Tolérance (distribution normale résumée)
L'intervalle de tolérance (distribution normale résumée) effectue le même calcul que l'intervalle de tolérance standard pour une distribution normale — produire une plage couvrant une proportion donnée de la population avec un niveau de confiance donné — mais accepte des statistiques descriptives saisies manuellement (moyenne, écart-type et effectif de l'échantillon) plutôt que des données brutes.
Dernière révision
Point clé
L'intervalle de tolérance (distribution normale résumée) calcule une plage couvrant une proportion donnée de la population avec une confiance donnée, à partir de statistiques descriptives saisies plutôt que de données brutes.
Sur cette page
- Qu'est-ce que la tolérance (distribution normale résumée) ?
- Quand utiliser la tolérance (distribution normale résumée) ?
- Recommandations pour bien utiliser la tolérance (distribution normale résumée)
- Alternatives : quand ne pas utiliser la tolérance (distribution normale résumée)
- Exemple de tolérance (distribution normale résumée)
- Comment utiliser la tolérance (distribution normale résumée)
Qu'est-ce que la tolérance (distribution normale résumée) ?
L'intervalle de tolérance (distribution normale résumée) effectue le même calcul que l'intervalle de tolérance standard pour une distribution normale — produire une plage couvrant une proportion donnée de la population avec un niveau de confiance donné — mais accepte des statistiques descriptives saisies manuellement (moyenne, écart-type et effectif de l'échantillon) plutôt que des données brutes.
C'est utile lorsque les observations brutes ne sont pas disponibles mais que vous disposez de statistiques résumées fiables issues d'une étude, d'un rapport d'audit, d'un jeu de données validé ou d'une référence publiée — ce qui permet de calculer un intervalle de tolérance sans reconstituer ni recueillir de nouveau les données d'origine.
Définitions simples :identique à un intervalle de tolérance pour une distribution normale, mais conçu pour les situations où vous n'avez que des statistiques résumées (moyenne, écart-type, n) et non le jeu de données brutes complet.
Quand utiliser la tolérance (distribution normale résumée) ?
- Utilisez-la lorsque les données brutes sont indisponibles mais que vous disposez de statistiques résumées exactes issues d'une étude validée ou d'un historique.
- Utilisez-la lorsque vous travaillez à partir de rapports de qualification de fournisseurs, de recherches publiées ou de synthèses d'audit où les mesures individuelles n'ont pas été conservées.
- Utilisez-la lorsque vous voulez évaluer rapidement des bornes de tolérance à partir de données résumées existantes sans relancer une collecte de données complète.
- Utilisez-la uniquement lorsque les données sous-jacentes sont confirmées ou fortement présumées normalement distribuées — cette méthode n'est pas valable pour des populations non normales.
Recommandations pour bien utiliser la tolérance (distribution normale résumée)
- Vérifiez que les statistiques résumées sont exactes, complètes et issues d'une source fiable — des erreurs dans les entrées produisent directement des intervalles de tolérance incorrects.
- Assurez-vous que les données d'origine ayant produit les statistiques résumées étaient distribuées normalement — cela ne peut pas être vérifié à partir des seules statistiques résumées ; appuyez-vous donc sur des connaissances préalables ou sur la documentation des essais.
- Précisez le niveau de confiance et la proportion de couverture avant de lancer l'analyse — ils doivent refléter des exigences réelles, et non des choix a posteriori.
- Sachez que les intervalles fondés sur des statistiques résumées ne peuvent pas détecter les valeurs aberrantes ni les irrégularités de distribution qui seraient visibles dans les données brutes — utilisez-les avec la prudence voulue.
Alternatives : quand ne pas utiliser la tolérance (distribution normale résumée)
- Si les données brutes sont disponibles, utilisez toujours plutôt Tolérance (distribution normale) — elle fournit de meilleurs diagnostics et une meilleure validation des hypothèses.
- Si l'objectif est d'estimer une moyenne de population plutôt que de capturer des valeurs individuelles, utilisez un intervalle de confiance à partir de données résumées.
Exemple de tolérance (distribution normale résumée)
Le test se déroule selon les étapes suivantes :
- Renseigner les entrées nécessaires.
- Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver Tolerance(Normal Distribution Summarized), choisissez Statistical module> Hypothesis Test> Tolerance(Normal Distribution Summarized).
- Dans l'outil, saisissez les données comme suit :

5. Après avoir utilisé l'outil ci-dessus, récupérez les résultats comme suit :

Comment utiliser la tolérance (distribution normale résumée)
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 Summarized) .
