Test de valeurs aberrantes
Un test de valeurs aberrantes identifie statistiquement les observations d'un jeu de données anormalement éloignées de la majorité des données — des valeurs si extrêmes qu'elles proviennent peu probablement du même procédé sous-jacent ou de la même population. Détecter les valeurs aberrantes est une étape importante de la revue de qualité des données, car une seule valeur extrême peut fausser les moyennes, gonfler les écarts-types et affecter sensiblement les résultats d'une analyse de capabilité, d'une régression et de tests d'hypothèse.
Dernière révision
Point clé
Un test de valeurs aberrantes identifie statistiquement les observations anormalement éloignées de la majorité des données, si extrêmes qu'elles proviennent peu probablement du même procédé ou de la même population.
Sur cette page
- Qu'est-ce qu'un test de valeurs aberrantes ?
- Quand utiliser un test de valeurs aberrantes ?
- Recommandations pour bien utiliser le test de valeurs aberrantes
- Alternatives : quand ne pas utiliser le test de valeurs aberrantes
- Exemple de test de valeurs aberrantes
- Comment réaliser un test de valeurs aberrantes
Qu'est-ce qu'un test de valeurs aberrantes ?
Un test de valeurs aberrantes identifie statistiquement les observations d'un jeu de données anormalement éloignées de la majorité des données — des valeurs si extrêmes qu'elles proviennent peu probablement du même procédé sous-jacent ou de la même population. Détecter les valeurs aberrantes est une étape importante de la revue de qualité des données, car une seule valeur extrême peut fausser les moyennes, gonfler les écarts-types et affecter sensiblement les résultats d'une analyse de capabilité, d'une régression et de tests d'hypothèse.
La méthode la plus couramment utilisée est le test de Grubbs (aussi appelé test ESD — Extreme Studentized Deviate), qui teste si la valeur la plus extrême du jeu de données diffère significativement des autres.
Définition simple :un test statistique formel qui détermine si des points de données sont si extrêmes qu'ils appartiennent peu probablement au même procédé — pour vous aider à décider d'investiguer ou d'écarter les valeurs suspectes.
Quand utiliser un test de valeurs aberrantes ?
- Utilisez-le lorsque vous soupçonnez la présence de valeurs inhabituelles dans votre jeu de données avant de réaliser une analyse de capabilité, une régression ou un test d'hypothèse.
- Utilisez-le pendant le nettoyage et la validation des données pour confirmer l'intégrité des données avant de prendre des décisions sur le procédé.
- Utilisez-le lorsqu'un point de données individuel paraît visuellement extrême sur un histogramme ou une carte de contrôle et que vous avez besoin d'un test formel pour confirmer s'il est statistiquement inhabituel.
- Utilisez-le lorsque des erreurs de mesure, des erreurs de saisie ou des événements à cause spéciale ont pu introduire des valeurs atypiques dans le jeu de données.
Recommandations pour bien utiliser le test de valeurs aberrantes
- Les données doivent être approximativement normales — le test de Grubbs suppose la normalité et peut ne pas être fiable sur des données très asymétriques.
- Ne supprimez jamais automatiquement les valeurs aberrantes signalées sans investigation — déterminez toujours si la valeur aberrante représente un véritable événement du procédé, une erreur de mesure ou une erreur de saisie.
- Testez une seule valeur aberrante à la fois avec le test de Grubbs — retirer une valeur aberrante puis refaire le test est plus fiable que de tester simultanément plusieurs valeurs aberrantes.
- Documentez toute valeur aberrante retirée, avec la justification du retrait — c'est essentiel pour les pistes d'audit et les enregistrements qualité.
- Fixez alpha à 0.05 comme valeur par défaut standard — une valeur p inférieure à 0.05 indique que la valeur signalée est statistiquement inhabituelle.
Alternatives : quand ne pas utiliser le test de valeurs aberrantes
- Si les données ne sont pas normales, utilisez plutôt des méthodes robustes de détection des valeurs aberrantes comme la méthode de l'IQR ou l'écart absolu médian.
- Si vous voulez inspecter visuellement la dispersion des données plutôt que réaliser un test formel, utilisez une boîte à moustaches ou un graphique des valeurs individuelles
- Si plusieurs valeurs aberrantes sont attendues, utilisez le test ESD généralisé (Extreme Studentized Deviate) plutôt que des tests de Grubbs à valeur aberrante unique répétés.
- Si la valeur aberrante est due à un événement à cause spéciale connue, traitez-la comme un signal du procédé et investiguez à l'aide de cartes de contrôle plutôt que de simplement la supprimer.
Exemple de test de valeurs aberrantes
Un ingénieur qualité d'un fabricant de manches en bois teste la résistance d'un échantillon aléatoire de manches à balai. Il enregistre la force nécessaire pour casser chaque manche. Il construit un graphique des données et remarque qu'une des valeurs de l'échantillon semble anormalement faible. Le test se déroule selon les étapes suivantes :
- Les données nécessaires ont été recueillies.

- Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver le test de valeurs aberrantes, choisissez Statistical module> Hypothesis Test> Outlier test.
- Dans l'outil, saisissez les données ainsi que les autres paramètres comme suit :

5. Après exécution de l'outil, les résultats obtenus sont les suivants :


Comment réaliser un test de valeurs aberrantes
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Hypothesis Test >Outlier test .
- Ensuite, saisissez les données manuellement, ou copiez (Ctrl+C) l'ensemble des données d'une feuille Excel et collez-les (Ctrl+V) ici.
- Renseignez les options requises.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Dans le tableau de bord du test de valeurs aberrantes, la fenêtre est divisée en deux parties.

La partie gauche contient le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou vous pouvez copier (Ctrl+C) l'ensemble des données d'une feuille Excel et les coller (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Load File : permet de charger directement les données Excel.
La partie droite contient de nombreuses options, décrites ci-dessous :
- Variables : sélectionnez la ou les colonnes contenant les données continues à tester pour y rechercher des valeurs aberrantes. Utilisez Ctrl ou Commande + clic pour sélectionner plusieurs colonnes si vous voulez vérifier plusieurs variables à la fois. Chaque colonne sélectionnée est testée indépendamment — l'outil évalue chaque variable séparément et indique si des valeurs statistiquement extrêmes sont présentes dans chaque jeu de données.
- Significance Level : définit le seuil permettant de déterminer si une valeur signalée est une valeur aberrante statistiquement significative. La valeur par défaut standard est 0.05, ce qui signifie un risque de 5 % d'identifier à tort un point de données normal comme valeur aberrante alors qu'il n'y en a pas. Un seuil de signification plus bas (par ex. 0.01) rend le test plus prudent et réduit les fausses alertes, mais peut laisser passer de véritables valeurs aberrantes. Un seuil plus élevé (par ex. 0.10) rend le test plus sensible mais augmente le risque de signaler des valeurs qui font simplement partie de la variation naturelle du procédé.
- Outlier Test: Grubbs : le test de Grubbs est la méthode statistique utilisée pour identifier les valeurs aberrantes. Il calcule à combien d'écarts-types de la moyenne se situe la valeur la plus extrême du jeu de données, puis compare cette distance à une valeur critique fondée sur l'effectif de l'échantillon et le seuil de signification. Si la valeur la plus extrême dépasse le seuil critique, elle est signalée comme une valeur aberrante statistiquement significative.
- Le test de Grubbs suppose que les données sont approximativement normales et teste une seule valeur aberrante à la fois — il identifie la valeur la plus extrême unique du jeu de données. Si cette valeur est confirmée puis retirée, le test peut être répété sur les données restantes pour rechercher d'autres valeurs aberrantes. C'est la méthode la plus largement admise et la plus couramment utilisée pour la détection des valeurs aberrantes dans des données continues normalement distribuées.
- Outlier Plot : lorsqu'elle est activée, affiche un graphique des données avec la valeur aberrante suspectée clairement repérée. Le graphique montre tous les points de données sur une échelle, de sorte que vous voyez immédiatement à quelle distance des autres données se situe la valeur signalée. Cette confirmation visuelle est importante, car elle aide à juger si la valeur aberrante est une véritable valeur extrême ou simplement une observation située dans la queue naturelle de la distribution — pour décider en connaissance de cause d'investiguer ou de conserver le point signalé.
Questions fréquentes
Qu'est-ce qu'un test de valeurs aberrantes ?
Un test de valeurs aberrantes identifie statistiquement les observations anormalement éloignées du reste des données, si extrêmes qu'elles proviennent peu probablement du même procédé ou de la même population. C'est une étape importante pour la qualité des données, car une seule valeur extrême peut fausser les moyennes, gonfler les écarts-types et affecter l'analyse de capabilité, la régression et les tests d'hypothèse.
Comment fonctionne le test de Grubbs ?
Le test de Grubbs, aussi appelé test ESD (Extreme Studentized Deviate), calcule à combien d'écarts-types de la moyenne se situe la valeur la plus extrême, puis compare cette distance à une valeur critique fondée sur l'effectif de l'échantillon et le seuil de signification. Si elle dépasse le seuil, la valeur est signalée comme une valeur aberrante statistiquement significative.
Quelles sont les hypothèses du test de Grubbs ?
Les données doivent être approximativement normales, car le test de Grubbs peut ne pas être fiable sur des données très asymétriques. Il teste une seule valeur aberrante à la fois ; si une valeur est confirmée puis retirée, le test peut être répété sur les données restantes. Pour des données non normales, utilisez des méthodes robustes comme la méthode de l'IQR ou l'écart absolu médian.
Faut-il supprimer les valeurs aberrantes trouvées par un test de valeurs aberrantes ?
Ne supprimez jamais automatiquement les valeurs aberrantes signalées. Déterminez d'abord si la valeur reflète un véritable événement du procédé, une erreur de mesure ou une erreur de saisie, et documentez toute valeur aberrante retirée avec sa justification. Si une valeur aberrante provient d'une cause spéciale connue, traitez-la comme un signal du procédé et investiguez à l'aide de cartes de contrôle.
