La fonction LOI.KHIDEUX.N (CHISQ.DIST en anglais) calcule la probabilité associée à la distribution du khi-deux, indispensable pour tester l'indépendance entre variables catégorielles, vérifier l'ajustement à une distribution théorique, ou comparer des proportions. Si tu travailles dans le marketing, la qualité ou l'analyse de données, tu vas rapidement en avoir besoin.
Concrètement, c'est elle qui te permet de répondre rigoureusement aux questions que tu te poses au quotidien : les préférences produit varient-elles selon l'âge ? La conversion diffère-t-elle entre deux versions d'un site ? Les ventes sont-elles uniformément réparties dans la semaine ? Avec LOI.KHIDEUX.N, tu calcules les degrés de liberté, obtiens des p-values fiables et évites les pièges classiques des tests statistiques.
Syntaxe de la fonction LOI.KHIDEUX.N
=LOI.KHIDEUX.N(x; degrés_liberté; cumulative)Quand cumulative vaut VRAI, la fonction renvoie P(khi-deux ≤ x), c'est-à-dire la queue gauche. Pour obtenir la p-value d'un test khi-deux (queue droite), calcule =1-LOI.KHIDEUX.N(x;ddl;VRAI) ou utilise directement LOI.KHIDEUX.DROITE.
Comprendre chaque paramètre de la fonction LOI.KHIDEUX.N
x
: la valeur du khi-deux pour laquelle tu calcules la probabilitéElle doit être positive ou nulle (x >= 0). En pratique, c'est la statistique de test que tu as calculée à partir de tes données observées.
La statistique khi-deux est toujours positive car elle est une somme de carrés : khi-deux = Somme((Observé - Attendu)² / Attendu). Une valeur proche de zéro signifie que les données observées sont très proches de ce qu'on attendrait sous l'hypothèse nulle.
Attention : Si tu passes une valeur négative pour x, Excel renvoie l'erreur #NOMBRE!. La distribution khi-deux n'est définie que sur [0, +infini).
degrés_liberté
: un entier supérieur ou égal à 1 qui représente le nombre de degrés de liberté du testCe paramètre dépend du type de test que tu réalises.
Pour un test d'indépendance sur un tableau croisé, les degrés de liberté se calculent avec (nombre de lignes - 1) × (nombre de colonnes - 1). Pour un test d'ajustement, c'est nombre de catégories - 1 - nombre de paramètres estimés. Pour un test de variance sur un échantillon de taille n, c'est n - 1.
Astuce : Une erreur de calcul des degrés de liberté fausse complètement la p-value. Documente toujours ce calcul dans une cellule à côté de ta formule pour pouvoir le vérifier.
cumulative
: un booléen qui détermine la forme de la fonction retournéeAvec VRAI, la fonction retourne la probabilité cumulative P(khi-deux ≤ x), c'est-à-dire la queue gauche de la distribution. Avec FAUX, elle retourne la valeur de densité de probabilité en x.
Pour les tests statistiques courants, tu utiliseras presque toujours VRAI et tu complèterai avec 1-LOI.KHIDEUX.N(...) pour obtenir la p-value (queue droite). La densité (FAUX) est utile principalement pour tracer la courbe de la distribution.
Astuce : Pour aller plus vite : utilise directement LOI.KHIDEUX.DROITE qui calcule la p-value en une seule étape, sans avoir à soustraire de 1.
Pas envie d'écrire la formule LOI.KHIDEUX.N à la main ?
Génère-la avec notre IA
Exemples pratiques pas à pas
Marketing : test d'indépendance sur les préférences produit
Tu travailles dans une entreprise de e-commerce et tu veux savoir si les préférences de produits varient selon l'âge des clients. Un test d'indépendance khi-deux sur un tableau croisé âge × produit te permet de répondre à cette question de façon rigoureuse, cruciale pour ta segmentation et ton ciblage.