- Ensuite, saisissez 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 Summarized), 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 et 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 se trouvent plusieurs options, comme suit :
- Sample Size : saisissez le nombre total d'observations recueillies dans le jeu de données d'origine — par exemple, si 50 mesures de coût énergétique ont été relevées, saisissez 50. Cette valeur est essentielle car la largeur de l'intervalle de tolérance dépend directement du nombre d'observations utilisées : des effectifs d'échantillon plus grands produisent des intervalles plus étroits et plus précis, tandis que des tailles plus petites produisent des intervalles plus larges qui reflètent une plus grande incertitude sur les vraies bornes de la population.
- Sample Mean : saisissez la valeur moyenne du jeu de données d'origine. C'est l'estimation centrale autour de laquelle l'intervalle de tolérance est construit. La moyenne positionne l'intervalle sur l'échelle de mesure : une moyenne plus élevée décale l'intervalle vers le haut et une moyenne plus basse le décale vers le bas. Assurez-vous que cette valeur provient d'une source fiable et validée, car une moyenne inexacte décale directement tout l'intervalle vers un emplacement incorrect.
- Standard Deviation : saisissez l' écart-type du jeu de données d'origine, qui représente l'étalement des mesures individuelles autour de la moyenne. C'est la donnée qui influence le plus la largeur de l'intervalle de tolérance. Un écart-type plus grand produit un intervalle plus large reflétant plus de variabilité du procédé ; un écart-type plus petit produit un intervalle plus étroit reflétant un procédé plus serré et plus constant. Assurez-vous que cette valeur représente fidèlement la vraie dispersion du procédé dans l'étude d'origine.
- Confidence Level : fixe le niveau de certitude que l'intervalle calculé contient réellement au moins la proportion spécifiée de la population. La valeur par défaut usuelle est 95 %, ce qui signifie que vous avez 95 % de confiance que l'intervalle de tolérance couvre au moins le pourcentage minimal de la population que vous spécifiez. Un niveau de confiance plus élevé (p. ex. 99 %) produit des bornes plus larges avec plus de certitude ; un niveau plus bas (p. ex. 90 %) produit des bornes plus étroites mais avec une assurance moindre que l'exigence de couverture est réellement satisfaite.
- 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 est conçu pour capturer au moins 99 % de toutes les valeurs individuelles de la population du procédé. Cette valeur doit être choisie d'après les exigences de qualité, les spécifications du produit 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 référence largement admise pour la validation des procédés et la documentation de libération des 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 par les deux extrémités. À utiliser lorsque les valeurs individuelles minimale et maximale comptent toutes deux — par exemple, lorsqu'un produit doit rester simultanément entre une limite de spécification inférieure et une supérieure.
- Lower Bound — produit seulement une 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 respectent une exigence minimale de résistance ou de pureté.
- Upper Bound — produit seulement une 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 sous une limite maximale de contamination, de poids ou de température.
Questions fréquentes
Qu'est-ce qu'un intervalle de tolérance à partir de données résumées ?
Il effectue le même calcul que l'intervalle de tolérance pour une distribution normale, une plage couvrant une proportion donnée de la population avec une confiance donnée, mais utilise des statistiques descriptives saisies manuellement, la moyenne, l'écart-type et l'effectif de l'échantillon, au lieu de données brutes.
Quand utiliser un intervalle de tolérance à partir de données résumées ?
Utilisez-le lorsque les données brutes sont indisponibles mais que vous disposez de statistiques résumées fiables, par exemple issues de rapports de qualification de fournisseurs, de recherches publiées, de synthèses d'audit ou d'historiques. Si les données brutes sont disponibles, utilisez plutôt l'intervalle de tolérance normal standard, car il fournit de meilleurs diagnostics et vérifications des hypothèses.
Quelles sont les limites d'un intervalle de tolérance fondé sur des statistiques résumées ?
La normalité ne peut pas être vérifiée à partir des seules statistiques résumées : vous devez vous appuyer sur des connaissances préalables ou sur la documentation des essais. Les intervalles fondés sur des statistiques résumées ne peuvent pas non plus détecter les valeurs aberrantes ni les irrégularités de distribution qui seraient visibles dans les données brutes, et toute erreur dans la moyenne, l'écart-type ou l'effectif de l'échantillon saisis produit directement un intervalle incorrect.
Comment l'effectif de l'échantillon et l'écart-type influencent-ils l'intervalle ?
Un effectif d'échantillon plus grand donne un intervalle plus étroit et plus précis, et une plus petite donne un intervalle plus large reflétant une plus grande incertitude. L'écart-type est la donnée qui influence le plus la largeur : une valeur plus grande donne un intervalle plus large. La moyenne positionne l'intervalle sur l'échelle de mesure.
