La fonction LOI.GAMMA.N calcule la distribution Gamma, une famille de distributions de probabilité fondamentale en statistiques. Tu l'utilises quand tu as besoin de modéliser le temps d'attente jusqu'à plusieurs événements consécutifs, des montants de sinistres, ou des durées de vie de composants.
Concrètement, elle apparaît naturellement dans de nombreux contextes professionnels : dimensionner un call center en calculant la probabilité que 3 appels arrivent en moins de 15 minutes, calculer des provisions de sinistres en assurance automobile, planifier des maintenances préventives en fiabilité industrielle. La distribution Gamma généralise la loi exponentielle et englobe la loi du khi-deux comme cas particulier.
Syntaxe de la fonction LOI.GAMMA.N
=LOI.GAMMA.N(x; alpha; beta; cumulative)Excel utilise la paramétrisation (alpha, beta) où beta est le paramètre d'échelle. Moyenne = alpha × beta, Variance = alpha × beta². Cette convention peut différer des sources qui utilisent beta comme paramètre de taux (lambda = 1/beta) : vérifie toujours que ta valeur de beta donne bien la moyenne attendue.
Comprendre chaque paramètre de la fonction LOI.GAMMA.N
x
: la valeur pour laquelle calculer la probabilitéDoit être positive ou nulle (x >= 0). Représente typiquement un temps d'attente, une durée de vie, ou un montant.
Attention : Si x < 0, la fonction renvoie #NOMBRE!. Si x = 0, la densité est nulle pour alpha > 1, tend vers l'infini pour alpha < 1, et vaut 1/beta pour alpha = 1.
alpha
: le paramètre de forme (`k`)Doit être strictement positif (alpha > 0). Contrôle l'asymétrie de la distribution : pour alpha = 1 on obtient une exponentielle, pour un entier alpha = n on obtient la distribution d'Erlang (temps jusqu'au n-ième événement d'un processus de Poisson), et plus alpha augmente, plus la distribution tend vers la normale par le théorème central limite.
Astuce : Quand tu modélises le temps d'attente jusqu'au k-ième événement d'un processus de Poisson, alpha est simplement ce k. Par exemple, pour le temps avant d'avoir reçu 3 appels, alpha = 3.
beta
: le paramètre d'échelle (`theta`)Doit être strictement positif (beta > 0). Contrôle l'étalement de la distribution. Dans un processus de Poisson de taux lambda (événements par heure), beta = 1/lambda.
Astuce : Méthode rapide pour estimer beta à partir de données : beta = variance / moyenne. L'estimateur de alpha est alpha = moyenne² / variance. Pour plus de précision sur de petits échantillons, utilise le Solveur Excel avec le maximum de vraisemblance.
cumulative
: booléen qui détermine le type de calculVRAI retourne la fonction de répartition P(X <= x), c'est-à-dire la probabilité cumulée. FAUX retourne la densité de probabilité f(x) au point x, sans signification probabiliste directe.
Dans la pratique, tu utiliseras VRAI pour presque tous les calculs de risque, de provisions et de dimensionnement, car tu as besoin de probabilités cumulées (« quelle est la probabilité que la durée de vie dépasse X ? »). La densité (FAUX) sert principalement à tracer la courbe de distribution.
Exemples pratiques pas à pas
Responsable call center : dimensionnement des équipes
Tu es responsable d'un call center qui reçoit en moyenne 12 appels par heure (lambda = 12). Tu veux savoir combien de temps s'écoule avant de recevoir 3 appels consécutifs pour dimensionner les rotations d'équipe. Beta = 1/12 ≈ 0,083 heure, alpha = 3.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Scénario | Alpha | Beta | Formule | Résultat |
| 2 | P(3 appels en < 15 min) | 3 | 0,083 | =LOI.GAMMA.N(0,25;3;0,083;VRAI) | 0,577 |
| 3 | Temps médian (3 appels) | 3 | 0,083 | =LOI.GAMMA.INVERSE.N(0,5;3;0,083) | 0,214 h = 12,8 min |
| 4 | P(attente > 30 min) | 3 | 0,083 | =1-LOI.GAMMA.N(0,5;3;0,083;VRAI) | 0,125 |
=LOI.GAMMA.N(0,25;3;0,083;VRAI)La fonction calcule la probabilité cumulée d'attendre au plus 0,25 heure (15 minutes) avant le 3e appel, avec une forme de 3 et une échelle de 0,083. Le résultat indique que 57,7 % des périodes reçoivent 3 appels en moins de 15 minutes : un repère direct pour calibrer les rotations d'équipe.
