Comprendre votre cote Z
Le tableau ci-dessous présente une sélection de cotes Z et les centiles correspondants de la loi normale centrée réduite.
| Cote Z | Centile (part en dessous) | Interprétation |
|---|---|---|
| -2 | 2,28% | Deux écarts types sous la moyenne ; inhabituellement bas |
| -1 | 15,87% | Un écart type sous la moyenne |
| 0 | 50% | Exactement à la moyenne (et à la médiane, pour une loi normale) |
| +1 | 84,13% | Un écart type au-dessus de la moyenne |
| +2 | 97,72% | Deux écarts types au-dessus de la moyenne ; inhabituellement élevé |
| +3 | 99,87% | Trois écarts types au-dessus de la moyenne ; rare sous hypothèse de normalité |
- Les centiles supposent une distribution sous-jacente approximativement normale. Pour des données asymétriques ou à queues lourdes, la conversion de z en centile n'est pas fiable, même si la cote Z reste, elle, parfaitement définie.
- Selon la règle empirique, environ 68% d'une loi normale se situe entre z = -1 et +1, environ 95% entre -2 et +2, et environ 99,7% entre -3 et +3.
- Une cote Z ne dit rien du caractère favorable ou défavorable d'une valeur : elle indique seulement son éloignement à la moyenne de sa propre distribution.
Qu'est-ce qu'une cote Z ?
Une cote Z standardise une valeur en exprimant sa distance à la moyenne en unités d'écart type. Une cote Z de 0 signale une valeur égale à la moyenne ; +1 correspond à un écart type au-dessus de la moyenne, et -2 à deux écarts types en dessous. La standardisation ramène des mesures d'échelles différentes à une base commune, ce qui explique l'usage des cotes Z pour comparer des résultats de tests, des mesures de croissance ou des valeurs de laboratoire issues de distributions distinctes.
Lorsque la distribution sous-jacente est normale, en forme de cloche, la cote Z se traduit directement en centile grâce à la fonction de répartition de la loi normale centrée réduite. Cette fonction donne la proportion de la distribution située sous un z donné : environ 84,13% d'une loi normale se trouve sous z = 1, et environ 97,72% sous z = 2. Ce calculateur évalue cette fonction de répartition au moyen de l'approximation d'Abramowitz et Stegun (formule 7.1.26), précise à près de 7,5 x 10^-8.
L'interprétation en centiles dépend toutefois de la normalité. Une cote Z peut se calculer sur n'importe quelles données, mais sa conversion en centile par la fonction de répartition normale n'est exacte que si la distribution est approximativement normale ; pour des données asymétriques ou à queues lourdes, les centiles annoncés peuvent induire en erreur.
Comment utiliser ce calculateur de cote Z
- Saisissez la valeur (x) que vous souhaitez standardiser, par exemple un résultat individuel à un test.
- Saisissez la moyenne de la distribution dont provient cette valeur.
- Saisissez l'écart type de la distribution, qui doit être strictement positif.
- Lisez la cote Z, le centile (part de la distribution située sous la valeur, sous hypothèse de normalité) et la part située au-dessus.
La formule de la cote Z
La cote Z vaut la valeur moins la moyenne, le tout divisé par l'écart type : z = (x - moyenne) / écart type. Un z positif place la valeur au-dessus de la moyenne, un z négatif en dessous.
Exemple détaillé : x = 130, moyenne = 100, écart type = 15, soit l'échelle classique du QI. z = (130 - 100) / 15 = 30 / 15 = 2. La valeur se situe donc exactement à deux écarts types au-dessus de la moyenne. D'après la fonction de répartition normale, la proportion sous z = 2 vaut 0,9772 : la valeur occupe le 97,72e centile et environ 2,28% de la distribution la dépasse.
Les centiles proviennent de la fonction de répartition de la loi normale centrée réduite : centile = CDF(z) x 100, et part au-dessus = (1 - CDF(z)) x 100. Cette fonction n'admet pas d'expression analytique fermée ; le calculateur recourt donc à l'approximation 7.1.26 d'Abramowitz et Stegun (1964).
Erreurs fréquentes
- Convertir des cotes Z en centiles sur des données manifestement non normales : la correspondance par la fonction de répartition normale suppose une distribution en cloche.
- Se tromper de sens : une cote Z négative signale une valeur inférieure à la moyenne, et non une erreur ou un résultat impossible.
- Diviser par la variance au lieu de l'écart type : le dénominateur de la formule est bien l'écart type.
- Standardiser une valeur issue d'un groupe avec la moyenne et l'écart type d'un autre groupe, ce qui produit une comparaison dépourvue de sens.
- Confondre centile et note en pourcentage : se situer au 97,7e centile signifie dépasser environ 97,7% de la distribution, non obtenir 97,7% au test.
Questions fréquentes
Comment calculer une cote Z ?
Retranchez la moyenne de la valeur, puis divisez par l'écart type : z = (x - moyenne) / écart type. Par exemple, un score de 130 sur une échelle de moyenne 100 et d'écart type 15 donne z = (130 - 100) / 15 = 2, ce qui signifie que le score se situe à deux écarts types au-dessus de la moyenne.
À quel centile correspond une cote Z de 2 ?
Au 97,72e centile environ. La fonction de répartition de la loi normale centrée réduite évaluée en z = 2 vaut 0,9772, ce qui signifie que 97,72% d'une loi normale se situe sous cette valeur et 2,28% au-dessus.
Qu'est-ce qu'une bonne cote Z ?
Les cotes Z sont des mesures neutres, non des notes : le caractère souhaitable d'un z donné dépend entièrement du contexte. Un z de +2 est excellent pour un résultat de test, mais inquiétant pour une tension artérielle. Par convention, les valeurs au-delà de -2 ou +2 environ passent pour inhabituelles, puisque moins de 5% d'une loi normale se situe hors de cette plage.
Une cote Z peut-elle être négative ?
Oui. Une cote Z négative signifie simplement que la valeur se situe sous la moyenne. Ainsi, z = -1,5 désigne une valeur à un écart type et demi sous la moyenne, soit environ le 6,68e centile d'une loi normale.
Les cotes Z exigent-elles une distribution normale ?
La cote Z elle-même, distance à la moyenne exprimée en écarts types, se définit pour n'importe quelle distribution. En revanche, sa conversion en centile par la fonction de répartition normale, telle que la pratique ce calculateur, n'est exacte que si la distribution est approximativement normale. Pour des données asymétriques, mieux vaut calculer les centiles directement sur les données.
Quelle est la précision du centile affiché ?
La fonction de répartition normale centrée réduite n'admet pas d'expression analytique exacte ; ce calculateur emploie donc l'approximation rationnelle 7.1.26 d'Abramowitz et Stegun (1964), dont l'erreur absolue reste inférieure à 7,5 x 10^-8, soit bien au-delà de la précision des deux décimales affichées.
Références
- Abramowitz M, Stegun IA (eds). Handbook of Mathematical Functions. National Bureau of Standards, Applied Mathematics Series 55, 1964 (normal CDF approximation 7.1.26).
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods, Section 1.3.6.6.1: Normal distribution. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (standardized values and the normal distribution).