LOI.F.N donne accès à la distribution F de Fisher-Snedecor, la distribution statistique fondamentale derrière l'ANOVA et les tests de comparaison de variances. Concrètement, elle te permet de calculer la probabilité associée à une statistique F : est-ce que les différences observées entre tes groupes sont significatives, ou dues au hasard ?
C'est l'outil des analystes qui vont plus loin que TEST.F : comparer l'efficacité de plusieurs campagnes marketing en ANOVA, vérifier la cohérence de processus de production, ou analyser les volatilités de portefeuilles financiers avec un contrôle précis des degrés de liberté et de la queue du test.
Syntaxe de la fonction LOI.F.N
=LOI.F.N(x; ddl1; ddl2; cumulative)Pour obtenir la p-value d'un test ANOVA (unilatéral à droite), utilise =1-LOI.F.N(x; ddl1; ddl2; VRAI) ou directement =LOI.F.DROITE(x; ddl1; ddl2). Pour un test bilatéral de comparaison de variances, utilise =2*MIN(LOI.F.N(x;ddl1;ddl2;VRAI); 1-LOI.F.N(x;ddl1;ddl2;VRAI)).
Comprendre chaque paramètre de la fonction LOI.F.N
Les quatre arguments s'enchaînent dans un ordre figé : ta valeur F d'abord, puis les deux degrés de liberté, et enfin le booléen cumulative. Tous sont obligatoires, même cumulative que beaucoup de fonctions de loi laissent en option.
Attention surtout aux deux degrés de liberté : ddl1 (le numérateur, k-1 en ANOVA) et ddl2 (le dénominateur, N-k) ne sont pas interchangeables, car la distribution F n'est pas symétrique. Les intervertir te donne une p-value fausse sans le moindre message d'erreur.
x
: la valeur F pour laquelle calculer la probabilitéDoit être positive ou nulle (>= 0). Représente typiquement le ratio de deux variances calculé dans un test ANOVA, ou le ratio F = S1²/S2² d'un test de comparaison de variances.
En ANOVA, F = Variance inter-groupes / Variance intra-groupes. Un F proche de 1 signifie que les groupes ne diffèrent pas, un F élevé indique des différences significatives entre au moins deux groupes.
Attention : Si x est négatif, LOI.F.N renvoie l'erreur #NOMBRE!. La statistique F est toujours positive ou nulle car c'est un ratio de variances.
ddl1
: les degrés de liberté du numérateurEn ANOVA, c'est le nombre de groupes moins 1 : si tu compares 4 campagnes, ddl1 = 4-1 = 3. Doit être un entier positif >= 1.
Ddl1 affecte l'asymétrie de la distribution F. Plus il est grand, plus la distribution se rapproche d'une forme symétrique.
Astuce : Règle mnémotechnique : ddl1 = k-1 avec k = nombre de groupes comparés. Si tu compares 2 groupes, ddl1 = 1.
ddl2
: les degrés de liberté du dénominateurEn ANOVA, c'est le nombre total d'observations moins le nombre de groupes : pour 4 campagnes avec 50 observations chacune, ddl2 = 200-4 = 196. Doit être un entier positif >= 1.
Ddl2 influence la queue de la distribution. Plus il est grand, plus la valeur critique diminue et plus il est facile de détecter une différence significative.
Attention : Intervertir ddl1 et ddl2 donne des résultats incorrects. La règle ANOVA est : ddl1 = numérateur = k-1, ddl2 = dénominateur = N-k.
cumulative
: un booléen qui détermine le type de résultatVRAI renvoie la fonction de répartition P(F <= x) : la probabilité que la variable aléatoire F soit inférieure ou égale à x. FAUX renvoie la densité de probabilité f(x), rarement utilisée directement.
Pour calculer une p-value (test statistique), utilise toujours VRAI. La valeur FAUX est utile pour tracer la courbe de la distribution F, pas pour prendre des décisions statistiques.
Astuce : En pratique, utilise VRAI pour tous les tests statistiques. La p-value ANOVA s'obtient ensuite par 1-LOI.F.N(x;ddl1;ddl2;VRAI) pour un test unilatéral à droite.
Exemples pratiques pas à pas
Analyste marketing : comparer des campagnes par ANOVA
Tu es analyste marketing et tu veux comparer l'efficacité de 4 canaux en termes de panier moyen. Tu as calculé la statistique F = 7,82 avec ddl1 = 3 (4 groupes - 1) et ddl2 = 172 (176 observations - 4 groupes).
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Campagne | Échantillon | Panier moyen | Variance |
| 2 | A - Réseaux sociaux | n=45 | 127 € | S²=2340 |
| 3 | B - Emailing | n=52 | 118 € | S²=1890 |
| 4 | C - SEA | n=38 | 142 € | S²=2780 |
| 5 | D - Affiliation | n=41 | 95 € | S²=1560 |
=1-LOI.F.N(7,82; 3; 172; VRAI)Le 1- convertit la probabilité cumulée en p-value droite, celle qui convient à l'ANOVA. Ici, 0,000058 (soit p < 0,001) confirme que les différences entre campagnes sont hautement significatives : les campagnes SEA et réseaux sociaux génèrent des paniers nettement supérieurs, une réallocation budgétaire est statistiquement justifiée.
