FR

Loi normale : probabilités et z-score

La loi normale — la fameuse courbe en cloche — décrit une foule de phénomènes : tailles, erreurs de mesure, résultats de tests, contrôle qualité. Donnez la moyenne μ et l'écart-type σ, puis obtenez la probabilité qu'une valeur tombe en dessous, au-dessus ou entre deux bornes — ou l'inverse : la valeur seuil pour une probabilité donnée.

Le z-score (cote Z) exprime un écart à la moyenne en nombre d'écarts-types : z = (x − μ)/σ. Il ramène n'importe quelle loi normale à la loi centrée réduite N(0, 1), celle des tables. z = 0 correspond à la moyenne, z = 2 à deux écarts-types au-dessus.

Paramètres

Loi et question

Changez de mode puis relancez le calcul pour adapter les champs.

Strictement positif.

P(X < x) — en dessous de x

Résultat

  • P(X < x) (x = 1,960) 0,9750
Moyenne μ 0,0000
Écart-type σ 1,0000
Valeur x 1,9600
z-score z = (x − μ)/σ 1,9600
P(X < x) 0,9750 (97,5002 %)
P(X > x) 0,0250 (2,4998 %)

z = (x − μ) / σ · P(X < x) = Φ(z)

La courbe en cloche : deux nombres, une forme

Une loi normale est entièrement déterminée par deux nombres : sa moyenne μ, sommet de la cloche, autour duquel les valeurs se concentrent, et son écart-type σ, qui en fixe la largeur. Grande σ, cloche étalée. Petite σ, cloche pointue. La forme, elle, ne change pas : toujours symétrique, autant de chances d'être en dessous qu'au-dessus de μ. Le mode, la médiane et la moyenne coïncident. C'est même un diagnostic : s'ils se séparent sur une série réelle, voyez d'abord les statistiques descriptives avant d'imposer une gaussienne.

La notation, c'est N(μ, σ²) : moyenne μ, variance σ². Le 15 d'un QI n'est pas une variance, c'est σ. N(100, 15²) et N(100, 225), même loi. N(100, 15) signifierait σ = √15 ≈ 3,9, une tout autre largeur. Le formulaire de cette page demande σ, pas σ² : saisissez 15, pas 225.

La cloche n'est pas un dessin décoratif. L'aire totale vaut 1, et une probabilité, c'est un morceau de cette aire. P(X < x), c'est tout ce qui est à gauche de x. P(X > x), tout ce qui est à droite. P(a < X < b), la bande entre a et b. Pas de masse en un point : P(X = 100) = 0, même si 100 est la valeur la plus « typique ». En fait, une loi continue ne donne des probabilités qu'à des intervalles.

Le z-score, clé de lecture

Pour calculer quoi que ce soit, nous convertissons d'abord x en z-score : combien d'écarts-types le séparent de la moyenne. z = 0, nous sommes sur μ. z = 2, deux σ au-dessus. z = −1,5, une σ et demie en dessous. Toutes les normales, une fois ramenées à z, retombent sur la même loi, N(0, 1), celle des tables. C'est tout l'intérêt de la cote Z.

z = (x − μ) / σ  ·  P(X < x) = Φ(z)

Φ(z), fonction de répartition de N(0, 1), est l'aire à gauche de z. Cette page l'approxime via la fonction d'erreur (formule 7.1.26 d'Abramowitz et Stegun, précision de l'ordre de 10−7). Le mode « P(X > x) » sort 1 − Φ(z). Le mode « entre » sort Φ(zb) − Φ(za). Le mode quantile inverse Φ : il cherche le z tel que Φ(z) = p, puis x = μ + zσ, par l'algorithme d'Acklam.

Bon, le z-score sert aussi sans table. Un relevé à z = 3,5 n'a pas besoin de six décimales pour être déclaré rare. Un z = 0,2, à l'inverse, est dans le bruit. Avant de lancer le calculateur, une division (x − μ)/σ dit déjà si la question vaut la peine.

La règle 68 – 95 – 99,7

Trois repères à connaître par cœur, parce qu'ils évitent neuf calculs sur dix.

  • 68 % des valeurs tombent à ± 1 σ de la moyenne (plus précisément 68,27 %) ;
  • 95 % à ± 2 σ (plus précisément 95,45 % à ± 2 σ, et ± 1,96 σ pour exactement 95 %) ;
  • 99,7 % à ± 3 σ (99,73 % si nous chipotons).

