Tolérance (distribution normale)
Un intervalle de tolérance pour une distribution normale calcule une plage dont vous pouvez avoir la certitude qu'elle contient au moins une proportion spécifiée de l'ensemble de la population, et pas seulement de l'échantillon. Contrairement à un intervalle de confiance, qui estime un paramètre de la population (comme la moyenne), un intervalle de tolérance capture un pourcentage spécifié de valeurs individuelles de toute la population.
Dernière révision
Point clé
Un intervalle de tolérance pour une distribution normale calcule une plage dont vous pouvez avoir la certitude qu'elle contient au moins une proportion spécifiée de l'ensemble de la population, et pas seulement de l'échantillon.
Sur cette page
- Qu'est-ce que la tolérance (distribution normale) ?
- Quand utiliser la tolérance (distribution normale) ?
- Recommandations pour bien utiliser la tolérance (distribution normale)
- Alternatives : quand ne pas utiliser la tolérance (distribution normale)
- Exemple de tolérance (distribution normale)
- Comment utiliser la tolérance (distribution normale)
Qu'est-ce que la tolérance (distribution normale) ?
Un intervalle de tolérance pour une distribution normale calcule une plage dont vous pouvez avoir la certitude qu'elle contient au moins une proportion spécifiée de l'ensemble de la population, et pas seulement de l'échantillon. Contrairement à un intervalle de confiance, qui estime un paramètre de la population (comme la moyenne), un intervalle de tolérance capture un pourcentage spécifié de valeurs individuelles de toute la population.
Par exemple, un intervalle de tolérance 95%/99% signifie que vous avez 95% de confiance qu'au moins 99% de toutes les observations futures de ce procédé se situeront dans les bornes calculées — une affirmation bien plus forte et plus utile en pratique qu'un intervalle de confiance seul.
Définition simple : une plage dont vous avez la confiance statistique qu'elle capturera une grande proportion spécifiée de toutes les valeurs individuelles de la population — elle vous indique où se situera l'essentiel de la production du procédé.
Quand utiliser la tolérance (distribution normale) ?
- À utiliser lorsque vous devez confirmer qu'une proportion élevée de la production du procédé respectera les limites de spécification — par exemple, démontrer que 99% des pièces sont dans la tolérance.
- À utiliser pour la validation de procédé, la libération de produits et les dossiers réglementaires où vous devez démontrer que la production future respectera les exigences de qualité.
- À utiliser lorsque les spécifications définissent des limites acceptables pour des éléments individuels plutôt que pour des moyennes de procédé — les intervalles de tolérance s'appliquent aux valeurs individuelles, pas aux moyennes.
- À utiliser lorsque les données suivent avec certitude une distribution normale — cette méthode est optimisée pour des données normalement distribuées.
Recommandations pour bien utiliser la tolérance (distribution normale)
- Confirmez la normalité avant d'utiliser cette méthode — utilisez d'abord un test de normalité ou une droite de probabilité. Si les données ne sont pas normales, l'intervalle de tolérance sera inexact.
- Des effectifs d'échantillon plus grands produisent des intervalles de tolérance plus étroits et plus précis — de petits échantillons produisent des intervalles très larges, d'intérêt pratique limité.
- Précisez à la fois le niveau de confiance et la proportion de couverture avant l'analyse — par exemple, 95% de confiance que 99% de la population est couverte.
- Interprétez l'intervalle par rapport aux limites de spécification — si l'intervalle de tolérance se situe entièrement dans la spécification, le procédé est capable de satisfaire les exigences.
- Recueillez au moins 30 points de données pour obtenir un intervalle de tolérance significatif — moins d'observations produisent des bornes excessivement larges.
Alternatives : quand ne pas utiliser la tolérance (distribution normale)
- Si les données ne suivent pas une distribution normale, utilisez Nonparametric Tolerance Interval
- Si vous n'avez que des statistiques résumées (moyenne, écart-type, n) et non les données brutes, utilisez Tolerance Interval (Normal Distribution Summarized)
- Si l'objectif est d'estimer la moyenne de la population ou un paramètre du procédé plutôt que de capturer des valeurs individuelles, utilisez un Confidence Interval
- Si vous évaluez si le procédé satisfait une exigence de capabilité, utilisez Capability Analysis (Normal)
Exemple de tolérance (distribution normale)
Un ingénieur qualité doit évaluer la durée de vie d'ampoules dans une usine de fabrication. Un échantillon de 100 ampoules est testé et leurs durées d'allumage individuelles sont enregistrées jusqu'à la défaillance de chaque ampoule. L'objectif est d'établir une borne de tolérance inférieure — la durée d'allumage minimale que devraient dépasser au moins 95% de l'ensemble de la population d'ampoules. Le test se déroule selon les étapes suivantes :
- Rassemblement des données nécessaires.

- Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver Tolerance(Normal Distribution), choisissez Statistical module> Hypothesis Test> Tolerance(Normal Distribution).
- Dans l'outil, il saisit les données ainsi que les autres entrées comme suit :

5. Après avoir utilisé l'outil mentionné ci-dessus, il obtient les résultats suivants :


Comment utiliser la tolérance (distribution normale)
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 >Tolerance(Normal Distribution) .
- Ensuite, mettez à jour les données manuellement, ou copiez-les (Ctrl+C) depuis 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.
Sur le tableau de bord de Tolerance(Normal Distribution), la fenêtre est divisée en deux parties.

