Qu'est-ce que la fonction LOI.
LOI.STUDENT (T.DIST en anglais) calcule la distribution t de Student, l'outil statistique de référence quand tu travailles avec de petits échantillons. Si tu analyses des résultats de tests A/B, des études cliniques ou des contrôles qualité avec moins de 30 observations, cette fonction t'aide à obtenir des conclusions statistiquement valides.
Contrairement à la loi normale qui suppose une grande population, la distribution de Student tient compte de l'incertitude supplémentaire liée aux petits échantillons. Concrètement, c'est elle qui calcule la p-value d'un test t pour savoir si une machine de production est conforme à sa norme, si un nouveau design de landing page améliore vraiment les conversions, si un traitement médical est efficace sur 18 patients, ou si la surperformance d'un portefeuille d'investissement est statistiquement réelle.
Syntaxe
=LOI.STUDENT(x; degrés_liberté; cumulative)Clique sur un argument pour aller à son explication.
LOI.STUDENT est la version modernisée de LOI.STUDENT (ancienne syntaxe) disponible depuis Excel 2010. Pour les intervalles de confiance, utilise plutôt LOI.STUDENT.INVERSE.BILATERALE qui donne directement la valeur critique t à partir d'un niveau de confiance.
Comprendre chaque paramètre de la fonction LOI.STUDENT
Tu donnes à LOI.STUDENT un point sur la courbe (x, le plus souvent ton t calculé), tu lui dis sur quelle courbe regarder (degrés_liberté, qui en règle la finesse) et tu choisis ce qu'elle te ramène (cumulative) : les trois sont obligatoires, dans cet ordre. degrés_liberté doit valoir au moins 1 (sinon #NUM!) et tout décimal est rogné à l'entier inférieur, tandis que le booléen final tranche tout : VRAI te donne la probabilité cumulée pour une p-value, FAUX la densité au point x.
x
: c'est la valeur numérique à laquelle tu veux évaluer la distributionEn pratique, c'est souvent ta statistique t calculée issue d'un test d'hypothèse. Par exemple, si tu compares deux moyennes et que ton calcul donne t = 2,3, c'est cette valeur que tu utilises ici.
La valeur peut être positive ou négative. Pour calculer une p-value bilatérale, tu prendras souvent la valeur absolue de ton t calculé via ABS().
degrés_liberté
: les degrés de liberté (ddl) déterminent la forme de ta distribution de StudentPour un échantillon simple, utilise n - 1 où n est ta taille d'échantillon. Si tu as 15 observations, tu as 14 degrés de liberté.
Plus les degrés de liberté sont élevés, plus la distribution ressemble à une loi normale. À partir de 30 ddl, la différence devient négligeable. Ce paramètre doit être supérieur ou égal à 1 et sera arrondi à l'entier inférieur si tu fournis un décimal.
cumulative
: ce paramètre booléen détermine le type de calculUtilise VRAI pour obtenir la fonction de répartition cumulative, c'est-à-dire la probabilité que la variable soit inférieure ou égale à x. C'est ce que tu veux dans 95 % des cas pour calculer des p-values.
Utilise FAUX pour obtenir la densité de probabilité au point x précis. Cette option est rarement utilisée en pratique, sauf si tu traces une courbe de distribution ou fais des calculs théoriques spécifiques.
Exemples pratiques pas à pas
Comment calculer la p-value unilatérale d'un test t avec la fonction LOI.STUDENT
Ton atelier tourne sur trois machines et le service qualité t'a transmis, pour chaque prélèvement, la statistique t déjà calculée et le nombre de degrés de liberté qui va avec. Ces t bruts ne se lisent pas : un 1,73 ne dit rien tant qu'il n'est pas traduit en probabilité. La fonction LOI.STUDENT convertit chaque t en p-value, le chiffre que tu peux enfin comparer à ton seuil de 5 % pour trancher machine par machine.
