L’essentiel
Commencez par identifier ce que décrit le nombre : les observations ou une estimation. Le calcul s/√n concerne ici une moyenne simple sous des hypothèses annoncées. Il ne corrige pas un biais et ne donne pas un résultat individuel.
Écart type et erreur standard : quelle différence faut-il retenir ?
L’écart type résume la dispersion des observations. L’erreur standard concerne la variation d’une estimation entre des échantillons possibles. Dans ce guide, cette estimation est une moyenne simple, et non une mesure obtenue chez une personne. Altman et Bland expliquent cette séparation entre description des données et inférence dans leur note du BMJ de 2005.[1]
| Nombre lu | Question à laquelle il répond | Information encore nécessaire |
|---|---|---|
| Écart type, SD ou s | Comment les valeurs se dispersent-elles ? | Variable, unité, population étudiée |
| Erreur type de la moyenne, SEM ou SE | Quelle incertitude d’échantillonnage pour la moyenne ? | Effectif et méthode d’analyse |
| Intervalle de confiance | Quelle fourchette produit une procédure donnée ? | Niveau, méthode et hypothèses |
Ce dossier s’adresse au lecteur d’une publication, pas à la personne qui cherche une interprétation de santé individuelle. Pour situer la question avant les chiffres, consultez notre lecture du plan d’étude. Une statistique ne révèle pas à elle seule comment le groupe a été sélectionné.
Comment calculer l’erreur type d’une moyenne simple ?
Pour une moyenne d’observations indépendantes de même distribution, l’estimation usuelle est s divisé par la racine carrée de n. Ici, s désigne l’écart type d’échantillon et n le nombre d’observations. La documentation Minitab présente cette formule ; elle ne devient pas une méthode universelle pour tout plan d’analyse.[2]
L’atelier demande ces deux entrées et garde son domaine d’utilisation visible. Il ne vérifie pas l’indépendance, ne corrige pas des données manquantes et ne choisit pas une analyse pour un essai. Si les observations sont liées ou pondérées, conservez cette information au lieu de lui demander une précision artificielle. La distinction entre corrélation et causalité reste une autre étape de lecture.
Calculer le quotient du cas simple
Vérifiez le contexte avant de calculer. Cocher l’hypothèse ne prouve pas qu’elle est vraie dans une étude.
Le récapitulatif
Cas simple uniquement : SE = s / √n. Sans JavaScript, les exemples à s fixé à 6 donnent :
| s | n | SE, même unité |
|---|---|---|
| 6 | 9 | 2,000 |
| 6 | 36 | 1,000 |
| 6 | 81 | 0,667 |
La formule ne traite pas les pondérations ou observations liées et ne construit pas un IC.
Pourquoi l’effectif change-t-il l’erreur standard ?
Dans la formule simple, augmenter n réduit le quotient à écart type fixé. Cela ne signifie pas que les personnes ou les mesures deviennent moins différentes. Minitab distingue précisément la variabilité dans un échantillon de la variabilité des moyennes entre échantillons.[3]
Notre exemple fictif garde s égal à 6 unités. Les trois calculs du tableau proviennent du script associé au guide : ils illustrent une relation mathématique, pas le résultat d’un recrutement réel. Dans une étude, s peut lui-même changer avec l’échantillon observé. Ne transformez donc pas une comparaison à s constant en promesse sur une prochaine collecte.
| Hypothèse pédagogique | n | Erreur type calculée, même unité |
|---|---|---|
| s fixé à 6 | 9 | 2,000 |
| s fixé à 6 | 36 | 1,000 |
| s fixé à 6 | 81 | 0,667 |
Que signifient le signe ± et les barres d’erreur ?
Le signe ± ne nomme pas la mesure qui le suit. Une légende doit préciser s’il s’agit d’un écart type, d’une erreur type ou d’un intervalle. Le BMJ signale justement l’ambiguïté d’une moyenne présentée avec ce signe seul.[1]
Avant de comparer deux dessins, lisez ce que résume leur centre et ce que mesurent leurs extrémités. Une barre courte peut concerner une estimation précise sans montrer toute la dispersion des observations. L’atelier ci-dessous donne plusieurs lectures possibles d’une légende ; il ne déduit aucune différence statistique du seul chevauchement des barres.
Que représentent les extrémités ?
Aucun test de significativité à partir du seul chevauchement des barres.
Le récapitulatif
| Indication | Ce qu’elle permet de lire |
|---|---|
| La légende nomme un écart type, SD | La barre décrit ici la dispersion des observations. Elle ne devient pas un intervalle de confiance de la moyenne. |
| La légende nomme une erreur type de la moyenne, SE ou SEM | La barre concerne la précision d’échantillonnage de la moyenne dans le modèle annoncé. Lisez aussi n et les hypothèses. |
| La légende nomme un IC à 95 % et sa méthode | Lisez les deux bornes avec le niveau et la procédure. Elles ne décrivent pas l’étendue des valeurs de chaque personne. |
| La légende indique seulement moyenne ± un nombre | La mesure reste inconnue. Retrouvez la légende ou les méthodes au lieu de choisir SD, SE ou IC à sa place. |
L’erreur type est-elle un intervalle de confiance ?
L’erreur type est un nombre ; un intervalle possède deux bornes et une méthode de construction. Pour une moyenne, le NIST présente notamment une formule utilisant s/√n avec un quantile de Student. Lire SE ne permet donc pas de supposer que la barre correspond automatiquement à un IC à 95 %.[4]
Retrouvez la méthode effectivement annoncée plutôt que de multiplier systématiquement par un coefficient mémorisé. Notre guide de l’intervalle de confiance détaille la couverture d’une procédure et ses limites. Le nouvel atelier calcule seulement le quotient simple : il ne produit ni intervalle ni probabilité sur une valeur vraie fixe.
