À quoi sert ce calculateur de variance
La variance indique à quel point une série de nombres est dispersée autour de sa moyenne. Une variance faible signifie que les valeurs sont regroupées tout près de la moyenne ; une variance élevée révèle au contraire des valeurs très éparpillées. Ce calculateur prend une simple liste de nombres séparés par des virgules et vous renvoie d'un seul coup la moyenne, la variance et l'écart-type. Vous pouvez ainsi juger en un instant de la régularité ou de la volatilité de vos données.
Comment l'utiliser
Il n'y a qu'un seul champ à remplir : Saisissez les nombres (séparés par des virgules). Tapez ou collez vos valeurs séparées par des virgules, des points-virgules, des espaces ou même des virgules pleine chasse — par exemple 4, 8, 15, 16, 23, 42. L'outil découpe le texte, convertit chaque entrée en nombre et calcule :
- La moyenne — la moyenne arithmétique de toutes les valeurs.
- La variance — la moyenne des carrés des écarts à la moyenne.
- L'écart-type — la racine carrée de la variance, exprimé dans la même unité que vos données.
La formule utilisée
Ce calculateur s'appuie sur la méthode StatUtils.variance de la bibliothèque Apache Commons Math, qui calcule la variance d'échantillon (division par n − 1, et non par n). La formule est la suivante :
$$s^2 = \frac{1}{n-1}\sum_{i=1}^{n}\left(x_i - \bar{x}\right)^2$$
où \(x_i\) représente chaque valeur, \(\bar{x}\) la moyenne et \(n\) le nombre de valeurs. L'écart-type est tout simplement \(s = \sqrt{s^2}\). La division par \(n - 1\) (correction de Bessel) fournit une estimation non biaisée de la variance lorsque les données constituent un échantillon issu d'une population plus large.
Exemple concret
Supposons que vous saisissiez 2, 4, 6, 8 :
- Moyenne = \((2 + 4 + 6 + 8) / 4 = \mathbf{5}\)
- Carrés des écarts : \((2-5)^2=9\), \((4-5)^2=1\), \((6-5)^2=1\), \((8-5)^2=9\) → somme = 20
- Variance d'échantillon = \(20 / (4 - 1) = \mathbf{6{,}667}\)
- Écart-type = \(\sqrt{6{,}667} \approx \mathbf{2{,}582}\)
Le calculateur affiche automatiquement ces trois résultats.
Interpréter votre résultat de variance
La variance mesure l'étendue des valeurs d'un ensemble de données autour de leur moyenne. Parce que chaque écart est élevé au carré avant d'être moyenné, le résultat porte des unités au carré : si vos données sont des longueurs en centimètres, la variance est en cm² ; s'il s'agit de scores de test, elle est en « points au carré ». C'est pourquoi l'écart-type (ET) — la racine carrée de la variance — est habituellement cité à côté de celle-ci, car l'ET revient aux unités d'origine des données et peut être comparé directement à la moyenne.
La formule utilisée ici est la variance d'échantillon, qui divise la somme des écarts au carré par les degrés de liberté \(n-1\) :
$$s^2 = \frac{1}{n-1}\sum_{i=1}^{n}\left(x_i - \bar{x}\right)^2$$Ce que le nombre vous dit
- La variance n'est jamais négative. Les écarts au carré ne peuvent pas être inférieur à zéro, donc \(s^2 \ge 0\) toujours. Une variance exactement égale à 0 a un seul sens : chaque valeur de l'ensemble est identique, et l'ET est aussi 0.
- Plus grand signifie plus d'étendue — mais seulement dans les mêmes unités. Une variance de 400 cm² n'est pas « plus grande » qu'une variance de 9 m² ; convertissez d'abord vers une unité commune (9 m² = 90 000 cm²).
- La variance n'est pas sans dimension. Les données ayant une grande moyenne produisent naturellement des écarts absolus plus importants. Pour comparer l'étendue d'ensembles de données ayant des moyennes différentes ou des unités différentes, utilisez le coefficient de variation :
Par exemple, l'ensemble {2, 4, 6, 8} a \(\bar{x} = 5\), \(s^2 = 6.667\) et \(s = \sqrt{6.667} \approx 2.582\), donnant \(\text{CV} = 2.582 / 5 \times 100\% \approx 51.6\%\). Le CV n'est pertinent que pour des données à l'échelle des rapports ayant une moyenne positive — il ne convient pas aux températures en °C ni aux données centrées près de zéro.
La variance et la forme des données
Si les données sont approximativement distribuées normalement (à peu près symétriques et en forme de cloche), la règle empirique — souvent appelée règle 68–95–99.7 — donne une indication rapide de l'échelle : environ 68 % des valeurs se situent dans \(\bar{x} \pm 1s\), environ 95 % dans \(\bar{x} \pm 2s\), et environ 99.7 % dans \(\bar{x} \pm 3s\). Ces pourcentages sont des approximations qui ne valent que pour des données à peu près normales ; pour des données asymétriques ou multi-modales, ils peuvent être grossièrement trompeurs, et la variance seule ne révélera pas cela — consultez toujours les valeurs brutes ou un graphique aussi.
Mises en garde
- Les valeurs aberrantes dominent. Parce que les écarts sont élevés au carré, une seule valeur extrême a un effet disproportionné. Ajouter un point de 100 à {2, 4, 6} pousse la variance d'échantillon de 4 à plus de 2300. Si votre résultat semble implausiblement grand, vérifiez l'absence de faute de frappe, de mélange d'unités, ou d'une observation extrême authentique avant de l'interpréter. Les alternatives robustes telles que l'étendue interquartile ou l'écart absolu médian sont moins affectées.
