LOI.NORMALE.STANDARD.INVERSE.N remplace avantageusement les tables statistiques Z que tu feuilletais à l'université : tu lui donnes une probabilité cumulée, elle te retourne la valeur z correspondante avec une précision totale. Elle répond à la question inverse de LOI.NORMALE.STANDARD.N : non plus « quelle est la probabilité d'être en dessous de z = 1,96 ? » mais « quel z dois-je dépasser pour être dans les 2,5 % les plus extrêmes ?"
C'est la fonction centrale des intervalles de confiance et des tests d'hypothèses : elle te donne le célèbre 1,96 pour un intervalle à 95 %, le 2,576 pour 99 %, ou n'importe quelle valeur critique dont tu as besoin. Analyste de données, responsable qualité, DRH qui calibre des seuils de performance : dès que tu travailles avec une distribution normale, cette fonction élimine toutes les interpolations manuelles et les erreurs de lecture des tables.
Syntaxe de la fonction LOI.NORMALE.STANDARD.INVERSE.N
=LOI.NORMALE.STANDARD.INVERSE.N(probabilité)Cette fonction est équivalente à =LOI.NORMALE.INVERSE.N(probabilité; 0; 1). La version standard simplifie l'écriture quand tu travailles directement avec des valeurs z, sans besoin de spécifier la moyenne et l'écart-type à chaque fois.
Comprendre chaque paramètre de la fonction LOI.NORMALE.STANDARD.INVERSE.N
probabilité
: la probabilité cumulée pour laquelle tu cherches la valeur z correspondanteCe doit être un nombre strictement compris entre 0 et 1 (0 et 1 exclus). Par exemple, 0,975 retourne 1,96 : c'est le z tel que 97,5 % de la distribution normale standard est en dessous de cette valeur.
Les valeurs exactes 0 et 1 ne sont pas permises car elles correspondraient à z = -infini et z = +infini respectivement.
Astuce : Pour un intervalle de confiance bilatéral à 95 %, utilise 0,975 (et non 0,95). La logique : tu veux 5 % en dehors de l'intervalle, répartis à parts égales dans les deux queues, soit 2,5 % dans chaque queue. La borne supérieure correspond donc au 97,5e percentile.
Attention : L'erreur la plus fréquente est d'utiliser 0,95 pour un intervalle bilatéral à 95 %. Cela donne z = 1,645 au lieu de 1,96. La règle : pour bilatéral à (1-alpha)%, utilise 1 - alpha/2 comme probabilité.
Exemples pratiques pas à pas
Data analyst : construire un intervalle de confiance pour le panier moyen
Tu es analyste dans une société d'e-commerce et tu veux estimer le panier moyen des clients avec un intervalle de confiance à 95 %. Sur un échantillon de 200 commandes, tu observes une moyenne de 87 euros avec un écart-type de 32 euros.
| A | B | C | |
|---|---|---|---|
| 1 | Paramètre | Valeur | Formule ou unité |
| 2 | Moyenne échantillon | 87 | euros |
| 3 | Écart-type | 32 | euros |
| 4 | Taille échantillon | 200 | commandes |
| 5 | Niveau confiance | 0,95 | 95 % |
| 6 | z critique | 1,9600 | =LOI.NORMALE.STANDARD.INVERSE.N(1-(1-0,95)/2) |
| 7 | Erreur standard | 2,2627 | =32/RACINE(200) |
| 8 | Marge erreur | 4,4349 | =1,96*2,2627 |
| 9 | Borne inférieure IC | 82,57 | =87-4,4349 |
| 10 | Borne supérieure IC | 91,43 | =87+4,4349 |
=LOI.NORMALE.STANDARD.INVERSE.N(1-(1-0,95)/2)La formule convertit le niveau de confiance en probabilité bilatérale (97,5 %) et renvoie directement z = 1,96. Combiné à l'erreur standard (2,26 euros) et à la marge d'erreur (4,43 euros), il borne le panier moyen réel entre 82,57 et 91,43 euros avec 95 % de confiance.
Astuce de pro : Rends la formule dynamique en référençant le niveau de confiance dans une cellule : =LOI.NORMALE.STANDARD.INVERSE.N(1-(1-B4)/2). Tu changes le niveau de confiance en une seule cellule et toutes les bornes se mettent à jour automatiquement.
