Fonction de compatibilité. LOI.STUDENT.INVERSE reste disponible pour les anciens classeurs, mais Excel recommande désormais LOI.STUDENT.INVERSE.BILATERALE pour tes nouveaux fichiers.
La fonction LOI.STUDENT.INVERSE (TINV en anglais) te permet de calculer les valeurs critiques de la distribution t de Student pour tes intervalles de confiance et tes tests d'hypothèses. Elle fait l'inverse de LOI.STUDENT : au lieu de te donner une probabilité pour une valeur t donnée, elle te donne la valeur t qui correspond à une probabilité donnée.
Concrètement, c'est elle que tu utilises quand tu travailles sur de petits échantillons en recherche, en contrôle qualité ou en finance. Un chercheur qui veut calculer l'intervalle de confiance d'une mesure sur 12 échantillons, un responsable qualité qui teste si une machine respecte les normes, un manager RH qui évalue l'efficacité d'une formation : tous ont besoin de cette valeur t critique pour des analyses statistiques rigoureuses.
Syntaxe de la fonction LOI.STUDENT.INVERSE
=LOI.STUDENT.INVERSE(probabilité; degrés_liberté)LOI.STUDENT.INVERSE retourne des valeurs négatives pour les probabilités inférieures à 0,5 et positives pour les probabilités supérieures à 0,5. Pour les intervalles de confiance bilatéraux, préfère LOI.STUDENT.INVERSE.BILATERAL qui évite cette complexité en retournant directement la valeur critique positive à utiliser avec ±.
Comprendre chaque paramètre de la fonction LOI.STUDENT.INVERSE
Les deux arguments sont obligatoires et suivent toujours le même ordre : d'abord la probabilité cumulée que tu vises, ensuite tes degrés de liberté. Aucun n'est facultatif, mais c'est la probabilité qui piège le plus : elle doit rester strictement entre 0 et 1, sinon tu récoltes un #NOMBRE!.
probabilité
: la probabilité cumulée gauche (aire sous la courbe à gauche de la valeur t) pour laquelle tu veux trouver la valeur critiquePar exemple, pour un intervalle de confiance à 95% en test bilatéral, tu utiliseras 0,025 pour la queue gauche.
Cette valeur doit être strictement entre 0 et 1 (exclusif). Une valeur de 0, 1, négative ou supérieure à 1 génère l'erreur #NOMBRE!.
Astuce : Pour des intervalles de confiance bilatéraux, c'est plus simple d'utiliser LOI.STUDENT.INVERSE.BILATERAL qui te retourne directement la valeur positive à utiliser avec ±. Tu gagnes du temps et évites les erreurs.
degrés_liberté
: le nombre de degrés de liberté de ta distribution t de StudentPour un échantillon unique, c'est généralement n - 1 (ta taille d'échantillon moins 1). Pour un test t apparié, c'est aussi n - 1 où n est le nombre de paires.
Ce paramètre doit être un entier supérieur ou égal à 1.
Astuce : Plus tes degrés de liberté sont grands, plus la distribution de Student ressemble à la distribution normale. À partir de 30, les deux sont quasi identiques. C'est pour ça qu'on recommande Student pour les petits échantillons (n inférieur à 30).
Exemples pratiques pas à pas
Chercheur : intervalle de confiance sur petit échantillon
Tu es chercheur et tu mesures la concentration d'un principe actif sur 12 échantillons. Ta moyenne est de 98,5 mg/L avec un écart-type de 4,2 mg/L. Tu veux calculer ton intervalle de confiance à 95% pour présenter tes résultats à ton équipe.
