/2 et 1-(1-X/100)/2.
Responsable qualité : estimation du taux de conformité
Tu es responsable qualité dans une usine de production. Lors d'un contrôle, tu as inspecté 500 pièces et trouvé 475 pièces conformes (95 % de conformité). Tu veux estimer le taux de conformité médian et calculer un intervalle de confiance à 90 %.
Pour une analyse bayésienne, tu utilises alpha = 476 (pièces conformes + 1) et bêta = 26 (pièces non conformes + 1). L'intervalle à 90 % utilise les quantiles à 5 % et 95 %. Ici l'intervalle standard [0; 1] suffit, et tu convertis le résultat en pourcentage via le format de cellule. Ces résultats te permettent de communiquer avec précision sur la qualité de ta production : si l'objectif est 95 %, la borne inférieure de 93,2 % peut justifier des actions d'amélioration.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Probabilité | Alpha | Bêta | Taux estimé |
| 2 | 5 % | 476 | 26 | 93,2 % |
| 3 | 50 % | 476 | 26 | 94,8 % |
| 4 | 95 % | 476 | 26 | 96,3 % |
=LOI.BETA.INVERSE(0,5; 476; 26)Contrôleur de gestion : scénarios de prévision de ratio financier
Tu es contrôleur de gestion et tu analyses le ratio de marge brute de ton entreprise. Sur 20 trimestres historiques, le ratio a suivi une distribution bêta avec alpha = 12 et bêta = 5, ce qui reflète une tendance vers les valeurs élevées. Tes ratios varient entre 30 % et 80 %. Tu veux les trois quartiles pour construire tes scénarios budgétaires.
| A | B | C | |
|---|---|---|---|
| 1 | Scénario | Probabilité | Ratio de marge |
| 2 | Pessimiste (Q1) | 25 % | 58,7 % |
| 3 | Médian (Q2) | 50 % | 65,1 % |
| 4 | Optimiste (Q3) | 75 % | 70,8 % |
=LOI.BETA.INVERSE(0,25; 12; 5; 30; 80)En passant A = 30 et B = 80, la fonction retourne directement des valeurs dans ton unité métier. Ces trois valeurs (Q1, Q2, Q3) te donnent une vision complète : un budget conservateur à 58,7 %, un budget médian à 65,1 % et un budget ambitieux à 70,8 %. Il n'y a plus qu'à choisir ton niveau d'ambition.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.BETA.INVERSE
Presque tous les ratés ici remontent au même code, #NOMBRE!, parce qu'un argument déborde de ses limites. Le coupable le plus fréquent est une probabilité qui tombe pile sur 0 ou 1 : ça arrive dès qu'elle vient d'une autre formule et qu'un cas limite la pousse exactement au bord.
Les deux autres suspects sont un alpha ou un bêta devenu nul ou négatif (souvent un « succès + 1 » mal récupéré), et des bornes inversées où A finit supérieur ou égal à B. Le seul intrus est #VALEUR!, qui signale du texte ou une cellule vide glissée à la place d'un nombre.
Probabilité hors intervalle ouvert ]0 ; 1[
La fonction exige que la probabilité soit strictement comprise entre 0 et 1. Une valeur de 0 ou 1 exactement, ou une valeur négative ou supérieure à 1, génère l'erreur #NOMBRE!. C'est le cas typique quand tu calcules une probabilité via une autre formule et qu'un cas limite donne exactement 0 ou 1.
Solution : Vérifie que ta cellule de probabilité contient une valeur strictement entre 0 et 1. Utilise =LOI.BETA.INVERSE(MAX(0,001; MIN(0,999; A1)); ...) pour sécuriser les cas limites dans un modèle automatisé.
Alpha ou bêta négatif ou nul
Les paramètres alpha et bêta doivent être strictement positifs. Une valeur nulle ou négative provoque une erreur #NOMBRE!. Cela arrive souvent quand tu calcules alpha à partir de données (succès + 1) et que le nombre de succès est mal récupéré.
Solution : Assure-toi que le nombre de succès et le nombre d'échecs sont bien des entiers positifs avant d'ajouter 1. Utilise MAX(1; succès + 1) et MAX(1; échecs + 1) pour garantir la contrainte.