D'où la réputation d'une valeur au-delà de 3 σ : moins de 0,3 % de chances, queues réunies, soit environ 0,15 % d'un seul côté. Du coup, un contrôle qualité qui tolère ± 3 σ laisse passer à peu près 27 pièces hors spec sur 10 000 — le fameux « 3-sigma » des ateliers, avant que le Six Sigma ne resserre encore.

À noter : 95 % se lit de deux façons, et les confondre coûte un oral. « À ± 2 σ » est le slogan. « L'intervalle de confiance à 95 % » des stats inférentielles, lui, s'appuie sur 1,96. Cette page, en mode quantile avec p = 0,975, retrouve d'ailleurs z ≈ 1,96 : c'est le seuil qui laisse 2,5 % à droite, donc 5 % aux deux queues. Bref, 2 et 1,96 ne sont pas deux écoles, ce sont deux précisions.

QI, N(100, 15²) : trois questions types

Les échelles de Wechsler (WAIS, WISC) sont construites pour viser N(100, 15²). Ce n'est pas une loi de la nature, c'est un étalonnage. Les trois questions du formulaire s'y collent telles quelles.

  1. Au-dessus d'un seuil — quelle proportion dépasse 130 ? Mode « P(X > x) », x = 130 → z = (130 − 100)/15 = 2 → environ 2,3 %. C'est le voisinage du seuil « surdoué » souvent cité, 2 σ au-dessus.
  2. Intervalle central — quelle part entre 85 et 115 ? Mode « entre », μ = 100, σ = 15 → z de ± 1 → environ 68 %. La « moyenne large » des manuels de psycho, ce n'est pas 100 pile, c'est cette bande d'un écart-type.
  3. Quantile — quel score dépasse 90 % des gens ? Mode « quantile », p = 0,90 → z ≈ 1,28 → x ≈ 119,2. Pas 130. Le top 10 % commence vers 119, le top 2,3 % vers 130.

Même cloche, autres lectures : 70 (z = −2) laisse environ 2,3 % en dessous, seuil historique de certaines déficiences ; 145 (z = 3) laisse ~0,15 % au-dessus. Les étiquettes cliniques ont bougé, les z n'ont pas bougé. Inversez les rôles si vous préférez : un score observé de 108, z = 0,53, Φ(0,53) ≈ 0,70, donc mieux que 70 % de la population étalonnée, sans que 108 soit « un petit 130 ».

Notes d'examen : quand la cloche décrit une copie, et quand elle refuse

Une moyenne de classe à 11/20, un écart-type de 3,5. Quelle fraction dépasse 16 ? z = (16 − 11)/3,5 ≈ 1,43, un peu plus de 7,5 % au-dessus. Quelle fraction a moins de 5 ? z ≈ −1,71, autour de 4,4 %. Le jury qui « veut 10 % de mentions TB » peut, en mode quantile, lire le seuil correspondant plutôt que de le poser au doigt levé.

Encore faut-il que les notes soient à peu près gaussiennes. Un QCM bien calibré, beaucoup d'items indépendants, une cohorte large : la cloche a une chance. Un problème unique, très discriminant, et la distribution se casse en deux bosses — ceux qui ont vu le truc, ceux qui n'ont pas vu. Un examen trop facile plaque tout le monde vers 20, trop dur vers 0. La loi normale n'a pas de murs ; une copie a 0 et 20. Du coup, P(X > 20) calculé sur N(11, 3,5²) n'est pas zéro, et c'est déjà le signe que le modèle déborde du carnet de notes.

Imposer une « courbe de Gauss » a posteriori — forcer 2,3 % de 20, 68 % autour de la moyenne, etc. — n'est pas mesurer, c'est recoder. Utile pour comparer des jurys, discutable comme justice individuelle. Cette page dit ce que donnerait une loi déjà normale. Elle ne rend pas normales des copies qui ne le sont pas.

Le théorème central limite, ou pourquoi la normale revient partout

La gaussienne n'est pas fréquente parce que la nature aime les cloches. Elle est fréquente parce qu'une somme (ou une moyenne) de beaucoup de petits écarts indépendants, chacun de variance finie, finit par ressembler à une normale, quelle que soit la loi de départ. C'est le théorème central limite. Erreur de mesure, moyenne d'un échantillon, total d'une batterie d'items, bruit thermique : autant de sommes, autant de cloches approximatives.