Avec seulement 12 échantillons, tu utilises Student plutôt que la loi normale. Ta valeur critique (2,201) est plus grande que la valeur z normale (1,96), ce qui te donne un intervalle plus large et plus prudent. Tu es 95% confiant que la vraie concentration moyenne se situe dans l'intervalle [95,84 ; 101,16] mg/L.
| A | B | C | |
|---|---|---|---|
| 1 | Paramètre | Valeur | Formule |
| 2 | Moyenne | 98,5 mg/L | Donnée |
| 3 | Écart-type | 4,2 mg/L | Donnée |
| 4 | Taille échantillon (n) | 12 | Donnée |
| 5 | Degrés de liberté (dl) | 11 | n - 1 |
| 6 | Erreur standard | 1,21 mg/L | 4,2/RACINE(12) |
| 7 | t critique 95% | 2,201 | LOI.STUDENT.INVERSE.BILATERAL(0,05;11) |
| 8 | Marge d'erreur | 2,66 mg/L | 2,201 × 1,21 |
| 9 | IC [95,84 ; 101,16] | moyenne ± marge |
=LOI.STUDENT.INVERSE.BILATERAL(0,05;11)Responsable qualité : tester si une machine respecte les normes
Tu es responsable qualité. Un fabricant affirme que ses batteries durent au moins 500 heures. Tu testes 15 batteries et obtiens une moyenne de 485 heures avec un écart-type de 32 heures. Tu veux tester au seuil de 5% si l'affirmation du fabricant est justifiée.
Ton t calculé (-1,816) est inférieur au t critique (-1,761) : tu rejettes l'hypothèse nulle. Les batteries ne durent pas 500 heures en moyenne. Tu peux légitimement refuser le lot ou demander des explications au fabricant.
| A | B | C | |
|---|---|---|---|
| 1 | Élément | Valeur | Calcul |
| 2 | Moyenne observée | 485 h | Donnée |
| 3 | Moyenne théorique | 500 h | Affirmation fabricant |
| 4 | Écart-type | 32 h | Donnée |
| 5 | n échantillon | 15 | Donnée |
| 6 | Erreur standard | 8,26 h | 32/RACINE(15) |
| 7 | t calculé | -1,816 | (485-500)/8,26 |
| 8 | t critique (5%) | -1,761 | LOI.STUDENT.INVERSE(0,05;14) |
| 9 | Décision | Rejeter H0 | t calc inférieur à t crit |
=LOI.STUDENT.INVERSE(0,05;14)Manager RH : évaluer l'efficacité d'une formation
Tu es manager RH et tu veux mesurer l'efficacité d'une formation. Tu testes 10 employés avant et après. La différence moyenne des scores est de 12,5 points avec un écart-type des différences de 8,3 points. Tu veux savoir si cette amélioration est statistiquement significative.
Ton t calculé (4,77) dépasse largement le t critique (2,262) : l'amélioration est hautement significative. Avec un t aussi élevé, tu peux même dire que la p-value est inférieure à 0,001. L'amélioration n'est pas due au hasard : ta formation apporte vraiment une valeur ajoutée mesurable.
| A | B | C | |
|---|---|---|---|
| 1 | Paramètre | Valeur | Calcul |
| 2 | Différence moyenne | 12,5 points | Après - Avant |
| 3 | Écart-type diff. | 8,3 points | Donnée |
| 4 | n paires | 10 | Nombre d'employés |
| 5 | dl (n-1) | 9 | 10 - 1 |
| 6 | Erreur standard | 2,62 points | 8,3/RACINE(10) |
| 7 | t calculé | 4,77 | 12,5/2,62 |
| 8 | t critique 95% | 2,262 | LOI.STUDENT.INVERSE.BILATERAL(0,05;9) |
| 9 | Résultat | Significatif | 4,77 supérieur à 2,262 |
=LOI.STUDENT.INVERSE.BILATERAL(0,05;9)Data analyst : établir des limites de contrôle avec peu de données
Tu es data analyst et tu dois établir des limites de contrôle pour le poids de produits. Ta cible est de 250 g. Sur 8 lots, tu obtiens une moyenne de 251,2 g avec un écart-type de 3,5 g. Tu veux établir tes limites d'alerte à 90% de confiance.
