Fonction de compatibilité. TEST.F reste disponible pour les anciens classeurs, mais Excel recommande désormais F.TEST pour tes nouveaux fichiers.
TEST.F te permet de comparer la variabilité de deux séries de données. Concrètement, elle répond à la question : ces deux groupes ont-ils la même stabilité, ou l'un est-il plus dispersé que l'autre ? Elle retourne une p-value qui te dit si la différence observée est statistiquement significative ou due au hasard.
Que tu travailles en contrôle qualité pour comparer deux machines de production, en analyse commerciale pour évaluer la régularité de deux équipes, ou en approvisionnement pour choisir le fournisseur le plus fiable, TEST.F t'aide à prendre des décisions basées sur des preuves statistiques plutôt que sur l'intuition.
Syntaxe de la fonction TEST.F
=TEST.F(matrice1; matrice2)Comprendre chaque paramètre de la fonction TEST.F
TEST.F attend deux séries de valeurs, et c'est tout : matrice1 et matrice2, toutes les deux obligatoires. Contrairement à beaucoup de fonctions, l'ordre dans lequel tu les places ne change rien, puisque la fonction évalue le ratio de leurs variances dans les deux sens. Glisse-leur des plages de tailles différentes si besoin, elles s'en accommodent sans broncher.
matrice1
: ta première série de donnéesIl peut s'agir de mesures de qualité, de temps de réponse, de scores d'étudiants, de chiffres de vente... Bref, n'importe quelle série de valeurs numériques que tu veux comparer à une autre.
Tu peux passer une plage de cellules (A2:A20), une colonne entière (A:A), ou des valeurs directes séparées par des points-virgules. Les cellules vides et le texte sont ignorés automatiquement.
Astuce : Assure-toi que tes données sont propres. Les cellules vides ou contenant du texte seront ignorées, mais elles peuvent fausser ton interprétation si tu ne t'y attends pas.
matrice2
: ta deuxième série de données, celle que tu veux comparer à la premièreLes deux séries n'ont pas besoin d'avoir le même nombre de valeurs : TEST.F gère parfaitement les échantillons de tailles différentes.
Comme pour matrice1, tu peux passer une plage, une colonne entière ou des valeurs directes. La fonction calcule les variances des deux séries, puis évalue si leur ratio est statistiquement différent de 1.
Astuce : L'ordre des matrices n'a pas d'importance. TEST.F(A;B) et TEST.F(B;A) donnent exactement le même résultat.
Pas envie d'écrire la formule TEST.F à la main ?
Génère-la avec notre IA
Exemples pratiques pas à pas
Responsable qualité : comparer deux lignes de production
Tu es responsable qualité dans une usine et tu veux savoir si tes deux machines produisent des pièces avec la même régularité. Une machine plus "variable" produit des pièces moins constantes, ce qui peut poser des problèmes d'assemblage ou de conformité.
| A | B | |
|---|---|---|
| 1 | Machine A (mm) | Machine B (mm) |
| 2 | 50,12 | 50,08 |
| 3 | 50,08 | 50,15 |
| 4 | 50,15 | 50,09 |
| 5 | 50,11 | 50,13 |
| 6 | 50,09 | 50,10 |
| 7 | 50,14 | 50,12 |
=TEST.F(A2:A7; B2:B7)La p-value de 0,65 se situe bien au-dessus du seuil de 0,05. Conclusion : les deux machines ont une variabilité équivalente. Tu peux rassurer la direction, aucune intervention n'est nécessaire.
Data analyst : préparer un test de comparaison de moyennes
Tu es data analyst et tu veux comparer les performances de deux équipes commerciales. Avant d'utiliser TEST.STUDENT pour comparer leurs moyennes, tu dois d'abord vérifier si leurs résultats ont la même variabilité, car cela conditionne le type de test à appliquer.
| A | B | |
|---|---|---|
| 1 | Équipe Alpha | Équipe Beta |
| 2 | 85 | 88 |
| 3 | 92 | 62 |
| 4 | 78 | 95 |
| 5 | 88 | 58 |
| 6 | 90 | 82 |
| 7 | 82 | 91 |
=TEST.F(A2:A7; B2:B7)La p-value de 0,02 (inférieure à 0,05) te dit que l'équipe Beta a des performances beaucoup plus variables : certains vendeurs cartonnent, d'autres sont à la traîne. Pour comparer les moyennes, tu devras passer par TEST.STUDENT avec type=3 (test de Welch), robuste aux variances inégales.