Borne A supérieure ou égale à B
Quand tu personnalises l'intervalle avec les paramètres A et B, la borne inférieure doit être strictement plus petite que la supérieure. Si A >= B, Excel retourne #NOMBRE!. Erreur courante quand les bornes sont calculées dynamiquement et que les valeurs source sont dans le mauvais ordre.
Solution : Utilise =MIN(A1; B1) pour A et =MAX(A1; B1) pour B, ou ajoute une validation de données pour forcer l'ordre correct dans tes cellules source.
Erreur #VALEUR! sur un argument
Cette erreur survient quand un ou plusieurs arguments ne sont pas des nombres valides : cellule contenant du texte, cellule vide référencée, ou résultat d'une formule qui retourne une chaîne.
Solution : Vérifie que toutes les cellules des paramètres contiennent bien des valeurs numériques. Utilise ESTNUM(cellule) pour diagnostiquer avant de lancer le calcul.
Questions fréquentes sur la fonction LOI.BETA.INVERSE
Quelle est la différence entre LOI.BETA.INVERSE et LOI.BETA ?
LOI.BETA calcule la probabilité pour une valeur donnée, tandis que LOI.BETA.INVERSE fait l'inverse : elle retourne la valeur correspondant à une probabilité donnée. Ce sont des fonctions inverses l'une de l'autre.
Par exemple, si =LOI.BETA(0,6; 5; 2) retourne 0,8, alors =LOI.BETA.INVERSE(0,8; 5; 2) retourne 0,6.
À quoi servent les paramètres A et B optionnels ?
Les paramètres A et B définissent l'intervalle de la distribution. Par défaut, la distribution bêta est définie sur [0; 1], ce qui est parfait pour des proportions ou des probabilités.
Mais si tu analyses des pourcentages affichés sur [0; 100] ou des durées sur [10; 50] jours, tu peux personnaliser cet intervalle avec A (borne inférieure) et B (borne supérieure). Le résultat est alors automatiquement mis à l'échelle de ton intervalle.
Comment calculer un intervalle de confiance avec LOI.BETA.INVERSE ?
Pour un intervalle à 95 %, utilise les quantiles à 2,5 % et 97,5 % : =LOI.BETA.INVERSE(0,025; alpha; bêta) pour la borne inférieure et =LOI.BETA.INVERSE(0,975; alpha; bêta) pour la borne supérieure.
La règle générale : pour un intervalle à X %, utilise (1-X/100)/2 et 1-(1-X/100)/2. Pour 90 % : 0,05 et 0,95. Pour 99 % : 0,005 et 0,995.
Quand utiliser la distribution bêta plutôt que la loi normale ?
La distribution bêta est idéale pour modéliser des proportions, des pourcentages ou des probabilités, c'est-à-dire des valeurs bornées entre 0 et 1. Elle est très flexible : elle peut être symétrique (alpha = bêta), asymétrique, en forme de U (alpha et bêta inférieurs à 1) ou en forme de J (un paramètre inférieur à 1, l'autre supérieur).
La loi normale convient mieux aux variables non bornées (tailles, poids, revenus) quand l'échantillon est grand. Pour les taux, préfère la bêta.
Cette fonction fonctionne-t-elle dans toutes les versions d'Excel ?
LOI.BETA.INVERSE est disponible depuis Excel 2010. Dans Excel 2007 et antérieur, la fonction correspondante s'appelait BETAINV (sans points). Si tu travailles dans un environnement mixte, vérifie la version utilisée par tes collaborateurs.
En anglais, la fonction s'appelle BETA.INV depuis Excel 2010 (l'ancienne BETAINV reste disponible pour compatibilité).
Comment utiliser LOI.BETA.INVERSE en analyse bayésienne ?
L'approche classique consiste à utiliser une prior uniforme : si tu as observé s succès et f échecs, pose alpha = s + 1 et bêta = f + 1. La distribution bêta résultante représente tes croyances mises à jour sur le vrai paramètre.
Tu peux ensuite utiliser LOI.BETA.INVERSE pour extraire des quantiles de cette distribution a posteriori : médiane, percentiles, intervalles de crédibilité.
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