DRH : calculer des seuils de performance par percentile
Le département RH souhaite identifier les employés aux performances exceptionnelles (top 5 %) et ceux nécessitant un accompagnement (bottom 10 %) sur la base des scores d'évaluation annuelle. Les scores suivent une distribution normale avec une moyenne de 75 et un écart-type de 12.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Catégorie | Percentile | Valeur z | Score seuil | Formule |
| 2 | Top 5 % | 0,95 | 1,6449 | 94,74 | =75+LOI.NORMALE.STANDARD.INVERSE.N(0,95)*12 |
| 3 | Bottom 10 % | 0,10 | -1,2816 | 59,62 | =75+LOI.NORMALE.STANDARD.INVERSE.N(0,10)*12 |
| 4 | Quartile 1 | 0,25 | -0,6745 | 66,91 | =75+LOI.NORMALE.STANDARD.INVERSE.N(0,25)*12 |
| 5 | Médiane | 0,50 | 0,0000 | 75,00 | =75+LOI.NORMALE.STANDARD.INVERSE.N(0,50)*12 |
| 6 | Quartile 3 | 0,75 | 0,6745 | 83,09 | =75+LOI.NORMALE.STANDARD.INVERSE.N(0,75)*12 |
=75+LOI.NORMALE.STANDARD.INVERSE.N(0,95)*12La formule récupère le z du percentile visé, le multiplie par l'écart-type (12) et l'ajoute à la moyenne (75) pour ramener le seuil sur l'échelle des scores : 94,7 pour le top 5 %, 59,6 pour le bottom 10 %. Ces seuils reposent ainsi sur des critères statistiques plutôt que sur des impressions.
Responsable qualité : limites de contrôle statistique à 3 sigma
Tu es responsable qualité dans une usine qui produit des résistances électroniques avec une valeur nominale de 100 ohms et un écart-type de processus de 1,5 ohm. Tu veux définir des limites de contrôle statistique à 3 sigma pour détecter les dérives avant qu'elles ne causent des défauts.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Limite | Niveau | z | Valeur | Formule |
| 2 | Valeur cible | - | 0 | 100 ohms | Nominale |
| 3 | Écart-type processus | - | - | 1,5 ohms | Mesure |
| 4 | Niveau contrôle | 99,73 % | - | 0,99865 | Pour limites 3-sigma |
| 5 | z critique | - | 2,9998 | =LOI.NORMALE.STANDARD.INVERSE.N(0,99865) | |
| 6 | Limite supérieure (LSC) | LSC | +3 | 104,50 ohms | =100+2,9998*1,5 |
| 7 | Limite inférieure (LIC) | LIC | -3 | 95,50 ohms | =100-2,9998*1,5 |
=LOI.NORMALE.STANDARD.INVERSE.N(0,99865)La fonction traduit le 99,865e percentile en score z, soit 2,9998, avec une précision exacte et sans interpolation. Appliqué à la valeur nominale (100 ohms ± 2,9998 × 1,5), il fixe les limites de contrôle à [95,5 ohms ; 104,5 ohms].
Astuce de pro : Change 0,99865 par une cellule référencée pour rendre tes limites dynamiques. Par exemple, des limites à 2 sigma correspondent à =LOI.NORMALE.STANDARD.INVERSE.N(0,9772). Tu adaptes le niveau de contrôle sans recalculer manuellement.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.NORMALE.STANDARD.INVERSE.N
Le souci qui revient le plus n'est même pas une vraie erreur Excel : taper 0,95 pour un intervalle à 95 % te renvoie tranquillement 1,645 au lieu de 1,96, et ton intervalle se retrouve trop serré sans que rien ne clignote. Le vrai garde-fou, lui, c'est #NOMBRE! : il surgit dès que ta probabilité touche 0 ou 1, car ces bornes correspondent à des z infinis.
Le dernier piège est silencieux aussi : la fonction te rend un z brut, pas une valeur dans l'unité de tes données. Oublier de le retransformer en mu + z × sigma donne un résultat exact mais inutilisable tel quel.
Erreur #NOMBRE! sur la probabilité
La probabilité passée est inférieure ou égale à 0, ou supérieure ou égale à 1. Les valeurs exactes 0 et 1 ne sont pas permises car elles correspondraient à des valeurs z infinies.
Solution : Vérifie que ta probabilité est strictement entre 0 et 1. Si elle provient d'un calcul, protège avec =SIERREUR(LOI.NORMALE.STANDARD.INVERSE.N(prob); "Prob hors domaine"). Pour des valeurs extrêmes, utilise 0,0001 ou 0,9999 comme proxys.
Erreur #VALEUR! sur l'argument
L'argument n'est pas numérique : cellule vide, texte, ou référence à une cellule contenant du texte au lieu d'un nombre.
Solution : Vérifie que ta cellule source contient bien un nombre. Si la probabilité vient d'une autre formule, assure-toi qu'elle ne retourne pas une chaîne de texte. Utilise ESTNUM(cellule) pour diagnostiquer.
Valeur z incorrecte pour un intervalle bilatéral
Utiliser 0,95 pour un IC bilatéral à 95 % est l'erreur la plus fréquente. Cela donne z = 1,645 (valeur pour un test unilatéral à 5 %) au lieu de z = 1,96 (bilatéral à 5 %). La confusion entre unilatéral et bilatéral produit des intervalles de confiance trop étroits.
Solution : Pour un IC bilatéral à (1-alpha)%, utilise toujours 1 - alpha/2 comme probabilité. Pour 95 % bilatéral : 1 - 0,05/2 = 0,975. Pour 99 % bilatéral : 1 - 0,01/2 = 0,995. La formule générique : =LOI.NORMALE.STANDARD.INVERSE.N(1-(1-niveau_confiance)/2).
