LEXIQUE

ABSOLUMENT CORRECT
Convergence d'un estimateur : (Estimateur convergent)
Un estimateur d'un paramtre est convergent s'il tend, lorsque la taille n de
l'chantillon tend vers l'infini, vers le paramtre estimer.
Ceci est ralis en particulier lorsque est sans biais et que sa variance tend
vers 0 quand n tend vers l'infini.
(Dans ce cas on dit parfois aussi que est absolument correct)
Ecart-type :
L'cart-type d'une variable alatoire numrique X, not ( X ), est la racine
carre de la variance.
L'cart-type s'exprime dans la mme unit que X ; c'est un nombre positif ou nul,
nul si X est une constante, et d'autant plus grand que les valeurs de X sont
"imprvisibles".
Exemple : si X suit une loi normale, la probabilit pour que X soit compris entre
E ( X ) - 2 ( X ) et E ( X ) + 2 ( X ) est peu prs de 0.95.
Echantillon :
Partie d'une population, obtenu par sondage : chantillon de 1000 personnes
parmi les habitants d'une ville, ou de 50 lampes lectriques d'une marque
donne, ou de 10 entreprises d'un secteur industriel, ou de 100 votants lors
d'une lection, etc...
BASE DE SONDAGE :
Liste numrote (de 1 N ) des N individus d'une population, dans laquelle on
veut par sondage extraire un chantillon.
EFFICACE
Variance :
La variance d'une variable alatoire numrique X, note V ( X ), est un nombre
positif ou nul, nul si X est une constante, et d'autant plus grand que les valeurs
de X sont "imprvisibles".
V ( X ) = E [ ( X - E ( X ) ) ] ( ici E signifie l'esprance )
On a aussi : V ( X ) = E ( X ) - [ E ( X ) ],
Formule qui peut se lire : la variance est gale l'esprance du carr moins le
carr de l'esprance.
La racine carre de la variance est l'cart-type.
Variance minimum : (ou efficace)
Un estimateur est dit de variance minimum, s'il a la variance la plus faible.
Si

et

sont deux estimateurs sans biais d'un mme paramtre ,

sera dit plus efficace que

si V (

)V(

).

Base de sondage :
Liste numrote (de 1 N ) des N individus d'une population, dans laquelle on
veut par sondage extraire un chantillon.
Biais : (Sans)
Un estimateur d'un paramtre est sans biais si son esprance est gale .
Par exemple la moyenne calcule sur un chantillon alatoire simple est un
estimateur sans biais de la moyenne m de la population.
Sinon, le biais d'un estimateur est la valeur de E ( ) - .
Un biais positif signifie que l'estimation, en moyenne, surestime , alors qu'un
biais ngatif le sous-estime.
Convergence de la loi binomiale vers la loi normale :
a) de la loi binomiale vers la loi de Poisson :
Si X suit B ( n , p ) , n , p 0, np , alors la loi de X se rapproche de P ( ) .
(en pratique, si n 50 et p 0.1, on peut remplacer B ( n , p ) par P ( n p ) )
b) de la loi binomiale vers la loi normale :
Si X suit B ( n , p ), quand n ,
tend vers la loi N ( 0 , 1 )
(en pratique, si n p 18 et p assez proche de 0.5, on peut remplacer la loi de X
par N ( np ;
)
c) de la loi de Poisson vers la loi normale :
Si X suit P ( ) ,

tend, quand , vers la loi N ( 0 , 1 ) (en pratique, si

18, on peut remplacer la loi de X par N ( ,

))

Convergence de la loi hypergomtrique vers la loi binomiale :

Convergence de la loi hypergomtrique vers la loi binomiale :
si n tend vers l'infini, la loi H ( n , m , p ) tend vers la loi B ( m , p ), c'est--dire
que lorsqu'on effectue un tirage dans une grande population, il importe peu que
ce tirage se fasse avec ou sans remise (en pratique, on considrera que la
population est grande lorsque l'chantillon reprsente moins de 10 % de cette
population : m / n 0.1 )
Convergence d'un estimateur : (Estimateur convergent)
Un estimateur d'un paramtre est convergent s'il tend, lorsque la taille n de
l'chantillon tend vers l'infini, vers le paramtre estimer.
Ceci est ralis en particulier lorsque est sans biais et que sa variance tend
vers 0 quand n tend vers l'infini.
(Dans ce cas on dit parfois aussi que est absolument correct)
Ecart-type :
L'cart-type d'une variable alatoire numrique X, not
carre de la variance.

