Quelle est la différence entre la variance et l’écart type ?
La variance et l’écart type décrivent tous deux la dispersion d’une série autour de sa moyenne. Leur différence décisive tient à l’unité : la première travaille au carré, le second revient à l’unité d’origine.
La variance et l’écart type mesurent la même réalité : à quel point des valeurs s’éloignent, en moyenne, de leur moyenne. La différence est que la variance exprime cette dispersion dans une unité au carré, tandis que l’écart type en est la racine carrée et revient dans l’unité d’origine : c’est donc souvent lui que l’on interprète au quotidien.
Deux mesures de dispersion, une même information de fond
Une moyenne ne suffit pas à résumer une série de données. Deux groupes peuvent avoir la même moyenne tout en étant très différents : dans l’un, les résultats sont concentrés près de cette moyenne ; dans l’autre, ils sont extrêmement éparpillés.
Prenons deux séries de notes, toutes deux de moyenne 10 sur 20 :
- Série A : 9, 10, 10, 11 ;
- Série B : 2, 8, 12, 18.
La moyenne est identique, mais la série B est beaucoup moins homogène. La variance et l’écart type servent précisément à chiffrer cet écartement des données autour de leur centre.
La variance : des écarts mis au carré
Pour calculer la variance, on suit une logique simple :
- on calcule la moyenne de la série ;
- on mesure l’écart de chaque valeur par rapport à cette moyenne ;
- on met chaque écart au carré ;
- on fait la moyenne de ces carrés.
Pour une population entière de taille n, la formule est :
Variance = Σ(xᵢ − x̄)² / n
Le carré a deux effets importants. D’abord, il évite que les écarts négatifs et positifs s’annulent : sans lui, la somme des écarts à la moyenne serait toujours égale à zéro. Ensuite, il donne davantage de poids aux écarts très importants. Une valeur très éloignée de la moyenne influence donc fortement la variance.
L’écart type : la même dispersion, dans une unité lisible
L’écart type est tout simplement la racine carrée de la variance :
Écart type = √variance
Cette opération annule l’effet de l’unité au carré. Si l’on étudie des tailles en centimètres, la variance est en cm², alors que l’écart type est en cm. Pour des dépenses en euros, la variance est en euros² et l’écart type en euros.
Variance ou écart type : le comparatif essentiel
Les deux indicateurs ne s’opposent pas. Ils remplissent des fonctions différentes dans une même analyse : la variance est très pratique dans les formules et les modèles ; l’écart type rend le résultat plus facile à lire et à communiquer.
| Critère | Variance | Écart type |
|---|---|---|
| Définition | Moyenne des écarts à la moyenne élevés au carré | Racine carrée de la variance |
| Formule | Σ(xᵢ − x̄)² / n, pour une population | √variance |
| Unité | Unité des données au carré | Même unité que les données |
| Valeur minimale | 0 | 0 |
| Lecture intuitive | Limitée dans la plupart des contextes concrets | Élevée : la valeur se lit directement dans l’unité étudiée |
| Utilisation fréquente | Calculs statistiques, modélisation, ANOVA, régression, gestion du risque | Présentation des résultats, contrôle qualité, comparaison avec une moyenne |
| Sensibilité aux valeurs extrêmes | Forte | Forte, car il dérive de la variance |
Un exemple simple permet de fixer la différence. Une variance de 25 €² correspond à un écart type de 5 €. La première valeur est mathématiquement utile ; la seconde permet d’exprimer clairement que les montants s’éloignent typiquement d’environ 5 euros de leur moyenne.
Calcul pas à pas sur un exemple concret
Considérons les huit valeurs suivantes : 2, 4, 4, 4, 5, 5, 7, 9. Elles peuvent représenter, par exemple, le nombre de minutes nécessaires à huit personnes pour accomplir une même tâche.
