La règle empirique (aussi appelée règle 68-95-99.7) permet d’estimer rapidement la dispersion des données autour de la moyenne d’une distribution normale, sans calculer une probabilité complète. Elle est couramment utilisée en statistique, en contrôle qualité, dans les examens standardisés et en finance lorsque les données ont approximativement une forme de cloche.
Fonctionnement de la règle empirique
Pour toute distribution normale, environ 68.27% des valeurs se trouvent à moins d’un écart-type de la moyenne, 95.45% à moins de deux et 99.73% à moins de trois. Ces chiffres découlent directement de la forme de la courbe normale standard : ils ne sont pas des approximations propres à un jeu de données donné, mais une propriété de la distribution normale elle-même. C’est pourquoi la règle ne s’applique que lorsque les données sont au moins approximativement normales (symétriques et en forme de cloche) ; elle ne vaut pas pour les distributions asymétriques ou multimodales.
Entrées et leur signification
Cette calculatrice ne nécessite que deux nombres : la moyenne (μ), centre des données, et l’écart-type (σ), qui doit être supérieur à 0 et exprimé dans les mêmes unités que la moyenne. À partir de ces deux valeurs, elle calcule automatiquement les intervalles ±1σ, ±2σ et ±3σ. L’onglet « Dans un intervalle » permet de vérifier tout intervalle personnalisé — pas seulement des multiples entiers de sigma — à l’aide de la fonction de répartition normale complète, afin d’obtenir une proportion exacte. L’onglet « Position de la valeur » transforme une donnée en score z (nombre d’écarts-types qui la séparent de la moyenne) et indique dans quelle bande de la règle empirique elle se trouve.
Limites et cas particuliers
La règle empirique est une approximation qui ne vaut que pour les distributions normales ou presque normales : l’appliquer à des données asymétriques (comme des revenus ou des temps de réaction) produira des intervalles trompeurs. Elle est également peu fiable pour les échantillons de très petite taille, dont la moyenne et l’écart-type peuvent ne pas refléter les véritables paramètres de la population. Pour calculer précisément des probabilités dans des distributions non normales ou des probabilités de queue, utilisez un outil complet de distribution statistique plutôt que la seule règle empirique. Les valeurs au-delà de ±3σ (environ 0.27% d’une distribution normale) sont souvent signalées comme valeurs aberrantes, mais vérifiez toujours le contexte avant d’écarter une donnée.