Astuce de pro : Le 1-LOI.F.N(...) est nécessaire car l'ANOVA est un test unilatéral à droite : on s'intéresse aux grandes valeurs de F (variance inter-groupes élevée = groupes différents). Tu peux aussi utiliser directement =LOI.F.DROITE(7,82;3;172) pour le même résultat.
Responsable qualité : comparer les précisions de deux machines
Tu es responsable qualité et tu veux vérifier si deux machines ont des précisions équivalentes. Machine A : variance 0,045 avec 25 mesures (ddl1=24). Machine B : variance 0,023 avec 30 mesures (ddl2=29). Tu calcules F = 0,045 / 0,023 = 1,96.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Machine | Échantillon | Variance (mm²) | DDL |
| 2 | Machine A | n=25 | S²=0,045 | 24 |
| 3 | Machine B | n=30 | S²=0,023 | 29 |
| 4 | F calculé | 0,045/0,023 | 1,96 | |
| 5 | p-value bilatérale | 2*MIN(...) | 0,089 |
=2*MIN(LOI.F.N(1,96; 24; 29; VRAI); 1-LOI.F.N(1,96; 24; 29; VRAI))Comme tu ignores à l'avance quelle machine est la plus précise, le test est bilatéral : la formule prend la plus petite des deux queues et la double pour obtenir la p-value. Ici, 0,089 est supérieur à 0,05, les précisions des deux machines sont statistiquement équivalentes.
Gestionnaire de patrimoine : comparer des volatilités
Tu gères un portefeuille et tu veux quantifier si les obligations sont significativement moins volatiles que les actions sur 52 semaines. Tu calcules F = variance actions / variance obligations = 156,4 / 28,7 = 5,45 avec ddl1=ddl2=51.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Portefeuille | Variance (%²) | Période | DDL |
| 2 | Actions | 156,4 | 52 semaines | 51 |
| 3 | Obligations | 28,7 | 52 semaines | 51 |
| 4 | Ratio F | 156,4/28,7 = 5,45 | ddl: 51, 51 | |
| 5 | P(F>5,45) | =1-LOI.F.N(...) | 0,0000001 |
=1-LOI.F.N(5,45; 51; 51; VRAI)Ici, le complément à 1 donne la p-value droite associée au ratio des deux variances, et elle est pratiquement nulle. Les obligations sont significativement moins volatiles (leur variance est 5,45 fois plus faible), ce qui justifie statistiquement l'allocation selon le profil de risque du client.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.F.N
Sur LOI.F.N, ce qui plante vraiment, c'est rarement la syntaxe : c'est le domaine de définition. Le #NOMBRE! tombe dès qu'un argument sort des clous, typiquement un x négatif ou un degré de liberté sous 1, parce que la distribution F n'existe que pour des valeurs positives.
Les deux autres pièges ne déclenchent aucune erreur Excel mais faussent ta conclusion : intervertir ddl1 et ddl2, et confondre test unilatéral (ANOVA) et bilatéral (comparaison de variances).
Erreur #NOMBRE! au calcul
Cette erreur survient quand les paramètres sont hors du domaine de définition de la distribution F : x < 0, ddl1 < 1, ou ddl2 < 1. La distribution F n'est définie que pour les valeurs positives et des degrés de liberté entiers positifs.
Solution : Vérifie que x >= 0 (la statistique F est toujours positive), ddl1 >= 1 et ddl2 >= 1. Si x vient d'un calcul de ratio de variances, assure-toi qu'il ne peut pas être négatif.
Inversion des degrés de liberté ddl1 et ddl2
Intervertir ddl1 et ddl2 donne des résultats incorrects car la distribution F n'est pas symétrique. En ANOVA : ddl1 = numérateur = k-1 (groupes moins 1), ddl2 = dénominateur = N-k (observations moins groupes). Les confondre produit une p-value fausse.
Solution : Rappelle-toi la règle : ddl1 correspond toujours au numérateur (variance inter-groupes), ddl2 au dénominateur (variance intra-groupes). Pour un test de comparaison de deux variances S1²/S2², ddl1 = n1-1 et ddl2 = n2-1.
Confondre test unilatéral et bilatéral
L'ANOVA est un test unilatéral à droite (on cherche des F grands), mais la comparaison de deux variances sans hypothèse directionnelle est bilatérale. Utiliser 1-LOI.F.N(...) pour un test bilatéral sous-estime la p-value de moitié.
Solution : Pour l'ANOVA : =1-LOI.F.N(x;ddl1;ddl2;VRAI) ou =LOI.F.DROITE(x;ddl1;ddl2). Pour un test bilatéral de comparaison de variances : =2*MIN(LOI.F.N(x;ddl1;ddl2;VRAI); 1-LOI.F.N(x;ddl1;ddl2;VRAI)).