L'hypothèse nulle H0 stipule que l'âge et la préférence produit sont indépendants. Les effectifs attendus sous H0 se calculent avec E = (total ligne × total colonne) / total général. La statistique khi-deux mesure l'écart global entre observés et attendus. Avec khi-deux = 42,31 et une p-value quasi-nulle, tu rejettes fortement H0 : les préférences produit dépendent significativement de l'âge. Les jeunes préfèrent le produit A, les seniors le produit C. Cette segmentation doit guider tes campagnes ciblées.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Segment / Calcul | Produit A | Produit B | Produit C | Total |
| 2 | Jeunes 18-34 (observé) | 120 | 80 | 60 | 260 |
| 3 | Adultes 35-54 (observé) | 90 | 110 | 100 | 300 |
| 4 | Seniors 55+ (observé) | 40 | 60 | 90 | 190 |
| 5 | Total | 250 | 250 | 250 | 750 |
| 6 | Statistique khi-deux | =SOMME((O-E)²/E) | = 42,31 | ||
| 7 | Degrés de liberté | =(3-1)×(3-1) | = 4 | ||
| 8 | p-value | =1-LOI.KHIDEUX.N(42,31;4;VRAI) | = 0,0000001 | Très significatif |
=1-LOI.KHIDEUX.N(42,31;4;VRAI)Logistique : test d'ajustement sur la répartition des ventes
Tu es responsable logistique et tu veux vérifier si les ventes sont uniformément réparties sur la semaine pour optimiser les plannings. Le test d'ajustement khi-deux compare la distribution observée des ventes par jour à une distribution uniforme théorique (1/7 par jour).
Pour 1000 ventes sur une semaine, chaque jour devrait recevoir 142,86 ventes si la distribution est uniforme. Les degrés de liberté sont 7 - 1 = 6 (aucun paramètre estimé). Avec khi-deux = 2,035 et une p-value de 0,916, tu ne peux pas rejeter H0 : les ventes sont statistiquement uniformes sur la semaine. Ton planning peut être constant, sans renfort particulier le week-end.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Jour | Ventes observées | Ventes attendues | Contribution khi-deux |
| 2 | Lundi | 145 | 142,86 (1000/7) | (145-142,86)²/142,86 = 0,032 |
| 3 | Mardi | 138 | 142,86 | 0,165 |
| 4 | Mercredi | 151 | 142,86 | 0,464 |
| 5 | Jeudi | 139 | 142,86 | 0,104 |
| 6 | Vendredi | 142 | 142,86 | 0,005 |
| 7 | Samedi | 152 | 142,86 | 0,584 |
| 8 | Dimanche | 133 | 142,86 | 0,681 |
| 9 | Total khi-deux | Somme = 2,035 | ||
| 10 | p-value | =1-LOI.KHIDEUX.N(2,035;6;VRAI) | = 0,916 | Non significatif |
=1-LOI.KHIDEUX.N(2,035;6;VRAI)Growth : test A/B pour l'optimisation de la conversion
Tu fais partie d'une équipe growth et tu veux tester si une nouvelle landing page (version B) convertit mieux que l'actuelle (version A). Le test khi-deux d'indépendance sur un tableau 2×2 (version × conversion) te permet de déterminer si la différence observée est statistiquement significative.
