La fonction LOI.NORMALE.INVERSE.N (NORM.INV en anglais) est l'outil statistique fondamental pour calculer les quantiles d'une distribution normale. Si tu travailles avec des données qui suivent une courbe en cloche, notes d'examens, tailles, poids, mesures de qualité, cette fonction te permet de répondre à des questions comme : "Quelle valeur sépare les 10 % les plus bas ?" ou "Quelles sont les bornes de l'intervalle de confiance à 95 % ?".
C'est l'inverse exact de LOI.NORMALE.N : là où LOI.NORMALE.N te donne une probabilité à partir d'une valeur, LOI.NORMALE.INVERSE.N te donne une valeur à partir d'une probabilité. Indispensable pour le contrôle qualité, les tests statistiques, les intervalles de confiance et la génération de simulations.
Syntaxe de la fonction LOI.NORMALE.INVERSE.N
=LOI.NORMALE.INVERSE.N(probabilité; moyenne; écart_type)LOI.NORMALE.INVERSE.N remplace l'ancienne fonction LOI.NORMALE.INVERSE (sans le suffixe .N) introduite dans Excel 2010. Les deux produisent des résultats identiques, mais Microsoft recommande la version moderne pour tous les nouveaux classeurs.
Comprendre chaque paramètre de la fonction LOI.NORMALE.INVERSE.N
Les trois arguments se lisent dans l'ordre où tu raisonnes : d'abord la probabilité que tu vises, puis le centre de ta courbe (moyenne), enfin sa dispersion (écart_type). Aucun n'est facultatif, et deux sont piégeux : la probabilité doit rester strictement entre 0 et 1, et l'écart_type strictement positif, sinon Excel renvoie #NOMBRE!.
probabilité
: la probabilité associée à la distribution normale, c'est-à-dire P(X <= x)Cette valeur doit être strictement comprise entre 0 et 1 : les valeurs 0 et 1 exactes provoquent une erreur car elles correspondraient à moins l'infini et plus l'infini.
Les probabilités les plus couramment utilisées sont 0,50 (médiane), 0,025 et 0,975 (bornes d'un intervalle de confiance à 95 %), 0,05 et 0,95 (bornes à 90 %), ou 0,10, 0,25, 0,75, 0,90 pour les déciles et quartiles.
Astuce : Pour la loi normale, la médiane (probabilité 0,50) est toujours égale à la moyenne : =LOI.NORMALE.INVERSE.N(0,5; moyenne; ecart_type) renvoie toujours exactement la moyenne. C'est une propriété de la symétrie de la courbe en cloche.
moyenne
: la moyenne arithmétique de la distribution normaleC'est le centre de la courbe en cloche, là où elle atteint son maximum. La moyenne peut être positive, négative ou nulle.
Dans une distribution normale, la moyenne, la médiane et le mode sont tous égaux. Environ 68 % des valeurs se trouvent à moins d'un écart-type de la moyenne, 95 % à moins de deux écarts-types, et 99,7 % à moins de trois écarts-types : c'est la règle empirique 68-95-99,7.
écart_type
: l'écart-type de la distribution normaleCe paramètre doit être strictement positif. Il mesure la dispersion des valeurs autour de la moyenne : un écart-type plus grand donne une courbe plus aplatie et étalée.
Dans le contexte des intervalles de confiance sur une moyenne d'échantillon, utilise l'erreur standard plutôt que l'écart-type directement. L'erreur standard se calcule par écart_type / RACINE(n) où n est la taille de l'échantillon.
Attention : Ne confonds pas l'écart-type de la population avec l'erreur standard. Pour un intervalle de confiance sur une moyenne, le bon paramètre est =LOI.NORMALE.INVERSE.N(p; moyenne; écart_type/RACINE(n)). Utiliser l'écart-type brut donne des bornes beaucoup trop larges.
Exemples pratiques pas à pas
Responsable RH : définir les seuils de QI pour un recrutement
Tu es responsable RH et tu utilises des tests de QI pour un recrutement spécialisé. Le QI suit une loi normale avec moyenne 100 et écart-type 15. Tu veux identifier les candidats dans le top 5 % (très haut potentiel) et ceux dans les 25 % inférieurs pour adapter l'accompagnement.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Percentile | Moyenne | Écart-type | QI seuil |
| 2 | 25 % | 100 | 15 | 89,9 |
| 3 | 50 % | 100 | 15 | 100,0 |
| 4 | 75 % | 100 | 15 | 110,1 |
| 5 | 95 % | 100 | 15 | 124,7 |
=LOI.NORMALE.INVERSE.N(0,95; 100; 15)La fonction part de la probabilité 0,95 et renvoie le QI seuil correspondant, soit 124,7 : seuls 5 % de la population dépassent ce score. En changeant la probabilité (par exemple 0,25 pour le premier quartile), tu obtiens chaque autre seuil de la colonne.
