La standard deviation (écart-type) et la variance sont deux mesures de dispersion statistique étroitement liées : la variance est la moyenne des carrés des écarts à la moyenne, et l’écart-type est simplement sa racine carrée. Cette relation mathématique directe masque pourtant des différences d’usage importantes, selon que l’on travaille sur une population entière ou sur un échantillon, et selon que l’on souhaite calculer ou communiquer un résultat.
Variance et écart-type : deux mesures de dispersion, une seule formule de base
Pour mesurer à quel point des valeurs s’éloignent de leur moyenne, on calcule d’abord les écarts individuels. Prendre la moyenne simple de ces écarts donnerait toujours zéro, car les déviations positives et négatives s’annulent. La variance résout ce problème en élevant chaque écart au carré avant d’en faire la moyenne.
L’écart-type récupère ensuite l’unité d’origine en prenant la racine carrée de la variance. Si les données sont exprimées en euros, la variance est en euros carrés – une unité abstraite – tandis que l’écart-type revient à des euros, directement comparables aux valeurs du jeu de données.
Notation pour la population et pour l’échantillon
La distinction population/échantillon change les notations et le diviseur de la formule. Pour une population complète, la variance s’écrit σ² et l’écart-type σ. Pour un échantillon, on note s² et s, et le dénominateur devient n-1 au lieu de n. Cette correction, appelée correction de Bessel, compense la tendance d’un échantillon à sous-estimer la dispersion réelle de la population.
Utiliser n à la place de n-1 sur un petit échantillon produit une variance systématiquement trop faible. La distinction n’est pas anecdotique : en sciences, en finance ou en ingénierie, travailler sur des échantillons est la règle, et la formule s² est donc la plus couramment appliquée.
Quand utiliser la variance plutôt que l’écart-type
L’écart-type est presque toujours préférable pour présenter un résultat à un lecteur non spécialiste, précisément parce qu’il conserve l’unité des données. Dire qu’un temps de réponse varie d’un écart-type de 3 secondes autour d’une moyenne de 12 secondes est immédiatement lisible. Dire que la variance est de 9 secondes carrées demande une conversion mentale supplémentaire.
La variance garde néanmoins des avantages techniques réels dans plusieurs situations.
- Additivité des variances : si deux variables aléatoires indépendantes sont additionnées, leur variance totale est la somme de leurs variances respectives. Cette propriété ne s’applique pas directement aux écarts-types, ce qui rend la variance naturelle dans les modèles probabilistes et les calculs d’incertitude composée.
- Analyse de la variance (ANOVA) : cette méthode statistique décompose la variabilité totale d’un jeu de données en sources distinctes. Elle travaille structurellement avec des variances, pas avec des écarts-types.
- Modèles de régression : les estimateurs des moindres carrés minimisent la somme des carrés des résidus, c’est-à-dire une quantité homogène à une variance. Les propriétés théoriques de ces modèles s’expriment plus proprement en termes de variance.
En pratique, la règle de décision est simple : calculer en variance, communiquer en écart-type. Les deux mesures coexistent dans la plupart des analyses sans qu’il soit nécessaire d’en choisir une seule.
L’écart-type standard : précision et limites d’interprétation
Un écart-type faible indique que les valeurs sont regroupées près de la moyenne. Un écart-type élevé signale une dispersion large. Cette lecture intuitive a des limites que l’on sous-estime souvent.
L’effet des valeurs extrêmes sur l’écart-type
Parce que les écarts sont mis au carré, une valeur très éloignée de la moyenne contribue de façon disproportionnée à la variance, puis à l’écart-type. Une valeur extrême peut fortement gonfler ces deux mesures, même si elle ne représente qu’un seul point dans un jeu de données large. Avant de conclure, il faut donc vérifier si ce point est une erreur de saisie ou un événement réel – supprimer une valeur aberrante automatiquement sans l’examiner est une erreur méthodologique.
Quand la distribution est très asymétrique ou contaminée par des valeurs extrêmes, la médiane et l’écart interquartile offrent une description plus robuste de la dispersion centrale.
Comparer des dispersions sur des échelles différentes
L’écart-type hérite de l’unité de la variable. Comparer directement l’écart-type de salaires exprimés en euros avec celui d’anciennetés exprimées en années n’a pas de sens. Pour ce type de comparaison, le coefficient de variation – rapport de l’écart-type à la moyenne – fournit une mesure relative sans unité. Il doit être utilisé avec prudence lorsque la moyenne est proche de zéro, car le ratio devient instable.
Standard deviation en enquête : erreur-type et coefficient de variation
En statistique d’enquête, l’écart-type et la variance interviennent dans un sens différent de leur usage descriptif habituel. Ils ne décrivent plus uniquement la dispersion des observations individuelles, mais aussi la précision d’une estimation calculée à partir d’un échantillon.
L’erreur-type d’une estimation mesure à quel point cette estimation fluctuerait si l’on répétait l’enquête sur d’autres échantillons tirés de la même population. Elle est liée à la variance de l’estimateur, pas à la variance des observations elles-mêmes. Ces deux concepts sont distincts et ne doivent pas être confondus dans un rapport ou une analyse.
Des organismes statistiques nationaux soulignent également que l’erreur-type et le coefficient de variation ne suffisent pas à évaluer la qualité d’une enquête : les erreurs non liées à l’échantillonnage, comme la non-réponse ou les biais de mesure, peuvent dépasser les erreurs d’échantillonnage en importance pratique.
Tableau récapitulatif : variance vs écart-type
| Critère | Variance (σ² ou s²) | Écart-type (σ ou s) |
|---|---|---|
| Unité | Carré de l’unité des données | Même unité que les données |
| Interprétation directe | Abstraite | Intuitive |
| Additivité | Oui (variables indépendantes) | Non |
| Usage courant | Modèles théoriques, ANOVA | Communication, intervalles |
| Sensibilité aux extrêmes | Élevée | Élevée |
La relation entre variance et standard deviation est mécanique, mais le choix de l’une ou de l’autre dépend du contexte : les calculs intermédiaires utilisent souvent la variance pour ses propriétés algébriques, tandis que l’écart-type reste la mesure à privilégier dès qu’il s’agit d’interpréter ou de transmettre un résultat.