Astuce de pro : Pour connaître la durée à ne pas dépasser pour couvrir X% des cas, utilise LOI.GAMMA.INVERSE.N : =LOI.GAMMA.INVERSE.N(0,9; 3; 0,083) te donne la durée au-delà de laquelle seulement 10% des séries de 3 appels sont encore attendues.
Actuaire : provisionnement de sinistres automobiles
Tu es actuaire et tu analyses les sinistres automobiles d'un portefeuille. Les paramètres estimés par la méthode des moments sont alpha = 2,5 et beta = 4 000 € (ce qui donne une moyenne de 10 000 €). Tu dois calculer les provisions réglementaires.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Type de calcul | Formule | Résultat | Interprétation |
| 2 | P(sinistre < 5 000 €) | =LOI.GAMMA.N(5000;2,5;4000;VRAI) | 0,287 | 28,7 % des sinistres |
| 3 | P(sinistre > 20 000 €) | =1-LOI.GAMMA.N(20000;2,5;4000;VRAI) | 0,143 | 14,3 % des sinistres |
| 4 | Provision 95 % | =LOI.GAMMA.INVERSE.N(0,95;2,5;4000) | 25 800 € | Quantile 95 % |
| 5 | Provision 99 % (SCR) | =LOI.GAMMA.INVERSE.N(0,99;2,5;4000) | 38 200 € | Quantile 99 % |
=LOI.GAMMA.INVERSE.N(0,95;2,5;4000)Ici, la fonction inverse renvoie le quantile à 95 % de la distribution des sinistres : le montant 25 800 € couvre 95 % des sinistres du portefeuille. Le quantile à 99 % (38 200 €, Solvency Capital Requirement) et les deux probabilités de la colonne alimentent ensuite le bilan prudentiel.
Responsable maintenance : planification des remplacements préventifs
Tu es responsable maintenance industrielle avec des composants dont la durée de vie suit une distribution Gamma(3, 5 000 h), soit un MTBF de 15 000 heures. Tu dois définir le calendrier de remplacement préventif et la durée de garantie.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Calcul | Formule | Résultat | Interprétation |
| 2 | P(panne avant 10 000 h) | =LOI.GAMMA.N(10000;3;5000;VRAI) | 0,323 | 32,3 % de pannes précoces |
| 3 | P(survie après 20 000 h) | =1-LOI.GAMMA.N(20000;3;5000;VRAI) | 0,238 | 23,8 % longue durée |
| 4 | Remplacement préventif à 10 % | =LOI.GAMMA.INVERSE.N(0,1;3;5000) | 6 300 h | 10 % de risque accepté |
| 5 | Durée de garantie à 5 % | =LOI.GAMMA.INVERSE.N(0,05;3;5000) | 4 100 h | 5 % de retours garantis |
=LOI.GAMMA.INVERSE.N(0,1;3;5000)La formule cherche la durée correspondant au quantile à 10 % de la loi Gamma(3, 5 000 h) : remplacer à 6 300 heures revient à n'accepter qu'un risque de panne précoce de 10 %. Le quantile à 5 % (4 100 heures) fixe de la même façon la durée de garantie.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.GAMMA.N
Paramètres hors domaine : #NOMBRE!
#NOMBRE! apparaît quand x < 0, alpha <= 0, ou beta <= 0. Aucun de ces trois paramètres ne peut prendre une valeur nulle ou négative dans la distribution Gamma.
Solution : Vérifie tes valeurs d'entrée : x >= 0, alpha > 0 et beta > 0 sont les contraintes strictes. Si tes données peuvent contenir des valeurs hors domaine, protège la formule avec SIERREUR ou ajoute un test conditionnel en amont.
Résultat incohérent à cause d'une confusion de paramétrisation
Certaines sources et logiciels statistiques (R, Python scipy) utilisent beta comme le paramètre de taux (= 1/échelle), alors qu'Excel utilise beta comme le paramètre d'échelle. Utiliser la mauvaise valeur donne une distribution avec la mauvaise moyenne.