LOI.F.N vs LOI.F.DROITE vs INVERSE.LOI.F vs TEST.F
Garde LOI.F.N quand tu as besoin de choisir ta queue toi-même, en particulier pour un test bilatéral de comparaison de variances : c'est la seule des quatre qui te donne P(F <= x) brut. Pour une simple p-value d'ANOVA, LOI.F.DROITE fait le 1-... à ta place et t'évite une source d'erreur.
Si tu pars de deux plages de données plutôt que d'un F déjà calculé, TEST.F te sort la p-value bilatérale en une ligne ; et quand tu cherches le seuil de F à partir d'un alpha, c'est INVERSE.LOI.F qu'il te faut.
| Critère | LOI.F.N | LOI.F.DROITE | INVERSE.LOI.F | TEST.F |
|---|---|---|---|---|
| Ce que la fonction calcule | P(F <= x) ou densité f(x) | P(F > x) directement | Valeur critique x pour un alpha donné | p-value bilatérale directe depuis deux plages |
| Arguments | x, ddl1, ddl2, cumulatif | x, ddl1, ddl2 | probabilité, ddl1, ddl2 | matrice1, matrice2 |
| Usage typique | ANOVA, comparaison variances | p-value ANOVA (plus direct) | Valeur critique F pour rejeter H0 | Test rapide en 1 ligne depuis les données brutes |
| Niveau de contrôle | Maximum (choix du type de queue) | Élevé (unilatéral droite uniquement) | Élevé (inverse de LOI.F.DROITE) | Minimal (bilatéral automatique) |
Questions fréquentes sur la fonction LOI.F.N
Comment calculer les degrés de liberté pour un test F en ANOVA ?
En ANOVA, le degré de liberté du numérateur (ddl1) est le nombre de groupes moins 1. Le degré de liberté du dénominateur (ddl2) est le nombre total d'observations moins le nombre de groupes.
Par exemple, pour comparer 4 campagnes avec 50 observations chacune : ddl1 = 4-1 = 3, ddl2 = 200-4 = 196.
Quelle est la différence entre LOI.F.N et LOI.F.DROITE ?
LOI.F.N avec cumulative=VRAI calcule P(F <= x), la queue gauche de la distribution. Pour obtenir la p-value d'un test ANOVA (queue droite), il faut calculer 1-LOI.F.N(x;ddl1;ddl2;VRAI).
LOI.F.DROITE calcule directement P(F > x), ce qui correspond à la p-value ANOVA en une seule étape. C'est plus simple pour l'ANOVA, mais LOI.F.N est nécessaire pour les tests bilatéraux de comparaison de variances.
Comment interpréter la statistique F en ANOVA ?
F = Variance inter-groupes / Variance intra-groupes. Un F proche de 1 indique que les variances sont similaires, donc les groupes ne diffèrent pas significativement entre eux. Un F élevé suggère qu'au moins un groupe a une moyenne significativement différente des autres.
La statistique F seule ne suffit pas : il faut la convertir en p-value via LOI.F.N ou LOI.F.DROITE pour conclure, car la valeur critique de F dépend des degrés de liberté.
La distribution F est-elle symétrique ?
Non, la distribution F est asymétrique et toujours définie sur [0, +infini). Elle est fortement asymétrique à droite pour de petits degrés de liberté, avec une longue queue vers les grandes valeurs.
Quand les degrés de liberté deviennent très grands, la distribution F tend vers une distribution normale centrée sur 1. C'est pourquoi les valeurs critiques F diminuent quand les tailles d'échantillon augmentent.
Comment réaliser un test bilatéral de comparaison de variances ?
Pour un test bilatéral H0: sigma1 = sigma2 (sans hypothèse sur laquelle est plus grande), calcule F = S1²/S2² (ou S2²/S1², l'ordre n'a pas d'importance) puis applique la formule : =2*MIN(LOI.F.N(F;ddl1;ddl2;VRAI); 1-LOI.F.N(F;ddl1;ddl2;VRAI)).
Cette formule choisit automatiquement la plus petite des deux queues et la double pour obtenir la p-value bilatérale, garantissant un test symétrique.
Peut-on utiliser LOI.F.N pour un test ANOVA à plusieurs facteurs ?
Oui, mais l'ANOVA à deux facteurs ou plus nécessite de calculer plusieurs statistiques F (une par facteur et une pour l'interaction). Chaque F a ses propres degrés de liberté numérateur et dénominateur.
Excel ne propose pas de fonction ANOVA directe (contrairement à l'Outil d'analyse de données via les modules complémentaires), mais tu peux calculer manuellement les statistiques F et utiliser LOI.F.N pour chaque effet si tu connais les sommes des carrés de ton modèle.
Pour aller plus loin
Les fonctions similaires : LOI.F.DROITE, INVERSE.LOI.F, TEST.F, LOI.STUDENT.N, LOI.NORMALE.N
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