- Les petits échantillons donnent des estimations instables. Avec \(n = 4\) ou \(n = 5\), la variance d'échantillon peut varier largement d'un échantillon à l'autre même si le processus sous-jacent n'a pas changé. Traitez-la comme une indication approximative, non comme une valeur précise.
- \(n = 1\) est indéfini. Avec une seule valeur, le dénominateur \(n - 1\) est zéro, donc la variance d'échantillon ne peut pas être calculée — une observation unique ne porte aucune information sur l'étendue.
- Échantillon vs population. Cette calculatrice applique le diviseur \(n-1\), qui est le bon choix lorsque vos nombres sont un échantillon tiré d'un groupe plus large. Si vos nombres sont la population entière, la variance de population utilise \(n\) à la place et sera toujours quelque peu plus petite.
Termes et symboles clés
| Terme | Symbole | Signification |
|---|---|---|
| Moyenne (échantillon) | \(\bar{x}\) | La moyenne arithmétique des valeurs d'échantillon, \(\bar{x} = \frac{1}{n}\sum x_i\). Se lit « x barre ». |
| Moyenne (population) | \(\mu\) | La moyenne de chaque membre de la population, \(\mu = \frac{1}{N}\sum x_i\). Se lit « mu ». |
| Taille d'échantillon / taille de population | \(n\) / \(N\) | Nombre de valeurs utilisées. La minuscule \(n\) désigne conventionnellement un échantillon, la majuscule \(N\) la population entière. |
| Écart | \(x_i - \bar{x}\) | À quelle distance une valeur se situe de la moyenne. Positive au-dessus de la moyenne, négative au-dessous. Les écarts somment toujours à zéro, c'est pourquoi ils sont élevés au carré avant d'être moyennés. |
| Écart au carré | \((x_i - \bar{x})^2\) | L'écart multiplié par lui-même — élimine le signe et amplifie les grands écarts. |
| Somme des carrés | SC | Le total de tous les écarts au carré, \(SC = \sum_{i=1}^{n}(x_i - \bar{x})^2\). Le numérateur de toute formule de variance. |
| Variance d'échantillon | \(s^2\) | \(s^2 = \dfrac{SC}{n-1}\) — l'estimation sans biais de la variance de population à partir d'un échantillon. C'est ce que cette calculatrice retourne. |
| Variance de population | \(\sigma^2\) | \(\sigma^2 = \dfrac{1}{N}\sum (x_i - \mu)^2\) — utilisée quand les données couvrent la population entière. Se lit « sigma au carré ». |
| Degrés de liberté | \(df = n-1\) | Le nombre d'écarts libres de varier une fois la moyenne fixée ; connaître la moyenne et \(n-1\) écarts détermine le dernier. |
| Correction de Bessel | diviser par \(n-1\) | L'ajustement qui remplace \(n\) par \(n-1\). Sans lui, la variance d'échantillon sous-estime systématiquement la variance de population, parce que les écarts sont mesurés à partir de la propre moyenne de l'échantillon. |
| Écart-type | \(s\) / \(\sigma\) | La racine carrée de la variance, exprimée dans les mêmes unités que les données : \(s = \sqrt{s^2}\). |
| Coefficient de variation | CV | Étendue relative, \(CV = s / \bar{x}\), habituellement montré en pourcentage. Sans dimension, donc il compare des ensembles de données avec des unités ou des magnitudes différentes. |
| Étendue | — | Maximum moins minimum. Une mesure d'étendue rudimentaire qui n'utilise que deux valeurs et ignore tout ce qui se trouve entre les deux. |
| Valeur aberrante | — | Une valeur très éloignée du reste des données. Parce que les écarts sont élevés au carré, les valeurs aberrantes gonflent la variance de manière disproportionnée. |
Note sur les unités : la variance est toujours exprimée au carré des unités des données — des secondes de données donnent s², des kilogrammes donnent kg², les montants en devises donnent « devise au carré », ce qui n'a pas de sens au quotidien. C'est la raison pratique pour laquelle la plupart des rapports citent l'écart-type plutôt que la variance elle-même.
Conventions et cas limites
Chaque cas ci-dessous a été passé dans ce calculateur ; la colonne résultat indique ce qu’il renvoie réellement.
| Cas | Entrée | Résultat |
|---|---|---|
| Décimales 0,1 ; 0,2 ; 0,3 | 0.1, 0.2, 0.3 | 0,01 |
| Nombre pair de valeurs (1, 2, 3, 4) | 1, 2, 3, 4 | 1,6667 |
| Valeurs négatives (−3, −1, 4) | -3, -1, 4 | 13 |
| Un zéro dans la liste (0, 4, 9) | 0, 4, 9 | 20,3333 |
| Échantillon ou population (2, 4, 4, 4, 5, 5, 7, 9) | 2, 4, 4, 4, 5, 5, 7, 9 | 4,5714 |
| Une seule valeur | 7 | La variance d’un échantillon nécessite au moins 2 valeurs. |
Vérifié le 2026-11-08
Questions fréquentes
S'agit-il de la variance d'échantillon ou de population ? Le calculateur utilise la variance d'échantillon, en divisant par n − 1. C'est le choix standard lorsque vos nombres représentent un échantillon plutôt qu'une population entière.
Quels séparateurs puis-je utiliser ? Les virgules, les points-virgules, les espaces et les virgules pleine chasse de style asiatique fonctionnent tous, si bien que les données collées « en vrac » sont généralement bien interprétées.
Pourquoi l'écart-type est-il également affiché ? L'écart-type est plus facile à interpréter car il s'exprime dans la même unité que vos données d'origine, tandis que la variance, elle, s'exprime en unités au carré.