Fonction de compatibilité. LOI.KHIDEUX reste disponible pour les anciens classeurs, mais Excel recommande désormais LOI.KHIDEUX.DROITE pour tes nouveaux fichiers.
LOI.KHIDEUX (CHISQ.DIST en anglais) calcule la distribution du chi-deux, un outil statistique fondamental pour tester si deux variables catégorielles sont liées. Si tu te demandes si le sexe influence la préférence produit, si la région affecte le taux de défauts, ou si une campagne a vraiment changé le comportement de tes clients, cette fonction te donne la réponse mathématique.
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 de la fonction LOI.KHIDEUX
=LOI.KHIDEUX(x; degrés_liberté; cumulative)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.
Astuce : Une erreur classique est de compter le nombre total de cellules au lieu d'appliquer la formule. Pour un tableau 4×3, ddl = 3×2 = 6, pas 12. Mémorise la formule : (lignes-1)×(colonnes-1).
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
Marketing : analyser la distribution d'un sondage client
Tu es responsable marketing et tu as lancé un sondage client pour évaluer la satisfaction produit. Tu veux savoir si les réponses (Très satisfait, Satisfait, Neutre, Insatisfait) suivent une distribution uniforme ou si certaines catégories sont sur-représentées. Tu as calculé un chi-deux de 15,2 avec 3 degrés de liberté (4 catégories - 1).
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Catégories | Chi-deux calculé | Degrés de liberté | P-value | Conclusion |
| 2 | 4 niveaux | 15,2 | 3 | 0,17% | Distribution non uniforme |
=1-LOI.KHIDEUX(15,2; 3; VRAI)La formule part de la probabilité cumulée à gauche du chi-deux, puis la soustrait de 1 pour obtenir la p-value (la probabilité à droite). Le résultat de 0,17 % est bien en dessous du seuil de 5 % : les réponses ne sont pas réparties uniformément, les clients ont des préférences marquées.
Astuce de pro : Après avoir confirmé que la distribution n'est pas uniforme, examine les résidus pour identifier quelles catégories s'écartent le plus de la moyenne attendue. Cela te donne des pistes d'action concrètes.
Qualité : contrôler la variance des défauts de production
Tu travailles en contrôle qualité dans une usine et tu veux vérifier si la variance des défauts observés correspond à la variance théorique attendue. Tu as utilisé la formule chi-deux = (n-1) × s² / sigma² et obtenu 42,8 avec 29 degrés de liberté (30 observations - 1).
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Observations | Chi-deux calculé | ddl | P(χ² <= 42,8) | Interprétation |
| 2 | 30 échantillons | 42,8 | 29 | 95,4% | Variance cohérente |
=LOI.KHIDEUX(42,8; 29; VRAI)Ici, la fonction renvoie la probabilité cumulée à gauche du chi-deux de 42,8 pour 29 degrés de liberté. Ce 95,4 % (proche de 100 %) place ta valeur dans la plage haute mais encore acceptable : la variance de tes défauts reste dans les limites normales.
Market research : tester la dépendance entre région et mode d'achat
Tu es analyste market research et tu veux savoir si le type de région (urbaine, péri-urbaine, rurale) influence les préférences d'achat (en ligne, magasin physique, mixte). Tu as créé un tableau croisé 3×3 et calculé un chi-deux de 22,5 avec 4 degrés de liberté ((3-1) × (3-1) = 4).
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Variables | Chi-deux calculé | ddl | P-value | Décision |
| 2 | Région x Achat | 22,5 | 4 | 0,016% | Dépendance confirmée |
=1-LOI.KHIDEUX(22,5; 4; VRAI)La formule convertit le chi-deux de 22,5 (4 degrés de liberté) en p-value à droite, en retranchant de 1 la probabilité cumulée. Le résultat de 0,016 %, extrêmement faible, confirme une relation statistiquement très forte entre région et mode d'achat.
Astuce de pro : Complète ton analyse chi-deux avec un calcul du V de Cramer pour mesurer l'intensité de la relation, pas seulement sa significativité statistique.
Product manager : évaluer la significativité d'un test A/B
Tu es product manager et tu as lancé un test A/B sur deux versions d'une page web. Tu veux savoir si la différence de taux de conversion entre la version A (14,5%) et la version B (17,8%) est statistiquement significative. Après avoir calculé le chi-deux sur un tableau 2×2, tu obtiens 6,84 avec 1 degré de liberté.
| A | B | C | D | E | F | G | |
|---|---|---|---|---|---|---|---|
| 1 | Test | Version A | Version B | Chi-deux calculé | ddl | P-value | Résultat |
| 2 | Conversion | 145/1000 | 178/1000 | 6,84 | 1 | 0,89% | Significatif |
=1-LOI.KHIDEUX(6,84; 1; VRAI)La formule transforme le chi-deux de 6,84 (1 degré de liberté) en p-value à droite (1 moins la probabilité cumulée). À 0,89 %, bien en dessous du seuil de 5 %, la différence entre les deux versions n'est pas due au hasard : tu peux déployer la version B en confiance.
Astuce de pro : Significativité statistique ne signifie pas significativité business. Un gain de 3,3% de conversion peut être statistiquement significatif mais économiquement négligeable selon ton contexte. Évalue toujours l'impact métier en parallèle.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
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 sur la fonction LOI.KHIDEUX
A quoi sert concrètement le test du khi-deux en entreprise ?
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.
Quelle est la différence entre LOI.KHIDEUX et TEST.KHIDEUX ?
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.
Comment interpréter la p-value obtenue avec LOI.KHIDEUX ?
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.
Quand dois-je utiliser cumulative=VRAI ou FAUX ?
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.
Pourquoi mon test chi-deux n'est-il pas fiable avec de petits échantillons ?
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
Les fonctions similaires : TEST.KHIDEUX, LOI.KHIDEUX.INVERSE, LOI.STUDENT, LOI.F, LOI.NORMALE
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