Calculateur de règle empirique 68-95-99,7
Appliquez la règle empirique (règle 68-95-99,7) à toute distribution normale : saisissez la moyenne et l’écart type pour obtenir les intervalles exacts couvrant 68%, 95% et 99,7% des données.
Saisissez la moyenne (μ) et l’écart type (σ) d’une distribution normale pour calculer les trois intervalles de la règle empirique.
Calculateur de règle empirique 68-95-99,7
Appliquez la règle empirique (règle 68-95-99,7) à toute distribution normale : saisissez la moyenne et l’écart type pour obtenir les intervalles exacts couvrant 68%, 95% et 99,7% des données.
À propos du calculateur de règle empirique
La règle empirique, aussi appelée règle des trois sigmas ou règle 68-95-99,7, est un raccourci statistique qui décrit la répartition des données dans une distribution normale (en cloche). Elle indique qu’environ 68% des observations se situent à moins d’un écart type de la moyenne, environ 95% à moins de deux écarts types et environ 99,7% à moins de trois écarts types. Ce sont parmi les nombres les plus importants en statistique appliquée.
Plus précisément, les pourcentages sont 68,27%, 95,45% et 99,73%, dérivés de la fonction de répartition de la loi normale standard. Les probabilités complémentaires sont également importantes : environ 32% des données se trouvent hors de l’intervalle à un sigma, environ 5% hors de l’intervalle à deux sigmas et seulement 0,27% (environ 1 sur 370) hors de l’intervalle à trois sigmas. Ce dernier chiffre fonde la « limite à trois sigmas » largement utilisée en contrôle qualité et dans la méthodologie Six Sigma.
La règle empirique ne s’applique que lorsque les données suivent, ou approchent étroitement, une distribution normale. De nombreux phénomènes naturels sont approximativement normaux : tailles des adultes, scores de IQ, erreurs de mesure, mesures de tension artérielle, ainsi que de nombreuses métriques économiques et financières. Dans ces cas, la règle empirique fournit des réponses rapides et pratiques sans autre calcul qu’une arithmétique de base.
Pour appliquer la règle, il suffit de deux paramètres : la moyenne (μ), qui situe le centre de la distribution, et l’écart type (σ), qui mesure la dispersion. L’intervalle à un sigma est (μ − σ, μ + σ), celui à deux sigmas est (μ − 2σ, μ + 2σ), et celui à trois sigmas est (μ − 3σ, μ + 3σ). Ce calculateur calcule instantanément les trois intervalles.
Les applications pratiques sont nombreuses. En fabrication et en contrôle qualité, un processus est considéré comme maîtrisé si sa production reste dans les limites à trois sigmas (99,73% du temps). Dans les tests de IQ avec μ = 100 et σ = 15, environ 68% des personnes obtiennent un score entre 85 et 115, environ 95% entre 70 et 130, et environ 99,7% entre 55 et 145. En finance, la règle empirique sert à estimer la probabilité de rendements extrêmes sous l’hypothèse de normalité, ce qui constitue une base des calculs de valeur à risque. En biologie et en médecine, elle aide à repérer les mesures inhabituelles : une tension artérielle située à plus de deux écarts types de la moyenne est hors de l’intervalle de 95% et mérite examen.
Exemples de règle empirique
Trois distributions réelles montrant comment la règle 68-95-99,7 donne un aperçu immédiat.
| Distribution | Plage 1σ (68%) | Application |
|---|---|---|
| Scores de IQ : μ = 100, σ = 15 | 85 à 115 | Environ 68% des personnes obtiennent 85–115, environ 95% obtiennent 70–130 et environ 99,7% obtiennent 55–145. Un score supérieur à 130 (2σ au-dessus de la moyenne) se situe dans les 2,5% les plus élevés. |
| Taille des hommes adultes : μ = 175 cm, σ = 7 cm | 168 à 182 cm | Environ 68% des hommes adultes mesurent 168–182 cm. Environ 95% se situent entre 161 et 189 cm. Les tailles inférieures à 154 cm ou supérieures à 196 cm sont hors de la plage 3σ (<0,3%). |
| Notes d’examen universitaire : μ = 78, σ = 6 | 72 à 84 | Environ 68% des étudiants obtiennent 72–84. Les 2,5% supérieurs (au-dessus de 2σ = 90) obtiennent une mention. Environ 99,7% obtiennent entre 60 et 96. |
| Longueur de boulon en fabrication : μ = 50 mm, σ = 0,5 mm | 49,5 à 50,5 mm | Environ 99,73% des boulons se trouvent dans 3σ = 48,5–51,5 mm. Tout boulon hors de cette plage est signalé comme défectueux selon les normes de qualité Six Sigma. |
Comment utiliser le calculateur de règle empirique
- Saisissez la moyenne (μ) de vos données normalement distribuées dans le premier champ. La moyenne peut être n’importe quel nombre réel.