Ingénieur qualité : calculer les limites de contrôle
Tu es ingénieur qualité et tu mets en place une carte de contrôle pour le diamètre de pièces usinées. Le processus produit des pièces avec un diamètre moyen de 50 mm et un écart-type de 0,1 mm. Tu veux définir les limites de contrôle à plus ou moins 3 sigma.
| A | B | C | |
|---|---|---|---|
| 1 | Limite | Probabilité | Diamètre (mm) |
| 2 | LCI (-3 sigma) | 0,00135 | 49,70 |
| 3 | Moyenne | 0,50 | 50,00 |
| 4 | LCS (+3 sigma) | 0,99865 | 50,30 |
=LOI.NORMALE.INVERSE.N(0,00135; 50; 0,1)Ici, la fonction traduit la probabilité 0,00135 (la queue gauche à 3 sigma) en diamètre, soit 49,70 mm comme limite de contrôle inférieure. Toute pièce hors de l'intervalle [49,70 ; 50,30] mm signale un possible déréglage, avec seulement 0,27 % de fausses alertes si le processus est sous contrôle.
Astuce de pro : Vérifie la cohérence de tes calculs grâce à la propriété de symétrie : LOI.NORMALE.INVERSE.N(p; moyenne; écart_type) + LOI.NORMALE.INVERSE.N(1-p; moyenne; écart_type) doit toujours être égal à 2 × moyenne. Les quantiles p et (1-p) sont symétriques autour de la moyenne.
Data analyst : construire un intervalle de confiance
Tu es data analyst et tu as mesuré le temps de réponse moyen d'un serveur sur un échantillon de 100 requêtes : moyenne = 250 ms, écart-type = 40 ms. Tu veux calculer l'intervalle de confiance à 95 % pour la vraie moyenne.
| A | B | C | |
|---|---|---|---|
| 1 | Borne | Probabilité | Temps (ms) |
| 2 | Inférieure | 0,025 | 242,2 |
| 3 | Moyenne échantillon | 0,50 | 250,0 |
| 4 | Supérieure | 0,975 | 257,8 |
=LOI.NORMALE.INVERSE.N(0,025; 250; 4)La formule utilise l'erreur standard (40 / RACINE(100) = 4 ms) comme dispersion et renvoie 242,2 ms pour la probabilité 0,025, soit la borne basse. Avec la borne haute à 0,975, l'intervalle de confiance à 95 % est [242,2 ; 257,8] ms.
Actuaire : calculer la Value at Risk (VaR)
Tu es actuaire ou gestionnaire de risques et tu dois calculer la Value at Risk (VaR) d'un portefeuille. Le rendement quotidien suit une loi normale de moyenne 0,5 % et d'écart-type 2 %. La VaR à 95 % te donne la perte maximale que tu peux subir avec 5 % de probabilité.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Niveau de confiance | Rendement moyen | Écart-type | VaR (perte max) |
| 2 | 95 % | 0,5 % | 2 % | -2,79 % |
| 3 | 99 % | 0,5 % | 2 % | -4,15 % |
| 4 | 99,9 % | 0,5 % | 2 % | -5,68 % |
=LOI.NORMALE.INVERSE.N(0,05; 0,5%; 2%)Ici, la fonction convertit le risque de 5 % en seuil de rendement et renvoie -2,79 % : sur 100 jours de trading, tu ne dépasseras cette perte que 5 jours en moyenne. En resserrant la probabilité (1 % puis 0,1 %), la perte maximale estimée s'aggrave logiquement.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.NORMALE.INVERSE.N
Tape une probabilité de 0 ou de 1 et tu récoltes aussitôt un #NOMBRE! : ces deux bornes correspondent à moins l'infini et plus l'infini, qu'Excel refuse de représenter. Le même code surgit quand ton écart_type est nul ou négatif.
Les autres faux pas sont silencieux : utiliser l'écart-type brut au lieu de l'erreur standard gonfle tes bornes d'intervalle de confiance, et une moyenne mal recopiée casse la symétrie attendue entre tes bornes basse et haute.
Erreur #NOMBRE! avec une probabilité de 0 ou 1
LOI.NORMALE.INVERSE.N exige une probabilité strictement comprise entre 0 et 1. Une probabilité exactement égale à 0 correspondrait à moins l'infini, et 1 à plus l'infini, des valeurs qu'Excel ne peut pas représenter.
Solution : Utilise des probabilités proches des bornes mais non égales, comme 0,0001 ou 0,9999 si tu as besoin de quantiles très extrêmes. Vérifie aussi que ton paramètre écart_type est strictement positif.
Confusion entre écart-type et erreur standard pour un intervalle de confiance
L'erreur classique est d'utiliser l'écart-type brut de la population au lieu de l'erreur standard (écart-type divisé par la racine de n) quand on calcule un intervalle de confiance sur une moyenne d'échantillon. Les bornes obtenues sont alors trop larges.
Solution : Pour un intervalle de confiance sur une moyenne d'échantillon de taille n, utilise toujours =LOI.NORMALE.INVERSE.N(p; moyenne; écart_type/RACINE(n)). Diviser par la racine de n est obligatoire : c'est la définition même de l'erreur standard.