La moyenne est de 5 :
(2 + 4 + 4 + 4 + 5 + 5 + 7 + 9) / 8 = 5
Calculons ensuite les écarts à la moyenne et leurs carrés.
| Valeur xᵢ | Écart à la moyenne xᵢ − 5 | Carré de l’écart |
|---|---|---|
| 2 | −3 | 9 |
| 4 | −1 | 1 |
| 4 | −1 | 1 |
| 4 | −1 | 1 |
| 5 | 0 | 0 |
| 5 | 0 | 0 |
| 7 | 2 | 4 |
| 9 | 4 | 16 |
| Total | 32 |
Si ces huit observations représentent la population complète étudiée, la variance est :
32 / 8 = 4
L’écart type est donc :
√4 = 2
L’interprétation est la suivante : les durées se situent autour de 5 minutes, avec un éloignement typique de l’ordre de 2 minutes. Il ne faut pas lire cette phrase comme une règle absolue : elle ne signifie pas que chaque valeur est forcément comprise entre 3 et 7 minutes. C’est une mesure synthétique de la dispersion globale.
Pourquoi les grandes différences pèsent autant
Dans l’exemple, l’écart de 4 minutes pour la valeur 9 produit un carré de 16. Il pèse autant, dans la somme, que seize écarts de 1 minute. Cette propriété est voulue : les valeurs éloignées sont particulièrement informatives pour décrire l’instabilité, l’hétérogénéité ou le risque d’une série.
Mais elle a une contrepartie : une ou deux valeurs aberrantes peuvent faire grimper rapidement la variance et l’écart type. Quand la distribution est très asymétrique, il est utile de compléter l’analyse par la médiane, les quartiles ou l’écart interquartile.
Population et échantillon : pourquoi divise-t-on parfois par n − 1 ?
C’est un point de confusion très courant. La formule précédente divise par n, le nombre total de valeurs. Elle convient lorsque l’on analyse une population entière : par exemple, l’ensemble des commandes enregistrées sur une journée donnée, si cette journée est exactement l’objet de l’étude.
En revanche, on dispose souvent d’un échantillon destiné à renseigner une population plus large : 200 clients interrogés pour comprendre les habitudes de millions de clients, ou 30 pièces contrôlées pour évaluer une production entière.
Dans ce cas, on utilise généralement la variance d’échantillon :
s² = Σ(xᵢ − x̄)² / (n − 1)
Le dénominateur n − 1 correspond à la correction de Bessel. Il compense le fait que la moyenne de l’échantillon est elle-même estimée à partir des données : les écarts observés autour de cette moyenne ont tendance à sous-estimer légèrement la dispersion réelle de la population.
Reprenons l’exemple précédent en considérant que les huit valeurs sont un échantillon. La somme des carrés vaut toujours 32, mais :
- variance d’échantillon : 32 / 7 ≈ 4,57 ;
- écart type d’échantillon : √4,57 ≈ 2,14.
L’écart est modéré ici, mais il peut être significatif sur de petits échantillons. Avec beaucoup d’observations, la différence entre n et n − 1 devient faible.
Comment choisir la bonne formule en pratique
Posez-vous une seule question : mes données sont-elles toute la réalité que je veux décrire, ou seulement un extrait d’une réalité plus vaste ?
- Toute la réalité observée : utilisez la formule avec n.
- Un extrait servant à estimer une population : utilisez le plus souvent n − 1.
Les logiciels distinguent souvent ces deux choix. Dans un tableur, par exemple, une fonction peut calculer la variance de population, une autre la variance d’échantillon. Le bon résultat dépend moins de l’outil que du statut de vos données.
Comment interpréter réellement un écart type
L’écart type ne possède pas de seuil universel de « bon » ou de « mauvais » niveau. Une dispersion de 10 euros peut être négligeable pour des achats de 2 000 euros et très forte pour des achats dont la moyenne est de 15 euros.
Il doit donc toujours être lu avec la moyenne, l’unité de mesure et l’objectif métier ou scientifique. Voici quelques cas d’usage.
Contrôle qualité et opérations
Une usine suit le poids de produits censés peser 500 g. Un écart type faible signale une production régulière ; un écart type qui augmente peut indiquer un déréglage, même si la moyenne reste proche de 500 g. Dans ce type de situation, la variation est souvent plus révélatrice que la moyenne seule.