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Load File : permet de charger directement les données Excel.
Dans la partie droite, de nombreuses options sont proposées :
- Sample Data : sélectionnez la colonne contenant les mesures continues brutes pour lesquelles vous voulez calculer un intervalle de tolérance — par exemple des coûts énergétiques, des dimensions, des masses ou des températures. L'outil utilise toutes les valeurs de cette colonne pour estimer la moyenne et l'écart-type du procédé, qui servent ensuite à calculer les bornes de l'intervalle de tolérance. Les données de cette colonne doivent être approximativement normalement distribuées pour que les résultats soient valides.
- Confidence Level : définit le niveau de certitude que l'intervalle calculé contient réellement au moins la proportion spécifiée de la population. La valeur par défaut standard est 95%, ce qui signifie que vous avez 95% de confiance que l'intervalle de tolérance couvre au moins le pourcentage minimal de population que vous spécifiez. Un niveau de confiance plus élevé (p. ex. 99%) produit des bornes plus larges avec une plus grande certitude ; un niveau plus faible (p. ex. 90%) produit des bornes plus étroites mais avec moins de garantie que la couverture réelle est atteinte.
- Cela diffère d'un intervalle de confiance pour la moyenne — ici, la confiance s'applique à la qualité de couverture des valeurs individuelles dans l'ensemble de la population, et pas seulement à la moyenne.
- Minimum Percentage of Population in Interval : saisissez la proportion minimale de la population totale que l'intervalle de tolérance doit contenir. Par exemple, saisir 99 signifie que l'intervalle calculé est conçu pour capturer au moins 99% de toutes les valeurs individuelles de la population du procédé. Cette valeur est choisie selon les exigences de qualité, les spécifications ou les normes réglementaires — les choix courants sont 90%, 95%, 99% ou 99.9% selon la criticité de l'application.
- Avec le niveau de confiance, elle définit l'énoncé de tolérance complet. Par exemple, 95% de confiance qu'au moins 99% de la population se situe dans l'intervalle est une norme typique et largement acceptée pour la validation de procédé et la libération de produits.
- Tolerance Interval : définit la forme et la direction de l'intervalle de tolérance. Trois options sont disponibles :
- Two-Sided — produit une borne inférieure et une borne supérieure, formant une plage complète qui capture la proportion spécifiée de la population à partir des deux extrémités. À utiliser lorsque les valeurs individuelles minimale et maximale comptent toutes deux — par exemple lorsqu'un produit doit rester entre une limite de spécification inférieure et supérieure.
- Lower Bound — produit une seule borne inférieure, indiquant la valeur minimale en dessous de laquelle seule une petite proportion de la population devrait se situer. À utiliser lorsque seule une valeur minimale acceptable compte — par exemple pour confirmer qu'au moins 99% des produits satisfont une exigence de résistance minimale.
- Upper Bound — produit une seule borne supérieure, indiquant la valeur maximale au-dessus de laquelle seule une petite proportion de la population devrait se situer. À utiliser lorsque seule une valeur maximale acceptable compte — par exemple pour confirmer qu'au moins 99% des produits restent en dessous d'une limite maximale de contamination ou de masse.
- Tolerance Interval Plot : lorsqu'elle est activée, affiche un graphique montrant les bornes de l'intervalle de tolérance calculé avec les points de données réels. Le graphique permet de voir facilement comment l'intervalle se situe par rapport à vos données — si les bornes sont serrées ou larges par rapport à la dispersion des données, si des valeurs observées sont proches des bornes ou en dehors, et comment l'intervalle se compare à vos limites de spécification. Cette confirmation visuelle complète utilement le résultat numérique et aide à communiquer clairement les résultats dans les rapports et les présentations.
Questions fréquentes
Qu'est-ce qu'un intervalle de tolérance ?
Un intervalle de tolérance est une plage dont vous pouvez avoir la certitude qu'elle contient au moins une proportion spécifiée des valeurs individuelles de l'ensemble de la population, et pas seulement de l'échantillon. Par exemple, un intervalle de tolérance 95%/99% signifie que vous avez 95% de confiance qu'au moins 99% de toutes les observations futures du procédé se situent dans les bornes.
Quelle différence entre un intervalle de tolérance et un intervalle de confiance ?
Un intervalle de confiance estime un paramètre de la population, comme la moyenne. Un intervalle de tolérance capture un pourcentage spécifié de valeurs individuelles de toute la population. Si l'objectif est d'estimer la moyenne ou un paramètre du procédé plutôt que de capturer des valeurs individuelles, utilisez plutôt un intervalle de confiance.
De combien de points de données avez-vous besoin pour un intervalle de tolérance normal ?
Recueillez au moins 30 points de données pour obtenir un intervalle de tolérance significatif ; moins d'observations produisent des bornes excessivement larges. Des échantillons plus grands donnent des intervalles plus étroits et plus précis. Confirmez d'abord la normalité avec un test de normalité ou une droite de probabilité, car l'intervalle est inexact pour des données non normales.
Comment interpréter un intervalle de tolérance par rapport aux spécifications ?
Comparez l'intervalle aux limites de spécification. Si l'intervalle de tolérance se situe entièrement dans la spécification, le procédé est capable de satisfaire les exigences pour la confiance et la couverture indiquées. Utilisez un intervalle bilatéral lorsque les deux limites comptent, ou une borne inférieure ou supérieure lorsque seul un minimum ou un maximum compte.