- 1Dans une cellule, écris
=LOI.STUDENT(. - 2En 1er argument : clique sur la cellule qui contient la statistique t à évaluer,
B2. Elle affiche1,73pour ce prélèvement, et la fonction refuse les valeurs négatives sur ce point, ce qui tombe bien puisque toutes les statistiques de la colonne sont positives. - 3En 2ᵉ argument : clique sur la cellule des degrés de liberté,
C2, qui vaut11ici. C'est ce nombre qui règle l'épaisseur des queues de la courbe. Plus l'échantillon est petit, plus les queues sont épaisses et plus la même statistique t s'obtient facilement par hasard. - 4En 3ᵉ argument : saisis le nombre de queues à mesurer,
1. Avec une seule queue, la fonction ne compte que l'aire à droite de la statistique t, ce qui répond à la question « la machine produit-elle au-dessus de la cible ? ». - 5Ferme la parenthèse et appuie sur Entrée.
=LOI.STUDENT(B2; C2; 1)1,73 sur la courbe de Student réglée à 11 degrés de liberté, puis mesure l'aire qui reste à sa droite. Cette aire vaut 5,6 % : c'est la probabilité de voir un écart au moins aussi grand alors que la machine tourne juste. Chaque ligne a ses propres degrés de liberté, donc le même t ne donnerait pas la même p-value d'une ligne à l'autre.
Comment passer une p-value en bilatéral avec la fonction LOI.STUDENT
La réunion qualité a recadré la question : on ne cherche plus à savoir si les machines dérivent vers le haut, mais si elles dérivent tout court, au-dessus comme en dessous de la cible. Une pièce trop fine est un défaut autant qu'une pièce trop épaisse, donc le test doit compter les écarts dans les deux sens. La fonction LOI.STUDENT gère ce basculement avec un seul chiffre à changer, sans toucher aux données.
- 1Dans une cellule, écris
=LOI.STUDENT(. - 2En 1er argument : clique sur la cellule de la statistique t,
B2. Elle affiche toujours1,73pour ce prélèvement. Rien ne change par rapport au test unilatéral, seule la question posée à la courbe évolue. - 3En 2ᵉ argument : clique sur la cellule des degrés de liberté,
C2, avec ses11degrés. L'échantillon prélevé reste le même, donc la forme de la courbe ne bouge pas. - 4En 3ᵉ argument : saisis le nombre de queues,
2, au lieu de1. La fonction compte alors l'aire des deux côtés de la courbe, ce qui revient à demander si l'écart est anormal quel que soit son sens. Sur une courbe symétrique, cela double exactement la p-value unilatérale. - 5Ferme la parenthèse et appuie sur Entrée.
=LOI.STUDENT(B2; C2; 2)1 à 2, la fonction additionne les deux queues de la courbe au lieu d'une seule, donc chaque p-value double exactement : le premier prélèvement passe de 5,6 % à 11,2 %. Le classement des prélèvements ne bouge pas, mais le verdict, lui, peut basculer : à 2,9 % le quatrième reste sous les 5 %, alors que le premier n'y est plus.
Comment corriger l'erreur #NOMBRE! de la fonction LOI.STUDENT avec un t négatif
Cette fois les lots sont comparés à la cible dans les deux sens, donc trois statistiques t arrivent négatives : ces lots-là sont sous la référence. Écrite telle quelle, la formule renvoie #NOMBRE! sur ces trois lignes et le tableau se retrouve troué au moment de le présenter. La fonction LOI.STUDENT n'accepte en effet que des t positifs, et il suffit de lui retirer le signe en amont pour que la colonne se remplisse entièrement.
- 1Dans une cellule, écris
=LOI.STUDENT(. - 2En 1er argument : écris la statistique t enveloppée dans la fonction ABS et referme-la,
ABS(B2). Le-2,31du lot A devient2,31, la seule forme que la fonction LOI.STUDENT accepte. Sans cette précaution, la ligne renvoie l'erreur#NOMBRE!. - 3En 2ᵉ argument : clique sur la cellule des degrés de liberté,
C2, avec les9degrés du lot A. La correction ne touche qu'au signe de la statistique t, pas à la taille de l'échantillon. - 4En 3ᵉ argument : saisis le nombre de queues,
2, comme au test bilatéral précédent. Puisque tu comptes déjà les écarts des deux côtés, retirer le signe de la statistique t ne fait perdre aucune information sur le sens de l'écart, que la colonneStatistique tcontinue d'afficher. - 5Ferme la parenthèse et appuie sur Entrée.