Budgets et pilotage commercial
Pour des dépenses mensuelles ou des paniers clients, l’écart type montre la régularité des comportements. Deux segments ayant la même dépense moyenne peuvent exiger des stratégies différentes : l’un prévisible et homogène, l’autre composé de profils très éloignés.
Finance et gestion du risque
L’écart type des rendements est fréquemment utilisé comme indicateur de volatilité. Plus il est élevé, plus les variations autour du rendement moyen sont importantes. Il ne résume toutefois pas tous les risques : il suppose implicitement que les écarts positifs et négatifs sont traités de façon symétrique et peut mal rendre compte de chocs rares mais sévères.
Données proches d’une loi normale
Quand les données suivent approximativement une distribution normale, l’écart type offre des repères utiles : environ 68 % des valeurs se situent à moins d’un écart type de la moyenne, et environ 95 % à moins de deux écarts types. Ces proportions ne doivent pas être appliquées mécaniquement à toute série : elles dépendent de la forme de la distribution.
Les erreurs d’interprétation les plus fréquentes
La première erreur consiste à comparer des variances calculées dans des unités différentes. Une variance de 100 cm² et une variance de 100 kg² n’ont évidemment aucun sens comparable. Même avec une même unité, une comparaison pertinente exige des contextes similaires.
La deuxième est de comparer des écarts types sans tenir compte de l’échelle. Pour comparer une variabilité relative, on peut utiliser le coefficient de variation : écart type divisé par la moyenne, souvent exprimé en pourcentage. Cet indicateur est pertinent lorsque les valeurs sont positives et que la moyenne n’est pas proche de zéro. Si la moyenne est nulle ou très faible, il devient instable ou trompeur.
La troisième erreur est de croire que l’écart type décrit une distance exacte pour chaque observation. Il résume une série ; il ne prédit pas une valeur individuelle avec certitude. Une série peut avoir un écart type modéré tout en comportant quelques valeurs éloignées, notamment en présence de distributions asymétriques ou de valeurs atypiques.
Enfin, évitez de privilégier un seul indicateur. Une lecture solide combine au minimum : nombre d’observations, moyenne ou médiane, écart type, minimum, maximum et, si besoin, percentiles. La dispersion prend son sens dans l’ensemble du profil des données.
Pour choisir rapidement, retenez cette règle : utilisez la variance lorsque vous effectuez des calculs statistiques ou alimentez un modèle ; utilisez l’écart type lorsque vous devez expliquer la variabilité à un lecteur, un collègue ou un décideur. Puis vérifiez systématiquement l’unité, le caractère « population » ou « échantillon » de vos données, et l’effet éventuel de valeurs extrêmes.
Questions fréquentes
Pourquoi l’écart type est-il plus facile à interpréter que la variance ?
Parce qu’il est exprimé dans la même unité que les données observées. Un écart type de 3 jours, 3 euros ou 3 centimètres se comprend directement, alors qu’une variance en jours², euros² ou centimètres² est surtout utile pour le calcul statistique.
Peut-on avoir une variance négative ?
Non. La variance est une moyenne de carrés d’écarts, et un carré ne peut jamais être négatif. Une valeur négative révèle donc une erreur de formule, de saisie ou, plus rarement, un très faible artefact d’arrondi informatique à ramener à zéro avec prudence.
Quelle formule utiliser : n ou n − 1 ?
Utilisez n lorsque vos données constituent toute la population que vous souhaitez décrire. Utilisez généralement n − 1 lorsque vous disposez d’un échantillon et cherchez à estimer la variance d’une population plus large : cette correction limite une sous-estimation systématique.
Un écart type élevé signifie-t-il que les données sont mauvaises ?
Non. Il indique seulement que les valeurs sont très dispersées autour de la moyenne. Cette dispersion peut être normale, utile ou préoccupante selon l’objectif : délais de livraison, résultats scolaires, mesures de production ou rendements financiers ne s’évaluent pas de la même manière.
Comment comparer la dispersion de données exprimées dans des unités différentes ?
L’écart type seul ne suffit pas toujours, notamment si les moyennes ou les unités diffèrent fortement. Le coefficient de variation, qui rapporte l’écart type à la moyenne, peut aider lorsque la moyenne est strictement positive et éloignée de zéro.