- Saisissez l’écart type (σ) dans le second champ. L’écart type doit être un nombre positif supérieur à zéro.
- Cliquez sur Calculer. Le calculateur affiche trois panneaux colorés : les intervalles 68,27%, 95,45% et 99,73%.
- Chaque panneau affiche la plage (borne inférieure à borne supérieure) et le pourcentage de données attendu dans cette plage.
- Utilisez les boutons d’exemple pour charger des distributions connues (scores de IQ, taille adulte, notes d’examen) et voir la règle empirique en action.
FAQ sur la règle empirique
Qu’est-ce que la règle empirique en statistique ?
La règle empirique (également appelée règle 68-95-99,7 ou règle des trois sigmas) indique que, pour une distribution normale, environ 68% des données se situent à moins d’un écart type de la moyenne, environ 95% à moins de deux écarts types et environ 99,7% à moins de trois. C’est une façon rapide de décrire la dispersion d’une distribution normale et d’estimer la probabilité que des observations tombent dans différents intervalles.
La règle empirique s’applique-t-elle à toutes les distributions ?
Non. La règle empirique ne s’applique qu’aux distributions normales (gaussiennes). Si vos données sont asymétriques, multimodales ou à queues épaisses, les pourcentages seront différents. Pour les distributions non normales, l’inégalité de Bienaymé-Tchebychev donne un résultat plus faible mais universellement valide : au moins 75% des données se trouvent à moins de 2σ de la moyenne (contre 95% pour une normale), et au moins 88,9% à moins de 3σ (contre 99,7% pour une normale).
Comment savoir si mes données sont normalement distribuées ?
Les approches courantes consistent à examiner un histogramme (en cloche et symétrique ?), à tracer un graphique Q-Q (quantile-quantile ; les points doivent être proches d’une droite pour des données normales) ou à appliquer des tests formels comme Shapiro-Wilk ou Kolmogorov-Smirnov. Pour les grands échantillons (n > 30), le théorème central limite signifie que la distribution d’échantillonnage de la moyenne est approximativement normale même si les données sous-jacentes ne le sont pas.
Que signifie être « à plus de deux écarts types » ?
Pour une distribution normale, environ 95,45% des données se situent à moins de 2σ de la moyenne, ce qui signifie qu’environ 4,55% se trouvent à l’extérieur, soit environ 2,275% dans chaque queue. Être à plus de 2σ au-dessus de la moyenne est statistiquement inhabituel et se situe dans les 2,27% les plus élevés de la distribution. Ce seuil (souvent résumé approximativement à 5% ou 1 sur 20) fonde le niveau de signification conventionnel p < 0,05 dans les tests d’hypothèse.
Comment la règle empirique est-elle utilisée en contrôle qualité ?
En fabrication et qualité des processus, les limites de contrôle sont généralement fixées à trois écarts types de la moyenne (limites 3σ). Sous l’hypothèse de normalité, 99,73% de la production d’un processus se situe dans ces limites lorsque le processus est maîtrisé. Les points hors des limites 3σ sont traités comme des signaux de cause spéciale de variation nécessitant une enquête. Cela constitue le fondement du contrôle statistique des processus (SPC) et de la méthodologie de gestion de la qualité Six Sigma.
Puis-je l’utiliser pour des probabilités unilatérales ?
La règle empirique donne des intervalles bilatéraux centrés sur la moyenne. Pour les probabilités unilatérales, divisez le complément par deux. Par exemple, environ 95,45% des données se situent dans 2σ des deux côtés, donc 4,55% sont à l’extérieur : 2,275% au-dessus de μ+2σ et 2,275% au-dessous de μ−2σ. C’est pourquoi un intervalle de confiance bilatéral à 95% utilise z = 1,96 (environ 2σ) : 2,5% est exclu de chaque queue.