LOI.KHIDEUX.INVERSE.DROITE (CHISQ.INV.RT en anglais) est la fonction Excel qui te donne la valeur critique chi-carré pour un seuil de significativité donné. Concrètement, elle répond à la question : "Quelle valeur chi-carré ne dois-je pas dépasser pour accepter mon hypothèse ?". Tu lui passes ta probabilité de queue droite (ton alpha) et tes degrés de liberté, et elle te retourne le seuil au-delà duquel ton résultat devient statistiquement significatif.
Que tu travailles en data science, en contrôle qualité ou en recherche, cette fonction est au cœur de l'interprétation des tests d'indépendance et d'ajustement. Elle complète TEST.KHIDEUX, qui calcule la p-value, en te donnant l'autre moitié du raisonnement statistique.
Syntaxe de la fonction LOI.KHIDEUX.INVERSE.DROITE
=LOI.KHIDEUX.INVERSE.DROITE(probabilité; degrés_liberté)LOI.KHIDEUX.INVERSE.DROITE(α) est équivalent à LOI.KHIDEUX.INVERSE(1-α). Les deux fonctions calculent la même valeur critique, mais l'une raisonne en queue droite (α direct) et l'autre en probabilité cumulative (1-α). En pratique statistique, la queue droite est le mode naturel pour les tests d'hypothèse chi-carré.
Comprendre chaque paramètre de la fonction LOI.KHIDEUX.INVERSE.DROITE
Les deux arguments sont obligatoires et se lisent dans cet ordre : d'abord ta probabilité de queue droite (ton alpha, entre 0 et 1 exclus), puis tes degrés de liberté (un entier ≥ 1). Inverse-les et tu obtiens un résultat qui n'a aucun sens, car 0,05 degrés de liberté ne veut rien dire.
Pense ton alpha comme le risque que tu acceptes et tes degrés de liberté comme la taille de ton tableau : les deux ensemble fixent la barre à franchir.
probabilité
: c'est ton seuil de significativité alpha, exprimé en probabilité de queue droiteIl représente le risque d'erreur de première espèce que tu es prêt à accepter. Les valeurs courantes sont 0,05 (5%, standard dans la plupart des domaines), 0,01 (1%, tests stricts) ou 0,10 (10%, analyses exploratoires).
Ce paramètre doit être compris entre 0 et 1 exclus. Plus la valeur est petite, plus ton seuil de rejet est exigeant : un chi-carré calculé devra être plus élevé pour que tu puisses rejeter l'hypothèse nulle.
Astuce : Pour un test au seuil 5% (le standard), utilise 0,05. Pour un test strict à 1%, utilise 0,01. Une valeur d'alpha plus petite signifie que tu exiges davantage de preuves avant de rejeter H0.
degrés_liberté
: le nombre de degrés de liberté de ton test chi-carréCe nombre varie selon le contexte : pour un tableau de contingence (test d'indépendance), c'est (nombre de lignes - 1) × (nombre de colonnes - 1). Pour un test d'ajustement, c'est nombre de catégories - 1.
Ce paramètre doit être un entier positif supérieur ou égal à 1. Les degrés de liberté reflètent la quantité d'information libre dans tes données : plus ils sont élevés, plus la valeur critique sera grande.
Astuce : Stocke le calcul de tes degrés de liberté dans une cellule séparée, par exemple =(lignes-1)*(colonnes-1). C'est plus clair et tu évites les erreurs sur les tableaux de contingence complexes.
Attention : La valeur critique dépend fortement des degrés de liberté. Avec 1 degré de liberté et α = 0,05, la valeur critique est 3,84. Avec 10 degrés de liberté, elle monte à 18,31. Assure-toi toujours de bien calculer tes degrés de liberté avant d'interpréter ton test.
Exemples pratiques pas à pas
Data analyst : déterminer le seuil critique pour un test d'indépendance
Tu es data analyst et tu analyses la relation entre le secteur d'activité (3 catégories) et la satisfaction client (2 niveaux). Tu veux savoir quelle valeur chi-carré indiquerait une relation significative au seuil de 5%.
| A | B | C | |
|---|---|---|---|
| 1 | Seuil α | Degrés de liberté | Valeur critique χ² |
| 2 | 0,05 | 2 | 5,99 |
=LOI.KHIDEUX.INVERSE.DROITE(0,05; 2)Les degrés de liberté pour un tableau 3×2 valent (3-1) × (2-1) = 2. La fonction part du seuil de queue droite (5 %) et de ces 2 degrés de liberté pour donner la valeur critique 5,99. Un chi-carré calculé supérieur (par exemple 7,2) confirme alors, avec 95 % de confiance, une relation significative entre secteur d'activité et satisfaction client.