Oublier la transformation inverse pour obtenir une valeur réelle
La fonction retourne une valeur z standardisée (sur la distribution N(0,1)), pas une valeur dans l'unité de tes données. Si tu travailles avec des données de moyenne mu et d'écart-type sigma, z seul n'est pas directement interprétable.
Solution : Applique la transformation X = mu + z × sigma pour obtenir la valeur dans l'échelle originale. Par exemple, pour des scores d'évaluation (mu = 75, sigma = 12) : =75 + LOI.NORMALE.STANDARD.INVERSE.N(0,95) * 12 te donne le seuil du top 5 % directement en points.
LOI.NORMALE.STANDARD.INVERSE.N vs LOI.NORMALE.INVERSE.N vs LOI.STUDENT.INVERSE.N
Prends celle-ci quand tu raisonnes en z pur sur la distribution N(0,1) : tests d'hypothèses et intervalles de confiance sur de gros échantillons, sans avoir à ressaisir une moyenne et un écart-type. Si tu veux le résultat directement dans l'unité de tes données (euros, points, ohms), LOI.NORMALE.INVERSE.N te le rend en une formule en lui passant ta moyenne et ton écart-type.
Et dès que ton échantillon descend sous une trentaine d'observations, bascule sur LOI.STUDENT.INVERSE.N : la loi de Student élargit l'intervalle pour compenser l'incertitude des petits effectifs, là où la loi normale te donnerait des bornes trop optimistes.
| Critère | LOI.NORMALE.STANDARD.INVERSE.N | LOI.NORMALE.INVERSE.N | LOI.STUDENT.INVERSE.N |
|---|---|---|---|
| Distribution | N(0,1) fixe | N(mu, sigma) personnalisée | Student-t (ddl variable) |
| Paramètres supplémentaires | Aucun | moyenne + écart-type | degrés de liberté |
| Résultat retourné | Valeur z | Valeur dans l'échelle originale | Valeur t |
| Cas d'usage | Tests statistiques, IC avec grands échantillons | Percentile directement en unité métier | Petits échantillons (n < 30) |
Questions fréquentes sur la fonction LOI.NORMALE.STANDARD.INVERSE.N
Pourquoi utiliser cette fonction plutôt que LOI.NORMALE.INVERSE.N ?
LOI.NORMALE.STANDARD.INVERSE.N est la version simplifiée avec moyenne = 0 et écart-type = 1 présupposés. Elle est plus pratique pour obtenir des valeurs z standardisées, ce qui est le cas dans la plupart des tests et intervalles de confiance. Au lieu d'écrire =LOI.NORMALE.INVERSE.N(0,975;0;1), tu écris simplement =LOI.NORMALE.STANDARD.INVERSE.N(0,975). Si tu veux un percentile directement dans l'unité de tes données, préfère LOI.NORMALE.INVERSE.N avec ta moyenne et ton écart-type.
D'où vient la valeur 1,96 pour les intervalles de confiance à 95 % ?
Pour un IC bilatéral à 95 %, tu veux 95 % de la distribution entre tes bornes, laissant 5 % en dehors. Comme l'intervalle est symétrique, il y a 2,5 % dans chaque queue. La borne supérieure correspond au 97,5e percentile : =LOI.NORMALE.STANDARD.INVERSE.N(0,975) = 1,96. Les autres valeurs courantes : 1,645 pour 90 % bilatéral, 2,326 pour 98 %, 2,576 pour 99 %.
Comment calculer des valeurs critiques pour un test unilatéral ?
Pour un test unilatéral à droite au niveau 5 %, tout le risque alpha est dans la queue droite : utilise le 95e percentile, =LOI.NORMALE.STANDARD.INVERSE.N(0,95) = 1,645. Pour un test unilatéral à gauche, utilise directement alpha : =LOI.NORMALE.STANDARD.INVERSE.N(0,05) = -1,645. La règle : bilatéral alpha% utilise (1 - alpha/2) ; unilatéral à droite alpha% utilise (1 - alpha) ; unilatéral à gauche alpha% utilise alpha directement.
Comment convertir une valeur z en valeur réelle avec ma propre moyenne et mon écart-type ?
Une fois la valeur z obtenue, applique X = mu + z × sigma, où mu est ta moyenne et sigma ton écart-type. Par exemple, pour des scores de QI (mu = 100, sigma = 15), le 97,5e percentile se calcule ainsi : z = 1,96, donc QI = 100 + 1,96 × 15 = 129,4. Cette transformation permet de passer de l'échelle standardisée à l'unité métier.
Quelle différence avec les tables Z des manuels de statistiques ?
LOI.NORMALE.STANDARD.INVERSE.N fait exactement le même travail que les tables Z classiques, mais en sens inverse et avec une précision totale. Les tables te donnent P(Z <= z) à partir de z ; la fonction Excel te donne z à partir de P(Z <= z). Tu n'as plus besoin d'interpoler entre les valeurs d'une table ou d'arrondir à deux décimales.
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