Qu'est-ce que la fonction LOI.
LOI.KHIDEUX (CHISQ.DIST en anglais) te sert dès que tu veux prouver qu'une relation entre deux variables catégorielles n'est pas due au hasard, plutôt que de te contenter d'un tableau croisé qui semble parlant. Si tu te demandes si le sexe influence la préférence produit ou si la région affecte le taux de défauts, c'est elle qui transforme une intuition en probabilité chiffrée.
Concrètement, c'est elle qui retourne la p-value d'un test d'indépendance dans un tableau croisé, valide la significativité d'un test A/B, analyse la distribution d'un sondage ou contrôle la variance des défauts en production. Partout où tu dois valider une hypothèse sur des données catégorielles, LOI.KHIDEUX est ton point de départ.
Syntaxe
=LOI.KHIDEUX(x; degrés_liberté; cumulative)Clique sur un argument pour aller à son explication.
LOI.KHIDEUX avec cumulative=VRAI retourne P(χ² ≤ x), soit la probabilité à gauche. Pour obtenir la p-value d'un test (probabilité à droite), utilise =1-LOI.KHIDEUX(x; ddl; VRAI). Si tu veux éviter ce calcul, utilise directement TEST.KHIDEUX qui le fait automatiquement.
Comprendre chaque paramètre de la fonction LOI.KHIDEUX
x
: la valeur du chi-deux (khi-deux) pour laquelle tu veux calculer la probabilitéC'est généralement un nombre positif que tu as calculé à partir de tes données observées et théoriques. Par exemple, si ton chi-deux calculé vaut 10,5, tu saisis 10.5 ici.
Cette valeur doit être supérieure ou égale à 0. Le chi-deux est toujours positif ou nul : si tu obtiens une valeur négative, tu as une erreur dans ton calcul.
Attention : Si x est négatif, Excel retourne #NOMBRE!. Le chi-deux est par construction toujours positif : il résulte d'une somme de carrés divisés par des effectifs théoriques.
degrés_liberté
: le nombre de degrés de liberté (ddl) de ton testCe nombre dépend de la structure de tes données. Pour un tableau croisé : ddl = (nombre de lignes - 1) × (nombre de colonnes - 1). Pour un tableau 3×4, ddl = (3-1) × (4-1) = 6. Pour un test d'ajustement : ddl = nombre de catégories - 1. Pour 5 catégories, ddl = 4.
Ce paramètre doit être un entier positif supérieur ou égal à 1. Excel retournera une erreur #NOMBRE! si tu saisis 0 ou un nombre négatif.
cumulative
: une valeur logique qui détermine la forme de la fonction retournéeVRAI retourne la fonction de répartition cumulative, soit P(χ² ≤ x) : c'est ce que tu utilises dans la grande majorité des cas pour les tests statistiques. FAUX retourne la densité de probabilité au point x, rarement utilisé en pratique, sauf pour tracer la courbe de distribution.
Pour calculer une p-value (probabilité à droite), la formule est =1-LOI.KHIDEUX(x; ddl; VRAI).
Exemples pratiques pas à pas
Comment obtenir la p-value d'un test du khi-deux avec la fonction LOI.KHIDEUX
Un sondage à quatre niveaux de satisfaction a été passé à plusieurs vagues de clients, et le khi-deux d'ajustement de chaque vague est déjà calculé dans le tableau. Ce qu'il faut maintenant, c'est savoir lesquelles s'écartent vraiment d'une répartition uniforme des réponses et lesquelles rentrent dans le bruit d'échantillonnage. La fonction LOI.KHIDEUX convertit chaque khi-deux en probabilité à partir des degrés de liberté du test.
