Qu'est-ce que la fonction TEST.
TEST.F te sert quand deux séries semblent avoir la même moyenne mais que tu soupçonnes l'une d'être bien plus irrégulière que l'autre, une différence qu'une simple comparaison de moyennes ne révèle jamais. C'est aussi le test à lancer avant un TEST.STUDENT, pour savoir si tu dois traiter les deux groupes comme également dispersés ou non.
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.
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.
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.
Exemples pratiques pas à pas
Comment comparer la dispersion de deux séries avec la fonction TEST.F
Le classeur qualité de l'atelier traîne depuis des années et personne n'ose y toucher : c'est la syntaxe historique de la fonction qui y est écrite, celle qu'Excel garde en vie pour ne pas casser les vieux fichiers. Le problème du jour, lui, n'a rien d'historique. Deux lignes de conditionnement visent 50 g le sachet, leurs moyennes sont irréprochables, et pourtant les réclamations ne remontent que d'une des deux. Dix-huit pesées par ligne sont posées dans le tableau, et la fonction TEST.F dit si l'irrégularité soupçonnée est réelle ou si elle tient au tirage.
- 1Dans une cellule, écris
=TEST.F(. - 2En 1er argument : sélectionne les dix-huit pesées de la ligne A,
B2:B19. Aucune statistique n'est à préparer en amont, la fonction dérive la variance directement des valeurs. - 3En 2ᵉ argument : sélectionne les dix-huit pesées de la ligne B,
C2:C19. Intervertir les deux plages ne changerait rien au résultat, puisque le test est bilatéral et juge un rapport, pas un sens. - 4Ferme la parenthèse et appuie sur Entrée pour lire la p-value du test.
=TEST.F(B2:B19; C2:C19)0,0000. Ce que la fonction TEST.F met en rapport, ce sont les carrés des écarts, soit 0,05 pour la ligne A contre 0,94 pour la ligne B, un ratio de 17,5. Les moyennes ne servent à rien dans ce calcul, et c'est heureux : avec 50,01 g contre 49,96 g, elles tiennent dans un vingtième de gramme et n'auraient déclenché aucune alerte.
Comment comparer deux séries de tailles différentes avec la fonction TEST.F
Le poste de nuit tourne depuis une semaine et l'équipe le soupçonne d'être moins régulier que celui de journée. Le problème est que la nuit produit moins, donc tu as douze relevés d'un côté et seulement sept de l'autre, et on te demande d'attendre d'en avoir autant pour comparer. C'est inutile : la fonction TEST.F accepte deux séries de tailles différentes, à condition d'accepter aussi ce que sept mesures permettent réellement de conclure.
- 1Dans une cellule, écris
=TEST.F(. - 2En 1er argument : sélectionne les douze relevés du poste habituel,
B2:B13. C'est la série la mieux fournie, mais rien n'oblige à la placer en premier. - 3En 2ᵉ argument : sélectionne les sept mesures du poste de nuit,
C2:C8. La plage s'arrête volontairement à la ligne 8, et l'étendre jusqu'àC13donnerait la même p-value puisque les cellules vides sont ignorées. - 4Ferme la parenthèse et appuie sur Entrée. La fonction ne prend que ces deux plages, et la taille inégale se paie en puissance statistique, jamais en erreur.
=TEST.F(B2:B13; C2:C8)
Comment choisir le type de TEST.STUDENT avec la fonction TEST.F
Un sous-traitant doit livrer des pièces au même poids que ton atelier, et tu n'as pu en prélever que cinq contre quinze en interne. Comparer les moyennes est tentant, sauf qu'un test de moyennes ne donne le bon résultat que si on lui dit d'abord si les dispersions se ressemblent, et les cinq pièces du sous-traitant partent visiblement dans tous les sens. Plutôt que de trancher toi-même chaque semaine, tu laisses la fonction TEST.F décider à ta place du test à appliquer.
- 1Dans une cellule, écris
=TEST.STUDENT(. - 2En 1er argument : sélectionne les quinze pièces de l'atelier interne,
B2:B16. Ce sont les mêmes valeurs que celles passées à la fonction TEST.F plus loin dans la formule, et elles doivent le rester pour que le pré-test porte sur les séries comparées. - 3En 2ᵉ argument : sélectionne les cinq pièces du sous-traitant,
C2:C6. La plage s'arrête à la ligne 6 parce que le sous-traitant n'a livré que cinq mesures. - 4En 3ᵉ argument : saisis
2pour un test bilatéral, parce que la question est de savoir si les poids diffèrent, sans préjuger du sens de l'écart. - 5En 4ᵉ argument : écris le test qui choisit le type et referme-le,
SI(TEST.F(B2:B16; C2:C6) < 0,05; 3; 2). La fonction TEST.F y compare les dispersions des deux séries, et le seuil de0,05traduit son verdict en choix de test,3pour le test de Welch quand les variances divergent et2sinon. - 6Ferme la parenthèse de la fonction TEST.STUDENT et appuie sur Entrée. Celle de la fonction SI a déjà été refermée à l'étape précédente, et le résultat de la fonction TEST.F, qui n'apparaît nulle part, ne sert qu'à aiguiller le choix du type.
=TEST.STUDENT(B2:B16; C2:C6; 2; SI(TEST.F(B2:B16; C2:C6) < 0,05; 3; 2))3 et déclenche le test de Welch. L'enjeu n'a rien de théorique : forcé en type 2, le même calcul rendrait 0,0221 et conclurait à un écart significatif, alors que le type 3 rend 0,2433 et ne conclut rien. Le type 2 suppose une variance commune que les données démentent (0,02 contre 10,6), et cette hypothèse fausse fabrique une significativité qui n'existe pas.
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
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).
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.
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.
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.
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.
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
Continue sur ta lancée après la fonction TEST.F : la leçon associée, un modèle prêt à l'emploi et le guide pour progresser.
Tout voir