=LOI.STUDENT(ABS(B2); C2; 2)-2,31 devient 2,31 avant d'entrer dans la courbe. Le lot A sort à 4,6 % au lieu d'une erreur, et son signe négatif garde tout son sens ailleurs : il dit que le lot est sous la cible, pendant que la p-value dit seulement si l'écart est trop grand pour être du hasard.
Les erreurs fréquentes avec la fonction LOI.STUDENT
Imagine que tu lances ton t dans la courbe et qu'elle te renvoie un chiffre poli mais faux : c'est le scénario le plus courant ici. Le seul vrai plantage, c'est le #NUM! quand degrés_liberté descend sous 1 (avec 2 observations tu as 1 ddl, pas 0). Le reste dérape en silence : sur un test bilatéral, oublier le 2* divise ta p-value par deux et te fait crier victoire à tort, et omettre ABS() sur un t négatif te fait lire la mauvaise queue de la distribution.
Erreur #NUM! - Degrés de liberté insuffisants
Tu obtiens #NUM! si tu entres des degrés de liberté inférieurs à 1. Par exemple, =LOI.STUDENT(2; 0; VRAI) génère cette erreur, car il faut au minimum 2 observations pour obtenir 1 degré de liberté.
Solution : Vérifie ton calcul de degrés de liberté. Pour un échantillon simple, c'est n-1. Avec 2 observations, tu as 1 degré de liberté (pas 0). Assure-toi que ta plage de données contient au minimum 2 valeurs numériques.
P-value deux fois trop petite pour un test bilatéral
Beaucoup oublient de multiplier par 2 pour obtenir une p-value bilatérale. Si tu utilises directement =1-LOI.STUDENT(t; ddl; VRAI) pour un test bilatéral, ta p-value est deux fois trop petite et tu risques de conclure à tort à une significativité.
Solution : Pour un test bilatéral (tu testes si une moyenne est différente d'une valeur), utilise =2*(1-LOI.STUDENT(ABS(t); ddl; VRAI)). Pour un test unilatéral (> ou <), utilise =1-LOI.STUDENT(t; ddl; VRAI) directement.
Oublier la valeur absolue pour les t négatifs
Si ta statistique t est négative (par exemple t = -2,3) et que tu fais un test bilatéral sans ABS(), tu calcules la mauvaise queue de la distribution et tu obtiens une p-value erronée.
Solution : Utilise toujours ABS(t) pour les tests bilatéraux : =2*(1-LOI.STUDENT(ABS(B2); B3; VRAI)). Pour les tests unilatéraux gauches (teste si moyenne < valeur), utilise directement =LOI.STUDENT(t; ddl; VRAI) sans valeur absolue.
Utiliser LOI.STUDENT pour de grands échantillons alors que ce n'est pas optimal
Techniquement, LOI.STUDENT fonctionne avec n'importe quelle taille d'échantillon. Mais pour n supérieur à 30, la distribution t converge vers la loi normale et les calculs sont inutilement complexes.
Solution : Avec plus de 30 observations, tu peux utiliser LOI.NORMALE.STANDARD ou le test z. Les résultats seront quasi identiques. LOI.STUDENT reste correct mais n'apporte plus d'avantage statistique par rapport à la loi normale.
LOI.STUDENT vs LOI.NORMALE vs LOI.KHIDEUX
Pense à LOI.STUDENT comme la version prudente de la cloche normale : ses queues sont plus épaisses parce qu'elle ajoute l'incertitude des petits échantillons (n < 30) où tu estimes l'écart-type (s) au lieu de le connaître. Dès que tu connais sigma ou que n dépasse 30, LOI.NORMALE te donne le même verdict en plus court. LOI.KHIDEUX, elle, ne joue pas dans la même cour : elle teste une variance, pas une moyenne.
