Distributions statistiques et tests d'hypothèses dans Google Sheets
24 juillet 2026
La plupart des statistiques utiles pour des décisions concrètes — ce résultat de test A/B est-il réel, à quel point ces notes sont-elles dispersées, quelle prévision raisonnable pour le mois prochain — tiennent dans une poignée de fonctions Sheets. Cet article les parcourt ensemble, à partir d'un seul jeu de données fil rouge : 200 notes d'examen, une expérience de conversion à deux variantes, et un petit sondage.
La distribution normale : NORM.DIST et NORM.INV
Supposons que la colonne A (A2:A201) contienne 200 notes d'examen, de moyenne 72 et d'écart type 9. NORM.DIST répond à la question « quelle proportion des notes se situe en dessous de ce point », en supposant une courbe normale :
=NORM.DIST(85, 72, 9, TRUE)
Cela renvoie environ 0,9247 — près de 92,5 % des élèves obtiennent, selon ce modèle, une note inférieure à 85, donc une note de 85 se situe confortablement dans le dernier décile.
NORM.INV fait le calcul inverse : à partir d'un centile, elle retrouve la note correspondante. Pour connaître le seuil des 10 % d'élèves les mieux notés :
=NORM.INV(0.9, 72, 9)
Cela renvoie environ 83,5 — toute note au-dessus de ce seuil place l'élève dans le top 10 %, en admettant que l'approximation normale tienne. En combinant ces deux fonctions, on passe librement de « quelle note correspond à ce rang » à « quel rang correspond à cette note », sans ouvrir de table de loi normale.
Comparer deux échantillons : T.TEST
Passons au test A/B. La variante A a converti sur des taux quotidiens stockés en B2:B31 ; les taux quotidiens de la variante B sont en C2:C31. T.TEST indique si la différence entre les deux moyennes est probablement réelle ou simplement due au bruit d'échantillonnage :
=T.TEST(B2:B31, C2:C31, 2, 3)
Le 2 demande un test bilatéral (on ne sait pas à l'avance quelle variante va gagner), et le 3 traite les deux échantillons comme des groupes indépendants à variances inégales — l'option la plus prudente pour un test A/B, où l'on ne peut pas supposer que les deux variantes se comportent de façon identique. Le résultat est une p-value : en dessous de 0,05, la différence observée peut être qualifiée de statistiquement significative selon le seuil conventionnel ; au-dessus, l'écart constaté pourrait n'être qu'une variation aléatoire.
=T.TEST(B2:B31, C2:C31, 2, 1)
N'utilisez type = 1 que lorsque les deux colonnes représentent des observations appariées — les mêmes jours, les mêmes utilisateurs, avant et après — et non des groupes indépendants.
Données catégorielles : CHISQ.TEST
Imaginons un sondage où les utilisateurs choisissent leur formule préférée parmi trois offres, et l'on veut savoir si la répartition observée diffère d'une répartition équilibrée. Placez les effectifs observés en A2:A4 (par exemple 120, 95, 85) et les effectifs attendus en B2:B4 (100, 100, 100 si l'on attendait une répartition parfaitement égale sur 300 réponses). CHISQ.TEST renvoie la p-value de cette comparaison :
=CHISQ.TEST(A2:A4, B2:B4)
Une p-value faible (disons 0,03) signifie que les formules ne sont pas choisies uniformément — la première formule est nettement plus populaire que ce que le hasard laisserait attendre. Ce même schéma s'applique à toute question d'ajustement ou d'indépendance : effectifs observés dans une plage, effectifs attendus dans une autre, une seule formule pour trancher.
Relations linéaires : CORREL
Retour aux notes d'examen — supposons que la colonne B (B2:B201) contienne le nombre d'heures de révision par élève, et que l'on veuille savoir si réviser davantage est lié à une meilleure note. CORREL calcule le coefficient de corrélation de Pearson :
=CORREL(A2:A201, B2:B201)
Un résultat comme 0,68 indique une relation positive assez marquée : les élèves qui ont révisé davantage ont tendance à obtenir de meilleures notes. Une valeur proche de 0 signifie l'absence de relation linéaire ; proche de -1, une forte relation inverse. CORREL ne prouve pas de causalité, mais reste le moyen le plus rapide de présélectionner des dizaines de variables candidates avant de construire une régression complète.