Peut-on compter plusieurs mesures de la même personne comme autant de personnes ?
Des mesures répétées ne deviennent pas des observations indépendantes par leur simple nombre. Le manuel Cochrane décrit ces problèmes d’unité d’analyse : plusieurs temps de mesure ou parties du corps demandent de tenir compte de leurs liens.[5]
Recopier une colonne ne crée pas de nouveaux participants. Si un tableau contient plusieurs lignes par personne, cherchez comment l’analyse les traite avant d’utiliser n. Dans la fiche locale, gardez séparés le nombre de personnes et celui des mesures lorsqu’ils sont précisés. Cette précaution rejoint la lecture d’un avant/après : multiplier les relevés ne suffit pas à attribuer un changement à une intervention.
Une petite erreur standard prouve-t-elle une bonne étude ?
Une petite erreur standard ne résout pas les biais du recrutement ou de la mesure. Elle concerne une composante d’incertitude dans une analyse donnée. Le manuel Cochrane avertit notamment qu’un mauvais traitement d’observations liées peut rendre la précision trompeuse.[5]
Gardez aussi l’ampleur du résultat et son intérêt pratique distincts de sa précision. La déclaration ASA de 2016 rappelle qu’une significativité statistique ne mesure pas la taille ni l’importance d’un effet.[6] Notre page sur l’interprétation d’une valeur p poursuit cette lecture sans remplacer le raisonnement par un seuil. Aucun de ces nombres ne décide, seul, d’un soin ou d’un comportement de santé.
Quelle fiche garder devant un graphique scientifique ?
Notez le nom de la statistique, son unité, l’effectif, la méthode et les informations encore inconnues. Cette fiche constitue une trace de lecture ; cocher une case ne certifie ni les données ni la qualité de l’étude. Sa sortie TXT est créée sur votre appareil seulement lorsque vous la demandez.
Garder les repères et les inconnues
Aucun envoi, compte ou stockage automatique. Le TXT se crée seulement à votre demande.
Le récapitulatif
| Repère | Note |
|---|---|
| Nom de la statistique et type de barre | Passage lu ou information encore inconnue |
| Variable et unité | Passage lu ou information encore inconnue |
| Effectif et unité d’analyse | Passage lu ou information encore inconnue |
| Méthode et hypothèses indiquées | Passage lu ou information encore inconnue |
| Informations manquantes et limites | Passage lu ou information encore inconnue |
Conservez la légende originale avec votre note plutôt que de remplacer tous les sigles par « marge d’erreur ». Pour élargir le contexte, notre dossier sur les effets placebo et nocebo illustre le rôle du contexte d’une observation. Écart type et erreur standard deviennent plus lisibles quand chaque nombre reste attaché à la question à laquelle il répond.
Vrai ou faux : cinq idées reçues
Choisissez votre réponse, l’explication s’affiche aussitôt.
Un signe ± nomme à lui seul la mesure affichée.
Voir la réponse
Faux. La légende doit préciser SD, SE, intervalle ou une autre mesure.
L’écart type et les données gardent la même unité.
Voir la réponse
Vrai. Cela ne les transforme pas en mesure de précision de la moyenne.
Une erreur type petite suffit à exclure les biais.
Voir la réponse
Faux. La précision calculée ne corrige pas la sélection ou la mesure.
Recopier les mêmes observations crée des personnes indépendantes.
Voir la réponse
Faux. Une duplication ne constitue pas un nouvel échantillonnage indépendant.
Une inconnue de méthode peut rester notée dans la fiche.
Voir la réponse
Vrai. La fiche garde les limites et ne certifie pas une étude.
Questions fréquentes
Quelle relation lie erreur standard et écart type ?
Pour la moyenne simple d’observations indépendantes de même distribution, l’erreur type s’estime par s/√n. Ce cas ne couvre pas toutes les analyses.
Quelle différence entre l’écart type et la moyenne ?
La moyenne résume le centre des valeurs ; l’écart type leur dispersion. Une moyenne identique peut accompagner des répartitions différentes.
Écart type et standard deviation désignent-ils la même chose ?
Standard deviation est le terme anglais pour écart type. Standard error désigne l’erreur type : ce sont deux expressions distinctes.
SEM et intervalle de confiance sont-ils interchangeables ?
SEM désigne l’erreur type de la moyenne. Un intervalle ajoute une méthode et un niveau de confiance ; il ne se lit pas comme une simple barre ±SE.
Peut-on calculer cet atelier sans connaître n ?
L’atelier a besoin de s et de n dans son cas simple. Il ne remplace pas un effectif manquant par une valeur supposée.
Une petite erreur type garantit-elle une étude fiable ?
La précision ne suffit pas à établir la qualité de la sélection, des mesures ou du modèle. Conservez ces questions séparément.
Sources & pour aller plus loin
Publications scientifiques et ressources institutionnelles. Les limites et l’interprétation sont discutées dans le texte.
- Altman et Bland, BMJ2005 — Standard deviations and standard errors ↗
- Minitab — Formules des statistiques descriptives : erreur type de la moyenne ↗
- Minitab — Interpréter écart type et erreur type dans une sortie statistique ↗
- NIST — Confidence Limits for the Mean ↗
- Cochrane Handbook, chapitre6, version6.5/2024 — Unité d’analyse et observations répétées ↗
- American Statistical Association, 7mars2016 — Principes sur significativité et valeurs p ↗
Références examinées pour cette mise à jour : 2 novembre 2026.