| Critère | LOI.STUDENT | LOI.NORMALE | LOI.KHIDEUX |
|---|---|---|---|
| Taille d'échantillon recommandée | Petits (n < 30) | Grands (n >= 30) | Variable |
| Usage principal | Tests de moyenne | Tests avec sigma connu | Tests de variance |
| Forme de distribution | Queues épaisses | Courbe en cloche | Asymétrique |
| Paramètre clé | Degrés de liberté | mu et sigma | Degrés de liberté |
| Écart-type requis | Estimé (s) | Connu (sigma) | N/A |
| Complexité | ⭐⭐ | ⭐ | ⭐⭐⭐ |
Astuces avancées avec LOI.STUDENT
Automatiser le calcul t + p-value en une seule cellule
Pour tester si la moyenne de A1:A20 diffère d'une valeur de référence (ici 50), tu peux tout calculer d'un coup : =2*(1-LOI.STUDENT(ABS((MOYENNE(A1:A20)-50)/(ECARTYPE.STANDARD(A1:A20)/RACINE(20))); 19; VRAI)). Cette formule calcule la statistique t à la volée et retourne directement la p-value bilatérale.
Si tu as besoin de ce pattern souvent, paramètre la valeur de référence dans une cellule séparée plutôt que de la coder en dur.
Afficher l'interprétation directement avec SI
Pour des rapports lisibles, enchaîne LOI.STUDENT avec SI pour afficher automatiquement "Significatif" ou "Non significatif" : =SI(2*(1-LOI.STUDENT(ABS(B2); B3; VRAI))<0,05; "Significatif"; "Non significatif"). Remplace B2 par ta statistique t et B3 par tes degrés de liberté.
Tu peux raffiner avec un double SI pour distinguer "Très significatif" (p < 0,01), "Significatif" (p < 0,05) et "Non significatif".
La règle des queues épaisses pour les petits échantillons
Avec moins de 10 degrés de liberté, la distribution de Student a des queues beaucoup plus épaisses que la normale. Avec 5 ddl, la valeur critique pour alpha = 5 % bilatéral est 2,571, contre 1,96 pour la loi normale.
Cela signifie qu'avec de petits échantillons, tu as besoin d'un effet plus grand pour atteindre la significativité, ce qui est mathématiquement correct et évite les faux positifs.
Questions fréquentes
Utilise LOI.STUDENT quand tu travailles avec de petits échantillons (généralement n < 30) ou quand l'écart-type de la population est inconnu. Pour des grands échantillons (n > 30), les deux distributions convergent et tu peux utiliser LOI.NORMALE.
En pratique, la règle simple : dès que tu estimes l'écart-type à partir de tes données (avec ECARTYPE.STANDARD) plutôt que de le connaître, LOI.STUDENT est plus rigoureuse.
Les degrés de liberté représentent le nombre de valeurs indépendantes dans ton calcul. Pour un test t simple sur un seul échantillon, c'est n - 1 (taille de l'échantillon moins 1).
Plus les degrés de liberté sont élevés, plus la distribution de Student ressemble à une distribution normale et plus les queues sont minces. Avec 30 ddl ou plus, la différence avec la loi normale est négligeable.
Un test bilatéral vérifie si la moyenne diffère dans les deux directions (différent), tandis qu'un test unilatéral teste une seule direction (supérieur ou inférieur). Pour un test unilatéral, tu utilises la moitié de la p-value d'un test bilatéral. Choisis bilatéral si tu cherches toute différence (par exemple, une machine produit à une taille différente de la norme). Choisis unilatéral si tu as une hypothèse directionnelle (par exemple, le nouveau design a un meilleur taux de conversion).
TEST.STUDENT effectue le calcul complet du test t et retourne directement la p-value bilatérale. LOI.STUDENT te donne plus de contrôle en calculant la probabilité à partir d'une valeur t que tu fournis toi-même. Si tu calcules toi-même le t avec LOI.STUDENT, vérifie que tu utilises la bonne formule pour ton type de test (un ou deux échantillons, variances égales ou non) et le bon nombre de degrés de liberté.
Utilise VRAI (cumulative) pour obtenir la probabilité qu'une valeur soit inférieure ou égale à x. C'est ce que tu veux pour calculer des p-values et des intervalles de confiance, soit 95 % des usages pratiques.
Utilise FAUX pour obtenir la densité de probabilité à un point précis, ce qui est réservé au tracé de courbes de distribution ou à des calculs théoriques très spécifiques.
Pour aller plus loin
Continue sur ta lancée après la fonction LOI.STUDENT : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