La taille n compte. n = 2, l'allure de départ se voit encore. n = 30, souvent déjà utilisable, pas magique. Une loi de départ très asymétrique (gains, files d'attente) demande davantage. Le TCL parle de la moyenne empirique, pas de chaque observation : la taille des individus n'a aucune raison d'être normale, la moyenne de 200 tailles, si. En fait, c'est ce qui autorise tant d'intervalles de confiance « à 1,96 σ / √n » sans avoir relevé une gaussienne à la source.

À noter, le cousin discret : un décompte (réussites / échecs, pièces bonnes / mauvaises) suit une binomiale, et la binomiale se rapproche d'une normale dès que n p et n(1 − p) sont assez grands. Compter les combinaisons reste le calcul exact du nombre de chemins ; la cloche n'en est que l'enveloppe quand les effectifs explosent. Exact d'un côté, commode de l'autre.

Quand la normale ment : salaires, durées, tout ce qui a un plancher

La cloche est symétrique et s'étend, en théorie, de −∞ à +∞. Or un salaire n'est pas négatif. Une durée d'appel non plus. Une masse non plus. Forcer N(μ, σ²) sur ces grandeurs, c'est autoriser des valeurs impossibles dans les queues, et surtout rater l'asymétrie. Les salaires français ont une moyenne au-dessus de la médiane : queue droite longue, pas une cloche. Une log-normale, une Pareto, un mélange, selon le morceau regardé, collent mieux.

Même piège pour un temps d'attente, une durée de vie, un délai de livraison. Souvent plus d'observations courtes que longues, une bosse près de zéro, une traîne. La normale mettrait autant de masse à gauche de μ qu'à droite, et inventerait des délais négatifs. Un écart-type du même ordre que la moyenne, sur une grandeur positive, est déjà un signal d'alarme : les queues gauche vont percuter le plancher.

Bon, la normale reste un outil de travail pour des résidus de régression, des erreurs d'appareil, des totaux, des QI étalonnés pour lui ressembler. Elle n'est pas « la » distribution des données. Un histogramme, une médiane à côté de la moyenne, un test de normalité si l'enjeu le mérite : avant de coller μ et σ dans ce formulaire, nous regardons si la cloche a une raison d'être là.

La loi normale modélise un phénomène. Les données concrètes sont toujours bornées, souvent asymétriques, parfois discrètes. Une probabilité calculée ici est celle du modèle, pas une fréquence garantie dans le fichier Excel du lundi matin.

Table de z, unilatéral, bilatéral : ce que cette page remplace

Les manuels collent encore une table Φ(z) pour z ≥ 0, par pas de 0,01, parfois jusqu'à 3,9. Pour un z négatif, nous lisons Φ(−z) = 1 − Φ(z), par symétrie. Pour une bande, nous soustrayons deux lignes. Pour un quantile, nous parcourons la table à l'envers, et nous interpolons à l'œil entre 1,28 et 1,29. Cette page fait le même travail, dans les deux sens, sans interpolation artisanale.

Les dernières décimales peuvent différer d'une table de référence : l'approximation d'erf vaut environ 10−7, largement assez pour un devoir, un contrôle qualité, un z de publication. Une table imprimée, elle, arrondit souvent à 10−4. Si votre corrigé donne 0,9772 et que vous lisez 0,97725, personne n'a tort.

Reste le piège unilatéral / bilatéral, qui n'est pas dans la table, il est dans la question.

  • Unilatéral — une seule queue. « Quelle chance d'être au-dessus de 130 ? » Mode P(X > x), un z, une aire. Pour un seuil à 5 % d'un seul côté, z ≈ 1,645, pas 1,96.
  • Bilatéral — les deux queues. « Quelle chance de s'écarter de plus de 2 σ, dans un sens ou dans l'autre ? » Par symétrie, 2 × P(Z > 2) ≈ 4,55 %. Le 95 % usuel, c'est ça : 2,5 % à gauche, 2,5 % à droite, z = ± 1,96.

Bref, un énoncé qui dit « au seuil de 5 % » sans dire de quel côté attend, le plus souvent, du bilatéral en sciences, du unilatéral en contrôle de conformité (« dépasser telle cote »). Cette page ne choisit pas pour vous : P(X < x) et P(X > x) sont unilatéraux, P(a < X < b) est une bande — le complément 1 − P(a < X < b) est alors la version bilatérale si a et b sont placés symétriquement autour de μ.

Voir aussi