Avec 1000 visiteurs par version, la version A convertit à 24,5 % et la version B à 31,2 %. L'écart de 6,7 points est-il réel ou dû au hasard ? Avec khi-deux = 11,78 et une p-value de 0,0006, largement inférieure à 0,05, tu rejettes H0 : la version B convertit significativement mieux. L'amélioration de 6,7 points (+27 % relatif) justifie le déploiement.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Version | Conversions | Non-conversions | Total | Taux de conversion |
| 2 | Version A (contrôle) | 245 | 755 | 1000 | 24,5 % |
| 3 | Version B (nouveau) | 312 | 688 | 1000 | 31,2 % |
| 4 | Total | 557 | 1443 | 2000 | |
| 5 | E(A conversions) | =1000×557/2000 | = 278,5 | ||
| 6 | Khi-deux calculé | = 11,78 | DDL = 1 | ||
| 7 | p-value | =1-LOI.KHIDEUX.N(11,78;1;VRAI) | = 0,0006 | Significatif |
=1-LOI.KHIDEUX.N(11,78;1;VRAI)Astuce de pro : Pour un tableau 2×2, les degrés de liberté sont toujours (2-1)×(2-1) = 1. Mémorise-le pour ne pas recalculer à chaque test A/B.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.KHIDEUX.N
Erreur #NOMBRE! sur des paramètres hors domaine
L'erreur #NOMBRE! survient quand x < 0 ou quand degrés_liberté < 1. La distribution khi-deux n'est définie que pour des valeurs positives et au moins 1 degré de liberté. Une statistique khi-deux ne peut pas être négative (c'est une somme de carrés).
Solution : Vérifie que ta statistique khi-deux est bien positive. Si tu obtiens un résultat négatif dans ton calcul intermédiaire, revois la formule Somme((Observé - Attendu)² / Attendu). Vérifie aussi que tes degrés de liberté sont correctement calculés selon le type de test.
Confusion entre probabilité cumulative et p-value
LOI.KHIDEUX.N(x;ddl;VRAI) renvoie P(khi-deux ≤ x), la queue gauche de la distribution. Pour un test khi-deux, la p-value est P(khi-deux > x), la queue droite. Utiliser directement le résultat de la fonction comme p-value sans correction donne une valeur proche de 1 pour un test significatif, ce qui inverse l'interprétation.
Solution : Calcule la p-value avec =1-LOI.KHIDEUX.N(x;ddl;VRAI) ou utilise LOI.KHIDEUX.DROITE qui renvoie directement P(khi-deux > x) sans soustraction.
Effectifs théoriques trop faibles
La règle classique exige des effectifs attendus supérieurs ou égaux à 5 dans toutes les cellules du tableau croisé. Des effectifs faibles rendent l'approximation khi-deux peu fiable et gonflent artificiellement la statistique, produisant des p-values trop basses.
Solution : Regroupe les catégories adjacentes ayant de faibles effectifs jusqu'à obtenir des effectifs suffisants. Pour les tableaux 2×2 avec petits effectifs, préfère le test exact de Fisher. Certaines règles modernes acceptent 80 % des cellules avec effectifs ≥ 5 et aucune cellule avec effectif < 1.
Erreur de calcul des degrés de liberté
Les degrés de liberté varient selon le type de test. Une erreur ici fausse complètement la p-value : avec trop peu de degrés de liberté, la p-value est trop élevée et tu rates un effet réel ; avec trop, elle est trop basse et tu rejettes à tort H0.
Solution : Applique la bonne formule selon le test : test d'indépendance = (lignes - 1) × (colonnes - 1), test d'ajustement = catégories - 1 - paramètres estimés, test de variance = n - 1. Note ce calcul dans une cellule séparée pour pouvoir le revoir facilement.
LOI.KHIDEUX.N vs LOI.KHIDEUX.DROITE vs TEST.KHIDEUX
Ces trois fonctions travaillent toutes avec la distribution khi-deux, mais à des étapes différentes du test. Le choix dépend de ce que tu as déjà calculé et de ce que tu veux obtenir.
| Critère | LOI.KHIDEUX.N | LOI.KHIDEUX.DROITE | TEST.KHIDEUX |
|---|---|---|---|
| Ce que tu fournis | Valeur x + ddl + cumulative | Valeur x + ddl | Plage observée + plage attendue |
| Ce que tu obtiens | P(khi-deux ≤ x) ou densité | P(khi-deux > x) directement | p-value directement |
| Pour la p-value | = 1-LOI.KHIDEUX.N(x;ddl;VRAI) | Directement | Directement |
| Calcul préalable requis | Oui, calculer khi-deux soi-même | Oui, calculer khi-deux soi-même | Non, fournis les plages brutes |
| Cas d'usage typique | Calcul de probabilités générales | Tests statistiques, p-value rapide | Test d'indépendance automatique |
Questions fréquentes sur la fonction LOI.KHIDEUX.N
Comment calculer les degrés de liberté pour un test khi-deux ?