Avec seulement 8 observations, Student te donne des limites plus larges qu'avec la loi normale, ce qui est plus prudent. Tes limites de contrôle à 90% sont [248,85 ; 253,55] g. Au fur et à mesure que tu accumules des données, tes limites se resserreront.
| A | B | C | |
|---|---|---|---|
| 1 | Paramètre | Valeur | Calcul |
| 2 | Moyenne observée | 251,2 g | n = 8 |
| 3 | Écart-type | 3,5 g | Donnée |
| 4 | dl (n-1) | 7 | 8 - 1 |
| 5 | Erreur standard | 1,24 g | 3,5/RACINE(8) |
| 6 | t critique 90% | 1,895 | LOI.STUDENT.INVERSE.BILATERAL(0,10;7) |
| 7 | Marge | 2,35 g | 1,895 × 1,24 |
| 8 | Limite basse | 248,85 g | 251,2 - 2,35 |
| 9 | Limite haute | 253,55 g | 251,2 + 2,35 |
=LOI.STUDENT.INVERSE.BILATERAL(0,10;7)Astuce de pro : Pour aller plus vite, tu peux utiliser la fonction INTERVALLE.CONFIANCE.STUDENT qui calcule directement la marge d'erreur en une seule formule, sans passer par la valeur t.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.STUDENT.INVERSE
Beaucoup de ces ratés ne sont pas des bugs d'Excel mais des erreurs de raisonnement statistique. La seule qui déclenche vraiment un code, c'est une probabilité hors limites (0, 1, négative ou au-dessus de 1), qui renvoie #NOMBRE!.
Les autres sont sournoises car la formule te répond quand même : oublier le -1 sur les degrés de liberté, confondre unilatéral et bilatéral ou zapper le /RACINE(n) te donnent un résultat faux sans le moindre avertissement.
Probabilité hors de l'intervalle valide
La probabilité doit être strictement entre 0 et 1 (exclusif). Une valeur de 0, 1, négative ou supérieure à 1 génère l'erreur #NOMBRE!. Vérifie que tes formules ne produisent pas ces valeurs extrêmes.
Solution : Utilise =LOI.STUDENT.INVERSE(0,025;10) plutôt que =LOI.STUDENT.INVERSE(0;10). Si ta probabilité est calculée dynamiquement, encapsule avec SI pour exclure les cas limites.
Oublier de soustraire 1 pour les degrés de liberté
L'erreur classique : utiliser n au lieu de n-1. Pour un échantillon de 20 observations, les degrés de liberté sont 19, pas 20. Tu perds un degré de liberté parce que tu estimes la moyenne avant de calculer la variance.
Solution : Écris =LOI.STUDENT.INVERSE(0,025;19) pour un échantillon de 20 observations, et non =LOI.STUDENT.INVERSE(0,025;20). Pour automatiser, référence une cellule contenant n-1.
Confondre test unilatéral et bilatéral
Pour un intervalle de confiance à 95% bilatéral, si tu utilises =LOI.STUDENT.INVERSE(0,95; dl) au lieu de LOI.STUDENT.INVERSE.BILATERAL(0,05; dl), tu obtiens un intervalle à 90% au lieu de 95%.
Solution : Utilise LOI.STUDENT.INVERSE.BILATERAL pour les intervalles de confiance bilatéraux : =LOI.STUDENT.INVERSE.BILATERAL(0,05; dl) te retourne directement la valeur positive à utiliser avec ±.
Oublier de diviser par la racine de n
L'erreur standard d'une moyenne est s/RACINE(n), pas simplement s. Oublier de diviser par RACINE(n) te donne des marges d'erreur beaucoup trop grandes.
Solution : Applique la formule complète : marge = t × s / RACINE(n). Si n est en A1, s en B1 et t en C1, écris =C1*B1/RACINE(A1).
LOI.STUDENT.INVERSE vs LOI.STUDENT.INVERSE.BILATERAL vs LOI.NORMALE.STANDARD.INVERSE
Garde LOI.STUDENT.INVERSE pour les tests unilatéraux, quand tu testes dans une seule direction (une machine qui dure moins que promis, par exemple). Pour un intervalle de confiance bilatéral sur petit échantillon, passe à LOI.STUDENT.INVERSE.BILATERAL qui te rend directement la valeur positive à utiliser avec ±.