- 1Dans une cellule, écris
=LOI.KHIDEUX(. - 2En 1er argument : clique sur la cellule du khi-deux déjà calculé,
B2, qui affiche15,20sur le test LOI-01. La fonction LOI.KHIDEUX part de cette somme d'écarts et ne voit jamais les effectifs qui l'ont produite. - 3En 2ᵉ argument : saisis le nombre de degrés de liberté,
3, soit les quatre niveaux du sondage moins un. C'est le dernier argument, car la fonction LOI.KHIDEUX n'en accepte que deux : lui ajouter unVRAIla fait échouer, contrairement à ce que sa parenté avec les lois plus récentes laisse croire. - 4Ferme la parenthèse et appuie sur Entrée, puis recopie la formule vers le bas pour convertir chaque khi-deux du tableau en sa probabilité.
=LOI.KHIDEUX(B2; 3)cumulative. Les 0,2 % du test LOI-01 disent que deux fois sur mille seulement un khi-deux atteindrait 15,20 si les réponses étaient réparties uniformément, donc la distribution observée n'a rien d'uniforme.
Comment calculer le khi-deux et sa p-value avec les fonctions LOI.KHIDEUX et SOMMEPROD
Un sondage de satisfaction a recueilli 400 réponses réparties sur quatre niveaux, et l'hypothèse à tester est que les clients se répartissent également entre eux, soit 100 par niveau. Les effectifs observés penchent visiblement du côté satisfait, mais l'œil ne suffit pas à dire si l'écart dépasse le hasard. La fonction LOI.KHIDEUX rend le verdict, à condition qu'on lui donne le khi-deux, que SOMMEPROD peut calculer dans la même formule.
- 1Dans une cellule, écris
=LOI.KHIDEUX(. - 2En 1er argument : écris l'appel qui calcule le khi-deux et referme-le,
SOMMEPROD((B2:B5-C2:C5)^2/C2:C5). La soustraction, le carré et la division se font ligne à ligne sur les quatre réponses, et la fonction SOMMEPROD additionne le tout sans qu'il faille de colonne intermédiaire. - 3En 2ᵉ argument : saisis le nombre de degrés de liberté,
3, soit les quatre catégories de réponse moins une. Ce nombre ne se lit pas dans les données, il vient de la structure du test, et une valeur fausse ici donne une p-value plausible et pourtant fausse, sans la moindre alerte. - 4Ferme la parenthèse de la fonction LOI.KHIDEUX et appuie sur Entrée. Celle de la fonction SOMMEPROD a déjà été refermée à l'étape précédente.
=LOI.KHIDEUX(SOMMEPROD((B2:B5-C2:C5)^2/C2:C5); 3)(Observé - Attendu)² / Attendu sur les quatre lignes d'un seul coup, ce qui donne un khi-deux de 10 exactement, et la fonction LOI.KHIDEUX le convertit en 0,0186. Sous les 5 %, le verdict tombe : sur 400 réponses attendues à 100 par catégorie, l'excédent de satisfaits et le déficit d'insatisfaits ne sont pas des accidents de tirage.
Comment gérer l'erreur #NOMBRE! de la fonction LOI.KHIDEUX
La colonne des khi-deux est alimentée par une formule saisie en amont, et une ligne ressort négative parce que le carré de l'écart a disparu lors d'une recopie. La p-value correspondante se remplit alors d'un code d'erreur, qui contamine ensuite chaque comptage et chaque moyenne appuyés sur cette colonne. La fonction SIERREUR intercepte le cas et le nomme, pour que la correction parte du calcul fautif.
- 1Dans une cellule, écris
=SIERREUR(. - 2En 1er argument : écris le calcul à protéger et referme-le,
LOI.KHIDEUX(B2; 3), oùB2vaut-2,40sur la ligne LOI-19 et3porte les degrés de liberté. C'est ce khi-deux négatif, impossible par construction, qui déclenche l'erreur que SIERREUR intercepte. - 3En 2ᵉ argument : saisis le texte de repli entre guillemets,
"Khi-deux invalide", affiché à la place de#NOMBRE!. Le message dit quoi corriger, là où le code d'erreur brut se contenterait de se propager dans les comptages et les moyennes bâtis sur la colonne. - 4Ferme la parenthèse de la fonction SIERREUR et appuie sur Entrée. Celle de la fonction LOI.KHIDEUX a déjà été refermée dans le premier argument.