Résultat asymétrique ou incohérent entre la borne inférieure et supérieure
Si tu calcules manuellement une borne inférieure avec probabilité p et une borne supérieure avec 1-p, une erreur de saisie dans la moyenne ou l'écart-type peut donner des bornes non symétriques autour de la moyenne.
Solution : Vérifie la symétrie : la somme de la borne inférieure et de la borne supérieure doit être égale à deux fois la moyenne. Si ce n'est pas le cas, contrôle que tu utilises les mêmes valeurs de moyenne et d'écart-type pour les deux bornes.
LOI.NORMALE.INVERSE.N vs LOI.NORMALE.N vs LOI.NORMALE.STANDARD.INVERSE.N
Pars de ce que tu as en main. Tu connais une probabilité et tu veux la valeur seuil correspondante (un percentile de recrutement, une VaR, une limite de contrôle) : c'est LOI.NORMALE.INVERSE.N. Tu connais une valeur et cherches sa probabilité : prends LOI.NORMALE.N, qui va dans le sens inverse.
Garde LOI.NORMALE.STANDARD.INVERSE.N pour les calculs en loi centrée réduite (moyenne 0, écart-type 1) : c'est le cas particulier idéal pour obtenir un z-score brut, mais dès que ta distribution a sa propre moyenne et son propre écart-type, LOI.NORMALE.INVERSE.N t'évite la reconversion manuelle.
| Critère | LOI.NORMALE.INVERSE.N | LOI.NORMALE.N | LOI.NORMALE.STANDARD.INVERSE.N |
|---|---|---|---|
| Direction du calcul | Probabilité → Valeur (quantile) | Valeur → Probabilité | Probabilité → Valeur (loi centrée réduite) |
| Paramètres | probabilité, moyenne, écart_type | x, moyenne, écart_type, cumulative | probabilité seulement (μ=0, σ=1) |
| Cas d'usage typique | Seuils de recrutement, VaR, limites de contrôle | Calculer P(X <= x) pour une valeur connue | Calculer des z-scores, convertir ensuite |
| Relation | Fonction générale | Inverse mathématique | Cas particulier μ=0, σ=1 |
Questions fréquentes sur la fonction LOI.NORMALE.INVERSE.N
Quelle est la différence entre LOI.NORMALE.INVERSE.N et LOI.NORMALE.INVERSE ?
LOI.NORMALE.INVERSE.N est la version moderne introduite dans Excel 2010, qui remplace LOI.NORMALE.INVERSE. Les deux fonctions produisent des résultats identiques, mais Microsoft recommande d'utiliser la version avec le suffixe .N pour tous les nouveaux classeurs, pour une meilleure cohérence avec les autres fonctions statistiques modernes.
Comment calculer les bornes d'un intervalle de confiance à 95 % ?
Pour un intervalle de confiance à 95 %, calcule les quantiles à 2,5 % et 97,5 %. La borne inférieure est =LOI.NORMALE.INVERSE.N(0,025; moyenne; écart_type/RACINE(n)) et la borne supérieure est =LOI.NORMALE.INVERSE.N(0,975; moyenne; écart_type/RACINE(n)) où n est la taille de l'échantillon.
Comment générer des données aléatoires suivant une loi normale ?
Combine LOI.NORMALE.INVERSE.N avec ALEA() : =LOI.NORMALE.INVERSE.N(ALEA(); moyenne; écart_type) génère une valeur aléatoire de la distribution normale spécifiée. À chaque recalcul, une nouvelle valeur est générée. Pour figer les valeurs générées, copie-colle en valeurs uniquement.
Quelle est la relation entre LOI.NORMALE.INVERSE.N et LOI.NORMALE.STANDARD.INVERSE.N ?
LOI.NORMALE.STANDARD.INVERSE.N est un cas particulier de LOI.NORMALE.INVERSE.N avec moyenne = 0 et écart-type = 1. La relation est : LOI.NORMALE.INVERSE.N(p; μ; σ) = μ + σ × LOI.NORMALE.STANDARD.INVERSE.N(p). Tu peux toujours convertir entre les deux via la transformation z = (x - μ) / σ.
Pourquoi ma fonction renvoie une erreur #NOMBRE! ?
L'erreur #NOMBRE! apparaît quand la probabilité est exactement 0 ou 1, ou quand l'écart-type est négatif ou nul. Utilise des valeurs proches comme 0,0001 ou 0,9999 si tu as besoin de quantiles extrêmes. Vérifie aussi que ton écart-type est strictement positif.
LOI.NORMALE.INVERSE.N s'applique-t-elle aux petits échantillons ?
Pour les petits échantillons (moins de 30 observations), la loi normale n'est pas toujours appropriée : utilise plutôt LOI.STUDENT.INVERSE.N qui tient compte de l'incertitude supplémentaire liée à la petite taille d'échantillon. La loi normale est une bonne approximation à partir d'environ 30 observations.
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