Dès que ton échantillon dépasse 30 observations et que l'écart-type de la population est connu, LOI.NORMALE.STANDARD.INVERSE suffit : Student et la normale se rejoignent et tu retrouves le fameux 1,96.
| Critère | LOI.STUDENT.INVERSE | LOI.STUDENT.INVERSE.BILATERAL | LOI.NORMALE.STANDARD.INVERSE |
|---|---|---|---|
| Type de test | Unilatéral gauche | Bilatéral | Unilatéral (normale standard) |
| Quand l'utiliser | Tests unilatéraux, petits échantillons | Intervalles de confiance, petits échantillons | Grands échantillons (n > 30), écart-type connu |
| Valeur retournée | Négative si prob < 0,5 | Toujours positive (t critique) | Score z (peut être négatif) |
| IC à 95% bilatéral | Utiliser prob = 0,025 | Utiliser alpha = 0,05 | Utiliser prob = 0,975 → z = 1,96 |
Questions fréquentes sur la fonction LOI.STUDENT.INVERSE
Quelle différence entre LOI.STUDENT.INVERSE et LOI.STUDENT.INVERSE.BILATERAL ?
LOI.STUDENT.INVERSE.BILATERAL calcule l'inverse bilatéral (à deux queues), tandis que LOI.STUDENT.INVERSE calcule l'inverse unilatéral gauche. Pour un intervalle de confiance à 95%, utilise LOI.STUDENT.INVERSE.BILATERAL(0,05; dl) qui retourne la valeur t critique positive pour ±t.
En pratique, LOI.STUDENT.INVERSE.BILATERAL est plus intuitive pour les intervalles de confiance. LOI.STUDENT.INVERSE est utile pour les tests unilatéraux où tu testes dans une seule direction.
Comment calculer un intervalle de confiance avec Student ?
Utilise Student pour les petits échantillons (n inférieur à 30) ou quand l'écart-type de la population est inconnu. La formule est : moyenne ± LOI.STUDENT.INVERSE.BILATERAL(alpha; n-1) × (écart-type / RACINE(n)).
Par exemple, pour 95% de confiance avec n=15 et un écart-type de 4 : =MOYENNE(données) ± LOI.STUDENT.INVERSE.BILATERAL(0,05;14) × 4/RACINE(15). Excel dispose aussi de INTERVALLE.CONFIANCE.STUDENT qui fait tout en une formule.
Pourquoi utiliser Student plutôt que la loi normale ?
La distribution de Student tient compte de l'incertitude supplémentaire due à l'estimation de l'écart-type à partir d'un petit échantillon. Elle a des queues plus larges que la normale, donnant des intervalles de confiance plus conservateurs et plus réalistes pour les petites tailles d'échantillon.
Dès que ta taille d'échantillon dépasse 30 et que l'écart-type de la population est connu, les deux distributions donnent des résultats quasi identiques.
Comment interpréter les degrés de liberté dans cette fonction ?
Les degrés de liberté (dl = n - 1) représentent la quantité d'information disponible pour estimer la variabilité. Plus dl est grand, plus l'estimation est précise et plus la distribution de Student ressemble à la normale.
Avec dl = 5, la valeur critique à 95% est 2,571. Avec dl = 30, elle tombe à 2,042, très proche du 1,96 de la loi normale. C'est pourquoi on dit qu'au-delà de 30 degrés de liberté, Student et la normale sont pratiquement équivalents.
Quelle valeur de probabilité utiliser pour un intervalle à 95% ?
Pour un intervalle de confiance bilatéral à 95%, utilise alpha = 0,05 avec LOI.STUDENT.INVERSE.BILATERAL, qui laisse 2,5% dans chaque queue. Cette fonction te retourne directement la valeur t critique positive.
Si tu utilises LOI.STUDENT.INVERSE (unilatérale), utilise la probabilité 0,025 pour la queue gauche et 0,975 pour la queue droite. Ces deux approches donnent le même intervalle, mais LOI.STUDENT.INVERSE.BILATERAL est plus simple pour les intervalles de confiance.
Peut-on utiliser LOI.STUDENT.INVERSE dans une plage nommée ?
Oui, tu peux référencer des cellules nommées dans les deux arguments. Par exemple, si tu nommes la cellule de probabilité alpha et la cellule de degrés de liberté dl, tu peux écrire =LOI.STUDENT.INVERSE(alpha; dl). C'est une bonne pratique pour rendre tes modèles statistiques plus lisibles et faciles à maintenir.
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