=SIERREUR(LOI.KHIDEUX(B2; 3); "Khi-deux invalide")#NOMBRE! et SIERREUR le remplace par un message. Le même #NOMBRE! sort quand les degrés de liberté tombent à 0. Une valeur négative dans cette colonne signale presque toujours un carré qui a sauté dans le calcul du khi-deux, laissant des écarts négatifs s'additionner.
Les erreurs fréquentes avec la fonction LOI.KHIDEUX
#NOMBRE! sur les paramètres x ou degrés_liberté
Tu obtiens #NOMBRE! quand x est négatif ou quand degrés_liberté est inférieur à 1. Le chi-deux est toujours positif, et tu dois avoir au moins 1 degré de liberté.
Solution : Vérifie ton calcul de chi-deux : il doit être positif. Pour un tableau 2×2, tes degrés de liberté sont (2-1)×(2-1) = 1, pas 0. Revois la formule des degrés de liberté selon ton type de test.
Confusion entre P(χ² <= x) et la p-value du test
LOI.KHIDEUX avec cumulative=VRAI retourne P(χ² ≤ x), c'est-à-dire la probabilité à gauche. Pour un test statistique classique, tu veux la p-value à droite : P(χ² >= x).
Solution : Utilise toujours =1-LOI.KHIDEUX(x; ddl; VRAI) pour obtenir la p-value correcte. Ou mieux : utilise directement TEST.KHIDEUX qui fait le calcul automatiquement à partir des tableaux bruts.
Effectifs théoriques trop faibles
Le test chi-deux n'est fiable que si tous les effectifs théoriques sont supérieurs ou égaux à 5. Avec des effectifs plus petits, la distribution chi-deux n'approxime pas bien la réalité et ta p-value est incorrecte.
Solution : Regroupe des catégories pour augmenter les effectifs, ou utilise le test exact de Fisher pour les tableaux 2×2 avec de petits échantillons. Ne te fie jamais à un test chi-deux avec des effectifs théoriques inférieurs à 5.
Mauvais calcul des degrés de liberté
Une erreur classique est de compter le nombre total de cellules du tableau au lieu d'appliquer la formule (lignes-1)×(colonnes-1). Pour un tableau 4×3, ddl = 3×2 = 6, pas 12.
Solution : Mémorise : ddl = (nb_lignes - 1) × (nb_colonnes - 1) pour les tableaux croisés, et ddl = nb_catégories - 1 pour les tests d'ajustement. Vérifie toujours tes calculs avant de lancer l'analyse.
Oublier de vérifier les conditions d'application du test
Le test chi-deux requiert des observations indépendantes et un échantillon suffisamment grand. Si tes données sont appariées ou si ton échantillon est trop petit, les résultats sont biaisés.
Solution : Assure-toi que chaque observation est indépendante (pas de mesures répétées sur les mêmes individus). Pour les petits échantillons avec données appariées, utilise plutôt le test de McNemar.
LOI.KHIDEUX vs LOI.KHIDEUX.INVERSE vs TEST.KHIDEUX vs LOI.F
Utilise LOI.KHIDEUX quand tu as déjà calculé ton chi-deux et que tu veux une p-value précise. Pour gagner du temps, préfère TEST.KHIDEUX qui fait tout le travail automatiquement. LOI.KHIDEUX.INVERSE sert à définir des zones de rejet. Réserve LOI.F pour comparer des variances dans le cadre d'ANOVA.