Résumer une distribution : PERCENTILE et QUARTILE
Toujours sur les 200 notes d'examen, PERCENTILE extrait n'importe quel seuil :
=PERCENTILE(A2:A201, 0.9)
C'est la note correspondant au 90e centile — utile pour savoir quelle note il faut atteindre pour figurer dans les 10 % les mieux notés, sans faire l'hypothèse d'une distribution normale comme le fait NORM.INV. QUARTILE reprend la même idée, limitée aux quatre quarts standards :
=QUARTILE(A2:A201, 1)
=QUARTILE(A2:A201, 3)
Ces formules donnent respectivement le 25e et le 75e centile — soustrayez l'un de l'autre et vous obtenez l'écart interquartile, une mesure de dispersion qui ignore les valeurs extrêmes, contrairement à l'écart type.
Mesurer la dispersion : VAR et STDEV
Justement, à propos d'écart type — STDEV et VAR quantifient à quel point les notes sont dispersées autour de leur moyenne :
=STDEV(A2:A201)
=VAR(A2:A201)
Si STDEV renvoie 9,1, cela confirme l'hypothèse utilisée plus haut dans les exemples avec NORM.DIST. Un STDEV faible signifie que les notes sont regroupées près de la moyenne ; un STDEV élevé indique une forte variation, ce qui change la confiance qu'on peut accorder à une note isolée pour représenter l'ensemble.
Intervalles de confiance : CONFIDENCE
Si ces 200 notes ne sont en réalité qu'un échantillon représentant une population bien plus large d'élèves, la moyenne de l'échantillon seule ne suffit pas — il faut aussi une marge d'erreur autour de cette moyenne. CONFIDENCE renvoie la demi-largeur de cet intervalle :
=CONFIDENCE(0.05, 9, 200)
Avec un alpha de 0,05 (un niveau de confiance de 95 %), un écart type de 9 et un échantillon de 200 observations, cette formule renvoie environ 1,25. La moyenne réelle de la population se situe donc probablement dans l'intervalle 72 ± 1,25, soit à peu près 70,75 à 73,25. Un alpha plus petit (par exemple 0,01 pour un niveau de confiance de 99 %) élargit l'intervalle ; un échantillon plus grand le resserre.
Prédire des valeurs : LINEST et FORECAST
Enfin, supposons que vous suivez les inscriptions mensuelles sur les 12 derniers mois (A2:A13 = index du mois de 1 à 12, B2:B13 = nombre d'inscriptions) et souhaitez une simple droite de tendance. LINEST renvoie la pente et l'ordonnée à l'origine de la droite qui ajuste le mieux ces points :
=LINEST(B2:B13, A2:A13)
Si cela renvoie {45, 310}, les inscriptions progressent d'environ 45 par mois à partir d'une base de 310. FORECAST applique directement cette même régression pour prédire un point futur, sans avoir à extraire les coefficients soi-même :
=FORECAST(15, B2:B13, A2:A13)
Cela estime les inscriptions pour le mois 15 — trois mois après votre dernière donnée — en prolongeant la droite ajustée. Les deux fonctions supposent que la relation est à peu près linéaire ; si un nuage de points fait apparaître une courbe nette, mieux vaut traiter la prévision comme une indication approximative plutôt qu'une prédiction précise.
Pour résumer
Aucune de ces fonctions n'exige un bagage poussé en statistiques pour être utilisée correctement, mais toutes exigent d'associer le bon outil à la bonne question. NORM.DIST et NORM.INV répondent à des questions sur la position d'une valeur dans une distribution connue. T.TEST et CHISQ.TEST répondent à la question de savoir si une différence observée est réelle. CORREL, PERCENTILE, QUARTILE, VAR et STDEV décrivent un jeu de données déjà en main. CONFIDENCE et FORECAST prolongent un échantillon ou une tendance vers une affirmation sur ce que l'on ne connaît pas encore. Utilisées ensemble sur le même jeu de données, elles transforment une feuille de calcul de chiffres bruts en une véritable analyse.