Pour un test d'indépendance sur tableau croisé, les degrés de liberté valent (nombre de lignes - 1) × (nombre de colonnes - 1). Pour un test d'ajustement, c'est nombre de catégories - 1 - nombre de paramètres estimés. Pour un test de variance sur un échantillon, c'est n - 1.
Les degrés de liberté reflètent le nombre de valeurs libres de varier une fois les contraintes (les totaux) fixées. Note toujours ce calcul dans une cellule séparée pour pouvoir le vérifier.
Quelle différence entre LOI.KHIDEUX.N et LOI.KHIDEUX.DROITE ?
LOI.KHIDEUX.N(x;ddl;VRAI) calcule P(khi-deux ≤ x), la probabilité cumulative depuis la gauche. LOI.KHIDEUX.DROITE(x;ddl) calcule directement P(khi-deux > x), ce qui correspond à la p-value pour un test khi-deux.
Ce sont des complémentaires : LOI.KHIDEUX.DROITE = 1 - LOI.KHIDEUX.N(x;ddl;VRAI). Pour les tests statistiques, utilise LOI.KHIDEUX.DROITE ou calcule 1-LOI.KHIDEUX.N pour obtenir la p-value.
Que faire si les effectifs théoriques sont inférieurs à 5 ?
La solution standard est de regrouper des catégories adjacentes jusqu'à obtenir des effectifs suffisants. Pour les tableaux 2×2, préfère le test exact de Fisher qui ne repose pas sur l'approximation asymptotique.
La règle moderne accepte parfois 80 % des cellules avec effectifs ≥ 5 et aucune cellule avec effectif < 1. Évite la correction de Yates, considérée comme trop conservatrice et peu recommandée aujourd'hui.
Le khi-deux mesure-t-il la force de l'association entre variables ?
Non. La statistique khi-deux dépend de la taille de l'échantillon : si tu doubles n, tu doubles khi-deux même si la force de l'association reste identique. Une p-value significative ne dit rien sur l'intensité du lien.
Pour mesurer la force indépendamment de n, utilise le V de Cramer : V = racine(khi-deux / (n × min(lignes-1 ; colonnes-1))). Il est normalisé entre 0 (indépendance) et 1 (association parfaite).
Puis-je utiliser le khi-deux pour tester la normalité de données continues ?
Techniquement oui, en catégorisant les données en classes et en comparant aux fréquences théoriques de la normale. Mais ce n'est pas recommandé : le résultat dépend du choix arbitraire des classes.
Pour tester la normalité de données continues, préfère le test de Shapiro-Wilk (excellent pour n < 50) ou celui de Kolmogorov-Smirnov avec correction Lilliefors, qui sont spécifiquement conçus pour les distributions continues.
Comment interpréter une p-value obtenue avec LOI.KHIDEUX.N ?
La p-value (obtenue avec 1-LOI.KHIDEUX.N(x;ddl;VRAI)) représente la probabilité d'observer un écart aussi grand par pur hasard si H0 est vraie. Conventionnellement, on rejette H0 si la p-value est inférieure à 0,05 (5 %).
Une p-value de 0,03 signifie qu'il y a seulement 3 % de chances d'obtenir ces résultats par hasard. Attention : rejeter H0 ne prouve pas la causalité, seulement une association statistique.
Pour aller plus loin
Les fonctions similaires : LOI.STUDENT, LOI.NORMALE, ECARTYPE.PEARSON, DROITEREG, MOYENNE
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