| Critère | LOI.KHIDEUX | LOI.KHIDEUX.INVERSE | TEST.KHIDEUX | LOI.F |
|---|---|---|---|---|
| Type de données | Catégorielles (comptages) | Catégorielles (comptages) | Catégorielles (tableaux bruts) | Continues (variances) |
| Retourne | Probabilité P(χ² <= x) | Valeur critique χ² | P-value directement | Probabilité distribution F |
| Entrées requises | χ² + ddl + cumulative | Probabilité + ddl | Tableaux observé/théorique | Valeur F + ddl1 + ddl2 |
| Cas d'usage principal | Chi-deux déjà calculé | Définir zones de rejet | Tests rapides depuis données brutes | Comparer deux variances / ANOVA |
| Facilité d'usage | Intermédiaire | Intermédiaire | Facile | Avancé |
Astuces avancées avec LOI.KHIDEUX
Trouver la valeur critique sans calculer manuellement
Pour savoir si ton chi-deux est suffisamment grand pour rejeter H0, utilise LOI.KHIDEUX.INVERSE : =LOI.KHIDEUX.INVERSE(1-alpha; ddl). Pour un seuil de 5% et 3 degrés de liberté : =LOI.KHIDEUX.INVERSE(0,95; 3) retourne 7,81. Si ton chi-deux calculé dépasse 7,81, tu rejettes H0.
Définis cette valeur critique une fois dans une cellule, et compare automatiquement tous tes résultats.
Automatiser le test avec TEST.KHIDEUX
Plutôt que de calculer le chi-deux manuellement (somme des (observé-théorique)²/théorique), crée deux tableaux de même dimension (observé et théorique) et utilise =TEST.KHIDEUX(A1:C3; E1:G3). La fonction calcule le chi-deux, les degrés de liberté et retourne directement la p-value.
Tu évites les erreurs de calcul et tu gagnes plusieurs minutes par test.
Mesurer l'intensité avec le V de Cramer
La p-value te dit SI une relation existe, pas sa force. Complète ton analyse avec le V de Cramer pour quantifier l'intensité : =RACINE(chi2/(n×MIN(nb_lignes-1; nb_colonnes-1))). Un V proche de 0 = relation faible, proche de 1 = relation très forte.
Un résultat très significatif (p < 0,001) avec un V de Cramer à 0,05 indique une relation réelle mais négligeable en pratique.
Questions fréquentes
Le khi-deux te permet de tester si deux variables catégorielles sont liées. Par exemple : le sexe influence-t-il la préférence produit ? La région affecte-t-elle le taux de défauts ? C'est un outil puissant pour valider ou réfuter des hypothèses business basées sur des données réelles, sans se fier uniquement à l'impression visuelle.
LOI.KHIDEUX calcule la probabilité d'une distribution chi-deux : tu fournis le χ² et les degrés de liberté. TEST.KHIDEUX effectue le test complet automatiquement en comparant deux tableaux de données et te retourne directement la p-value. Utilise TEST.KHIDEUX quand tu as les données brutes. Utilise LOI.KHIDEUX quand tu n'as que la valeur du chi-deux déjà calculée.
Si p-value < 0,05 (seuil classique), tu rejettes l'hypothèse nulle : les variables sont statistiquement liées. Si p-value >= 0,05, tu ne peux pas conclure à une relation significative. Plus la p-value est faible, plus la preuve contre H0 est forte. Mais rappelle-toi que le seuil de 5% est une convention, pas une vérité absolue.
Utilise cumulative=VRAI pour calculer la fonction de répartition (probabilité que χ² <= x), ce qui est le cas le plus fréquent pour les tests statistiques. C'est ce que tu utilises pour calculer la p-value.
Utilise cumulative=FAUX pour obtenir la densité de probabilité à un point précis, utile uniquement pour tracer la courbe de distribution chi-deux.
Le test chi-deux nécessite des effectifs théoriques d'au moins 5 dans chaque cellule du tableau croisé. Avec des effectifs plus petits, la distribution chi-deux n'approxime pas bien la distribution réelle et ta p-value sera incorrecte. Si tu as des effectifs inférieurs à 5, regroupe des catégories ou utilise le test exact de Fisher pour les tableaux 2×2.
Pour aller plus loin
Continue sur ta lancée après la fonction LOI.KHIDEUX : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
