Fonction de compatibilité. LOI.STUDENT reste disponible pour les anciens classeurs, mais Excel recommande désormais LOI.STUDENT.N pour tes nouveaux fichiers.
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 de la fonction LOI.STUDENT
=LOI.STUDENT(x; degrés_liberté; cumulative)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.
Astuce : Pour un échantillon simple, les degrés de liberté = taille de l'échantillon moins 1. Avec 2 observations, tu as 1 degré de liberté. Tu dois avoir au minimum 2 observations pour faire un test t.
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.
Astuce : Pour un test bilatéral, calcule =2*(1-LOI.STUDENT(ABS(t); ddl; VRAI)). Le ABS() gère les valeurs négatives, le (1-...) donne la queue droite, et le 2* double pour obtenir les deux queues.
Pas envie d'écrire la formule LOI.STUDENT à la main ?
Génère-la avec notre IA
Exemples pratiques pas à pas
Contrôle qualité : tester si une nouvelle machine produit dans les normes
Tu es responsable qualité dans une usine. Une nouvelle machine doit produire des pièces de 50,0 mm en moyenne. Tu prélèves 12 pièces et obtiens une moyenne de 50,4 mm avec un écart-type de 0,8 mm. La statistique t calculée est 1,73. Tu veux savoir si cette différence est statistiquement significative.
Avec 12 observations, tu as 11 degrés de liberté (12-1). La p-value de 5,6 % indique qu'il y a 5,6 % de chances d'observer un écart aussi grand par hasard si la machine produit vraiment à 50,0 mm. Au seuil classique de 5 %, tu ne rejettes pas l'hypothèse que la machine est conforme.
| A | B | C | |
|---|---|---|---|
| 1 | Statistique t | Degrés liberté | P-value (unilatéral) |
| 2 | 1,73 | 11 | 5,6 % |
=1-LOI.STUDENT(1,73; 11; VRAI)Marketing digital : évaluer l'impact d'un nouveau design de landing page
Tu es data analyst marketing et tu as testé un nouveau design sur 25 visiteurs. Le taux de conversion moyen est de 8,2 % contre 6,5 % pour l'ancien design. Ton calcul t donne 2,14 et tu veux vérifier si cette amélioration est significative (test bilatéral).
Pour un test bilatéral, tu multiplies par 2 la probabilité de queue droite. Avec une p-value de 4,2 % (inférieure à 5 %), tu peux conclure que le nouveau design améliore significativement le taux de conversion. Tu as 24 degrés de liberté (25-1).
| A | B | C | D | |
|---|---|---|---|---|
| 1 | |t| calculé | ddl | P(t cumulé) | P-value bilatérale |
| 2 | 2,14 | 24 | 97,9 % | 4,2 % |
=2*(1-LOI.STUDENT(2,14; 24; VRAI))Astuce de pro : Avec seulement 25 visiteurs, ton échantillon est petit. Si tu peux, continue le test jusqu'à 100 visiteurs ou plus pour avoir une conclusion plus robuste. LOI.STUDENT reste valide, mais la puissance statistique augmente avec la taille.
Recherche clinique : calculer un intervalle de confiance à 95 %
Tu es biostatisticien et tu analyses les résultats d'un essai clinique sur 18 patients. La réduction moyenne de la pression artérielle est de 12 mmHg avec un écart-type de 5,2 mmHg. Tu veux construire un intervalle de confiance à 95 % et tu as besoin de la valeur critique t.
Pour un intervalle de confiance à 95 %, tu utilises alpha = 0,05 (5 % de risque total). Avec 18 patients, tu as 17 degrés de liberté. L'intervalle est alors : 12 ± 2,110 × (5,2/RACINE(18)) = [9,4 ; 14,6] mmHg. Pour les intervalles de confiance, utilise LOI.STUDENT.INVERSE.BILATERALE plutôt que LOI.STUDENT directement : c'est plus direct.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Seuil alpha | ddl | Méthode | t critique |
| 2 | 0,05 | 17 | LOI.STUDENT.INVERSE.BILATERALE | 2,110 |
=LOI.STUDENT.INVERSE.BILATERALE(0,05; 17)Astuce de pro : Pour les intervalles de confiance, LOI.STUDENT.INVERSE.BILATERALE(alpha; ddl) te donne directement la valeur critique t. C'est plus simple que de passer par LOI.STUDENT dans l'autre sens.
Analyse financière : comparer les rendements de deux portefeuilles
Tu es analyste financier et tu compares deux stratégies d'investissement sur 20 mois. La stratégie A a surperformé de 1,8 % en moyenne par mois avec une volatilité relative donnant un t de 2,65. Tu veux savoir si cette surperformance est statistiquement significative.
Avec 20 observations mensuelles, tu as 19 degrés de liberté. Une p-value de 0,8 % (moins de 1 %) indique une surperformance très significative. Pour un test unilatéral (tu testes si A surperforme B), tu utilises directement 1-LOI.STUDENT. Si tu voulais un test bilatéral (A différent de B), tu doublerais cette p-value : 1,6 %.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | t calculé | ddl | P(t cumulé) | P-value unilatérale |
| 2 | 2,65 | 19 | 99,2 % | 0,8 % |
=1-LOI.STUDENT(2,65; 19; VRAI)Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
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 sur la fonction LOI.STUDENT
Quand utiliser LOI.STUDENT plutôt que LOI.NORMALE ?
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.
Que sont exactement les degrés de liberté ?
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.
Quelle est la différence entre un test bilatéral et unilatéral ?
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).
Pourquoi ma p-value LOI.STUDENT est différente de celle de TEST.STUDENT ?
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.
Dois-je utiliser VRAI ou FAUX pour le paramètre cumulative ?
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
Les fonctions similaires : TEST.STUDENT, LOI.NORMALE, LOI.KHIDEUX, LOI.STUDENT.INVERSE, LOI.F
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