Responsable qualité : définir le seuil de rejet pour un contrôle
Tu es responsable qualité et tu vérifies si la distribution des défauts suit la loi attendue. Tu as 5 types de défauts et tu veux établir un critère strict (alpha = 0,01) pour rejeter un lot.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Seuil α | Nb catégories | ddl | Valeur critique χ² |
| 2 | 0,01 | 5 | 4 | 13,28 |
=LOI.KHIDEUX.INVERSE.DROITE(0,01; 4)Avec 5 catégories, les degrés de liberté valent 5-1 = 4. La fonction convertit le seuil strict de queue droite (1 %) et ces 4 degrés de liberté en valeur critique 13,28 : tu ne rejettes un lot que si ton chi-carré calculé la dépasse. Un alpha de 0,05 abaisserait le seuil (9,49) et ferait rejeter plus souvent ; le choix dépend du risque acceptable dans ton processus qualité.
Chercheur : comparer plusieurs seuils pour un test d'hypothèse
Tu es chercheur et tu analyses un tableau croisé 4×3 (4 groupes d'âge × 3 préférences). Tu veux comparer les valeurs critiques à différents niveaux de significativité pour comprendre la robustesse de tes conclusions.
| A | B | C | |
|---|---|---|---|
| 1 | Seuil α | ddl | Valeur critique χ² |
| 2 | 0,10 (10%) | 6 | 10,64 |
| 3 | 0,05 (5%) | 6 | 12,59 |
| 4 | 0,01 (1%) | 6 | 16,81 |
=LOI.KHIDEUX.INVERSE.DROITE(0,05; 6)Les degrés de liberté sont (4-1) × (3-1) = 6. Si ton chi-carré calculé vaut 13,5, il est significatif à 10% et 5% (car supérieur à 10,64 et 12,59), mais pas à 1% (car inférieur à 16,81). Dans ta publication, tu rapporteras : "p < 0,05" en précisant que ce n'est pas significatif au seuil de 1%.
Astuce de pro : Tu peux aussi calculer directement la p-value avec =LOI.KHIDEUX.DROITE(chi2_calculé; ddl) et comparer à α. Si la p-value est inférieure à α, rejette H0. Les deux approches sont mathématiquement équivalentes.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.KHIDEUX.INVERSE.DROITE
Ici, pas de message d'erreur rouge qui te prévient : la fonction te renvoie sagement un nombre, mais le mauvais. Le faux pas le plus fréquent, c'est de passer 0,95 au lieu de 0,05 pour un test à 5%, parce qu'on raisonne en confiance plutôt qu'en seuil de queue droite. Le seuil obtenu est alors ridiculement bas et tu finis par déclarer significatif n'importe quoi.
Les deux autres pièges tiennent à l'interprétation : un calcul de degrés de liberté en r×c au lieu de (r-1)×(c-1), et une comparaison inversée où l'on rejette H0 alors que le chi-carré calculé est sous la valeur critique.
Confondre queue droite et queue gauche
LOI.KHIDEUX.INVERSE.DROITE prend la probabilité de queue droite (alpha direct). Si tu passes 0,95 au lieu de 0,05 pour un test à 5%, tu obtiendras une valeur critique complètement fausse, beaucoup trop basse.
Solution : Pour un test à 5%, passe 0,05 directement : =LOI.KHIDEUX.INVERSE.DROITE(0,05; ddl). Si tu travailles avec la probabilité cumulative (1-alpha), utilise plutôt LOI.KHIDEUX.INVERSE, qui raisonne dans l'autre sens.
Mauvais calcul des degrés de liberté pour un tableau croisé
Pour un tableau de contingence r×c, les degrés de liberté sont (r-1)×(c-1), et non r×c. L'erreur invalide totalement le seuil critique calculé et fausse l'interprétation du test.
Solution : Calcule toujours (lignes-1) × (colonnes-1) pour un tableau croisé. Pour un tableau 3×4, le résultat est (3-1)×(4-1) = 6, et non 12. Stocke ce calcul dans une cellule dédiée pour éviter les confusions.
Comparer dans le mauvais sens (rejeter quand il faut accepter)
Pour le test chi-carré, on rejette H0 quand le chi-carré calculé est supérieur ou égal à la valeur critique, pas inférieur. La confusion vient d'une inversion du raisonnement.
Solution : Retiens cette règle : si χ²_calculé >= χ²_critique, rejette H0 (résultat significatif). Si χ²_calculé < χ²_critique, conserve H0. Le chi-carré mesure un écart : plus il est grand, plus les données s'éloignent de l'hypothèse nulle.