Astuce de pro : Raccourci pratique : si tu n'as pas le temps de faire TEST.F, utilise directement TEST.STUDENT avec type=3 (test de Welch). Il fonctionne correctement que les variances soient égales ou non.
Acheteur : évaluer la fiabilité de deux fournisseurs
Tu es acheteur et deux fournisseurs te proposent des matières premières au même prix. La moyenne des deux est correcte, mais lequel est le plus fiable en termes de qualité constante ? C'est exactement ce que TEST.F permet de mesurer.
| A | B | |
|---|---|---|
| 1 | Fournisseur A (MPa) | Fournisseur B (MPa) |
| 2 | 485 | 478 |
| 3 | 492 | 495 |
| 4 | 488 | 452 |
| 5 | 491 | 489 |
| 6 | 486 | 471 |
| 7 | 490 | 505 |
| 8 | 487 | 460 |
=TEST.F(A2:A8; B2:B8)La p-value de 0,01 montre clairement que le fournisseur B a une qualité beaucoup plus variable. Même si sa moyenne est acceptable, tu risques de recevoir des lots non conformes : le fournisseur A est plus fiable pour ta production.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction TEST.F
Avec TEST.F, ce ne sont pas les messages d'erreur rouges qui te trahissent, mais l'interprétation. Le faux pas le plus courant : raisonner en écart-type alors que la fonction travaille sur les variances, donc sur des carrés. Un écart-type deux fois plus grand, c'est une variance quatre fois plus grande, et c'est ce 4 que la p-value juge.
Garde aussi en tête qu'une seule valeur aberrante peut gonfler une variance et fausser tout le verdict, et qu'une p-value élevée ne prouve jamais l'égalité des variances : elle dit seulement que tu n'as pas de quoi conclure à une différence.
Confondre variance et écart-type dans l'interprétation
TEST.F compare les variances, pas les écarts-types. La variance est le carré de l'écart-type. Si un écart-type est 2 fois plus grand, la variance est 4 fois plus grande, pas 2 fois. Cette amplification peut sembler surprenante au premier abord.
Solution : Rappelle-toi que TEST.F travaille sur le ratio des variances, pas des écarts-types. Un rapport de variances de 4 correspond à un rapport d'écarts-types de 2, et c'est ce ratio de 4 que la p-value évalue.
Interpréter une p-value élevée comme une preuve d'égalité
Une p-value de 0,15 ne signifie pas que les variances sont égales. Elle signifie uniquement qu'on n'a pas assez de preuves statistiques pour affirmer qu'elles sont différentes avec le niveau de confiance choisi.
Solution : Formule ta conclusion correctement : "pas de différence significative détectée" plutôt que "les variances sont égales". C'est une nuance importante en statistique : l'absence de preuve n'est pas la preuve de l'absence.
Résultat faussé par des valeurs aberrantes dans les données
Une seule valeur extrême peut gonfler artificiellement la variance d'une série et rendre les variances significativement différentes alors que les séries sont comparables sans ce point atypique.
Solution : Avant d'interpréter TEST.F, inspecte tes données avec =MIN(plage) et =MAX(plage) pour repérer d'éventuelles anomalies. Une valeur aberrante peut venir d'une saisie incorrecte, d'un équipement en panne ou d'un événement exceptionnel à traiter séparément.
TEST.F vs TEST.STUDENT vs LOI.F.N vs LOI.F.DROITE
Choisis TEST.F quand ta question porte sur la dispersion : deux séries sont-elles aussi stables l'une que l'autre ? Si tu veux comparer leurs niveaux moyens, c'est TEST.STUDENT qu'il te faut, et c'est d'ailleurs lui qui vient juste après, car TEST.F sert souvent de pré-test pour décider de son type.