Solution : Vérifie que alpha × beta correspond bien à la moyenne observée de tes données. Si ta source donne un taux lambda, convertis-le : beta_Excel = 1/lambda. La vérification =LOI.GAMMA.N(alpha*beta; alpha; beta; VRAI) doit donner environ 0,5 (la médiane est proche de la moyenne pour des alpha élevés).
Mauvaise estimation des paramètres avec la méthode des moments
Sur de petits échantillons (moins de 30-50 observations), la méthode des moments peut produire des estimateurs biaisés, en particulier pour alpha.
Solution : Utilise le Solveur Excel pour l'estimation par maximum de vraisemblance : définis une cellule qui calcule la log-vraisemblance à partir de tes données et de (alpha, beta), puis fais varier alpha et beta pour la maximiser. Cette approche est plus robuste sur les petits échantillons.
LOI.GAMMA.N vs LOI.EXPONENTIELLE.N vs LOI.KHIDEUX.N vs LOI.WEIBULL
La distribution Gamma est une famille générale dont l'exponentielle et le khi-deux sont des cas particuliers. Weibull est une alternative pour modéliser l'usure, avec un paramètre de forme différent.
| Critère | LOI.GAMMA.N | LOI.EXPONENTIELLE.N | LOI.KHIDEUX.N | LOI.WEIBULL |
|---|---|---|---|---|
| Paramètre de forme | alpha quelconque > 0 | alpha = 1 (cas particulier) | alpha = n/2, beta = 2 | paramètre k distinct |
| Cas d'usage typique | Temps avant k événements Poisson, sinistres | Temps jusqu'au 1er événement | Tests d'ajustement, intervalles de confiance | Fiabilité avec usure ou rodage |
| Queue de distribution | Asymétrique droite (décroît selon alpha) | Très asymétrique droite | Asymétrique droite | Variable selon le paramètre de forme |
| Estimation des paramètres | Méthode des moments ou MLE | 1/moyenne | Degrés de liberté connus | Méthode des moments ou MLE |
Questions fréquentes sur la fonction LOI.GAMMA.N
Quand utiliser la distribution Gamma plutôt qu'une autre loi ?
Utilise la Gamma pour modéliser le temps d'attente jusqu'à plusieurs événements dans un processus de Poisson, les durées de vie de composants, ou les montants de sinistres en assurance. Elle convient à toute variable positive avec asymétrie à droite. Elle généralise l'exponentielle et inclut le khi-deux comme cas particulier.
Comment interpréter les paramètres alpha et beta ?
Alpha contrôle la forme : alpha = 1 donne une exponentielle, et plus alpha augmente, plus la distribution tend vers la symétrie. Beta est le paramètre d'échelle qui étale la distribution. La moyenne est alpha × beta et la variance est alpha × beta². Ces deux formules te permettent d'estimer les paramètres à partir de tes données.
Quelle est la relation entre la Gamma, la Poisson et l'Exponentielle ?
Si les événements arrivent selon un processus de Poisson de taux lambda, le temps entre deux événements suit une Exponentielle(1/lambda), et le temps jusqu'au n-ième événement suit une Gamma(n, 1/lambda). La distribution Gamma est donc la somme de n variables exponentielles indépendantes de même paramètre.
Comment estimer alpha et beta à partir de données observées ?
Méthode des moments : calcule la moyenne m et la variance v de tes données. Alors beta = v/m et alpha = m²/v. Ces formules te donnent des estimateurs cohérents. Pour plus de précision sur des petits échantillons, utilise le Solveur Excel avec le maximum de vraisemblance.
Pourquoi la Gamma est-elle utilisée en assurance ?
Les montants de sinistres sont positifs et présentent une queue longue à droite : quelques sinistres majeurs dominent la distribution. La Gamma capture ces caractéristiques naturellement et permet de calculer les provisions techniques au quantile voulu avec LOI.GAMMA.INVERSE.N, sans hypothèse de normalité qui serait inadaptée.
Quelle différence entre LOI.GAMMA.N et l'ancienne fonction LOI.GAMMA ?
LOI.GAMMA.N est la version moderne introduite dans Excel 2010. Elle remplace LOI.GAMMA (sans suffixe), qui est maintenue pour la compatibilité mais déconseillée pour les nouveaux classeurs. Les deux fonctions calculent la même chose mais Microsoft recommande LOI.GAMMA.N pour de meilleures performances numériques.
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