Astuces avancées avec LOI.KHIDEUX.INVERSE.DROITE
Construis un tableau de valeurs critiques pour tous tes tests
Crée un tableau avec tes degrés de liberté en lignes et tes seuils alpha (0,10, 0,05, 0,01) en colonnes. Remplis chaque cellule avec =LOI.KHIDEUX.INVERSE.DROITE(alpha; ddl). Tu obtiens une table de référence personnalisée que tu n'as plus à chercher dans un manuel.
Tu peux l'utiliser dans toutes tes analyses : sélectionne la cellule correspondant à ton alpha et tes ddl, et compare directement à ton chi-carré calculé.
Automatise la décision statistique avec une formule conditionnelle
Combine LOI.KHIDEUX.INVERSE.DROITE avec une logique conditionnelle pour afficher automatiquement la décision du test. La formule =SI(test_chi2>=LOI.KHIDEUX.INVERSE.DROITE(0,05;ddl);"Rejet H0";"Conservation H0") affiche directement le résultat en clair sans que tu aies à comparer les valeurs manuellement.
Remplace test_chi2 par la cellule contenant ton chi-carré calculé (via TEST.KHIDEUX ou ta formule manuelle).
Vérifie la cohérence avec LOI.KHIDEUX.DROITE
Une fois que tu as ta valeur critique via LOI.KHIDEUX.INVERSE.DROITE, tu peux recalculer la p-value avec =LOI.KHIDEUX.DROITE(valeur_critique; ddl). Tu dois retrouver exactement ton alpha initial (par exemple 0,05). C'est un contrôle rapide pour vérifier que tes paramètres sont cohérents avant de conclure.
Ces deux fonctions sont inverses l'une de l'autre : l'une part de l'alpha pour trouver le seuil, l'autre part du seuil pour retrouver l'alpha.
Questions fréquentes sur la fonction LOI.KHIDEUX.INVERSE.DROITE
Quelle différence entre LOI.KHIDEUX.INVERSE.DROITE et LOI.KHIDEUX.INVERSE ?
LOI.KHIDEUX.INVERSE.DROITE prend une probabilité de queue droite (alpha direct), tandis que LOI.KHIDEUX.INVERSE prend la probabilité cumulative (1-alpha). En pratique, =LOI.KHIDEUX.INVERSE.DROITE(0,05; ddl) donne le même résultat que =LOI.KHIDEUX.INVERSE(0,95; ddl). Pour les tests d'hypothèse classiques, la version queue droite est plus naturelle car tu raisonnes directement avec ton seuil alpha.
Comment choisir le bon seuil de significativité ?
Le seuil α = 0,05 (5%) est le standard dans la plupart des domaines académiques et professionnels. En contrôle qualité strict ou en recherche médicale, utilise α = 0,01 (1%) pour être plus prudent. Pour des analyses exploratoires, α = 0,10 (10%) est acceptable.
Le choix dépend du coût d'une erreur de type I (rejeter H0 à tort) : plus ce coût est élevé, plus tu dois utiliser un alpha faible.
Comment calculer les degrés de liberté pour un tableau croisé ?
Pour un tableau de contingence à r lignes et c colonnes, les degrés de liberté sont (r-1) × (c-1). Par exemple, un tableau 3×4 donne (3-1) × (4-1) = 2 × 3 = 6 degrés de liberté.
Pour un test d'ajustement (vérifier si des données suivent une loi théorique), les degrés de liberté sont nombre de catégories - 1. Avec 5 catégories, tu as donc 4 degrés de liberté.
Pourquoi utiliser la queue droite plutôt que la queue gauche ?
Les tests d'hypothèse classiques (indépendance, ajustement) utilisent la queue droite car on cherche les valeurs chi-carré élevées qui indiquent un écart significatif entre les données observées et les données attendues sous H0.
Le chi-carré est toujours positif et une valeur élevée signifie toujours un plus grand écart. La queue droite est donc la région de rejet naturelle pour ces tests.
Cette fonction fonctionne-t-elle sur Google Sheets ?
Google Sheets utilise le nom anglais CHISQ.INV.RT. La syntaxe et les paramètres sont identiques, seul le nom change. Tu peux donc transposer directement tes formules en remplaçant le nom de la fonction.
Peut-on combiner LOI.KHIDEUX.INVERSE.DROITE avec TEST.KHIDEUX dans la même feuille ?
Oui, c'est même la combinaison habituelle dans une analyse complète. TEST.KHIDEUX calcule la p-value de ton test d'indépendance directement à partir de tes tableaux de données observées et attendues.
Tu peux ensuite comparer cette p-value à ton alpha (=SI(TEST.KHIDEUX(obs;att)<0,05;"Significatif";"Non significatif")), ou comparer ton chi-carré calculé à la valeur critique retournée par LOI.KHIDEUX.INVERSE.DROITE. Les deux approches mènent exactement à la même décision.
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