Les deux fonctions LOI.F jouent dans une autre cour : elles ne comparent pas deux échantillons mais lisent directement la distribution F à partir de degrés de liberté, pour de l'ANOVA ou des tests avancés où tu calcules toi-même la statistique.
| Critère | TEST.F | TEST.STUDENT | LOI.F.N | LOI.F.DROITE |
|---|---|---|---|---|
| Ce qui est comparé | Variances (dispersion) | Moyennes (niveau) | Distribution F (queue gauche) | Distribution F (queue droite) |
| Résultat | p-value bilatérale | p-value unilatérale ou bilatérale | P(F <= x) | P(F > x) |
| Arguments | 2 plages de données | 2 plages + queues + type | x, ddl1, ddl2, cumulatif | x, ddl1, ddl2 |
| Cas d'usage typique | Pré-test avant TEST.STUDENT | Comparer deux moyennes | ANOVA et tests avancés | p-value ANOVA directe |
Questions fréquentes sur la fonction TEST.F
Quelle différence entre TEST.F et TEST.STUDENT ?
Ces deux fonctions répondent à des questions différentes. TEST.F compare les variances (la dispersion des données), tandis que TEST.STUDENT compare les moyennes (le niveau moyen des données).
En pratique, on utilise souvent TEST.F en premier pour choisir le bon type de TEST.STUDENT : si p >= 0,05, les variances sont équivalentes (utilise type=2) ; si p < 0,05, les variances sont différentes (utilise type=3, test de Welch).
Combien de valeurs faut-il au minimum pour TEST.F ?
Techniquement, TEST.F fonctionne dès 2 valeurs par groupe. Mais pour des résultats fiables, vise au moins 10 à 15 valeurs par série. Avec moins, le test manque de puissance statistique et risque de passer à côté de vraies différences.
La règle pratique : plus tes échantillons sont petits, plus il faut une différence importante pour atteindre la significativité statistique.
TEST.F fonctionne-t-il sur Google Sheets ?
Oui, la syntaxe est identique. La seule différence possible est le séparateur d'arguments, qui est une virgule dans les paramètres anglais et un point-virgule dans les paramètres français.
Si ta formule renvoie une erreur sur Google Sheets, vérifie simplement le séparateur selon tes paramètres régionaux.
Pourquoi utiliser 0,05 comme seuil de décision ?
Le seuil de 0,05 (5%) est une convention statistique qui signifie qu'on accepte 5% de risque de conclure à tort qu'une différence existe alors qu'elle est due au hasard. C'est le standard dans la plupart des domaines professionnels.
En recherche médicale ou pharmaceutique, on utilise parfois 0,01 (1%) pour être plus prudent. En exploration de données commerciales, 0,10 peut être acceptable pour signaler des pistes à investiguer.
Comment interpréter une p-value de TEST.F ?
La p-value de TEST.F est comprise entre 0 et 1. Plus elle est proche de 0, plus la différence de variances est statistiquement significative.
p-value >= 0,05 : pas de différence significative détectée, les variances sont considérées équivalentes pour tes analyses suivantes. p-value < 0,05 : les variances sont significativement différentes, l'un de tes groupes est plus dispersé que l'autre.
Peut-on utiliser TEST.F pour comparer plus de deux groupes ?
Non. TEST.F est conçu pour exactement deux plages de données. Pour comparer les variances de trois groupes ou plus, il faut utiliser un test de Bartlett ou de Levene, qui ne sont pas disponibles directement dans Excel sous forme de fonction unique.
L'ANOVA (LOI.F.N) permet de tester si les moyennes de plusieurs groupes diffèrent simultanément, mais c'est une question différente de la comparaison des variances.
Pour aller plus loin
Les fonctions similaires : TEST.STUDENT, VAR.P, ECARTYPE.P, ECARTYPE, LOI.F.N
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