( X ), est la racine

L'cart-type s'exprime dans la mme unit que X ; c'est un nombre positif ou nul,
nul si X est une constante, et d'autant plus grand que les valeurs de X sont
mprvisibles .
Exemple : si X suit une loi normale, la probabilit pour que X soit compris entre
E ( X ) - 2 ( X ) et E ( X ) + 2 ( X ) est peu prs de 0.95.
Echantillon :
Partie d'une population, obtenu par sondage : chantillon de 1000 personnes
parmi les habitants d'une ville, ou de 50 lampes lectriques d'une marque
donne, ou de 10 entreprises d'un secteur industriel, ou de 100 votants lors
d'une lection, etc...
Echantillon alatoire simple : (ou Echantillonnage)
Echantillon obtenu par tirages quiprobables et indpendants de n lments
d'une population : chaque individu a la mme probabilit d'tre tir, et ceci de
faon indpendante d'un individu aux suivants (tirage dit "avec remise").
Ce terme dsigne aussi :
- une suite de n variables alatoires indpendantes de mme loi de probabilit
( X1 , X2 , ... , Xn )
- la ralisation de cette suite de variables : ( x1 , x2 , ... , xn )
Par exemple l'chantillon peut tre 100 personnes choisies au hasard parmi la
population d'une ville, ou les salaires de ces 100 personnes, ce peut tre de
mme un chantillon de 50 pices fabriques par une machine, ou les diamtres
de ces 50 pices, ou les poids de ces 50 pices, etc...
Echantillon stratifi optimal :
Un chantillon stratifi est optimal s'il comprend un nombre d'individus par
strate rendant la variance de l'estimateur minimale.
Ce nombre est proportionnel au produit du nombre d'individus par strate dans la
population et de l'cart-type dans la strate.
Echantillon stratifi reprsentatif :
Un chantillon stratifi est reprsentatif s'il comprend un nombre d'individus par
strate proportionnel au nombre d'individus par strate dans la population.
Esprance :
L'esprance (mathmatique) d'une variable alatoire numrique X, appele aussi
parfois par abus de langage moyenne de X, est la valeur que l'on peut esprer
obtenir, en moyenne, en ralisant X.
Elle est note E ( X ).
a) dans le cas d'une variable X discrte, de loi de probabilit dfinie par les xi et
les pi , c'est la moyenne des xi , pondre par les pi
E ( X ) = ( x i pi )
b) dans le cas d'une variable X continue, de fonction de densit f, c'est
l'intgrale, sur l'intervalle des valeurs de X, de la fonction x f ( x ) :
E ( X ) = x f ( x ) d x

Estimateur :
Variable alatoire, fonction de variables d'chantillon X 1, X2, ... , Xn dont la
ralisation est une estimation (c'est--dire une valeur approche) d'un paramtre
inconnu de la population.
Par exemple : =
est un estimateur de m,
moyenne de la population ( m = E ( X ) ). Sa ralisation est
sur l'chantillon.

, moyenne calcule

Estimation par intervalle :

On dit que l'on procde une estimation par intervalle d'un paramtre
lorsqu'on dtermine un intervalle de confiance pour .
Estimation ponctuelle :
C'est une valeur approche du paramtre inconnu d'une population, calcule
partir d'un chantillon.
C'est en fait la ralisation d'une variable alatoire, estimateur de . Par exemple
le % de votants obtenus pour M. Truc lors d'une lection, sur 1 000 bulletins
dpouills au hasard, est une estimation du % de voix de M. Truc.
Facteur d'exhaustivit :
C'est le nombre
par lequel il faut multiplier la variance de ( ou de F )
lorsqu'on a un tirage exhaustif, et non pas sans remise (N est la taille de la
population, n celle de l'chantillon).
Ce nombre tant infrieur 1, cela signifie que la variance est plus faible lorsque
le tirage se fait sans remise.
Lorsque la population est trs grande ( N beaucoup plus grand que n ), le facteur
d'exhaustivit est ngligeable (presque gal 1).
Fonction de rpartition empirique :
Fonction relle calcule sur un chantillon de taille n qui, tout rel x, associe la
proportion d'lments de l'chantillon x.
Par exemple F ( x ) peut tre le % d'ampoules de dure de vie infrieure ou gale
x, sur un chantillon de 500 ampoules.
(Alors que la fonction de rpartition thorique de la dure de vie d'une ampoule
de ce type est la probabilit que sa dure de vie soit infrieure ou gale x).
Fractile :
Le fractile (ou quantile) d'ordre p ( p compris entre 0 et 1 ) d'une variable
alatoire X, est la valeur x telle que P ( X x ) = p.
Par exemple : le fractile (ou quantile) d'ordre 0.975 de la loi N ( 0 , 1 ) est gal
1.96 puisque ( 1.96 ) = 0.975 ( tant la fonction de rpartition de N ( 0 , 1 ) ).
Individus :
Ce sont les lments d'une population statistique : chaque habitant d'une ville,
chaque commune d'un pays, chaque pice fabrique par une machine, etc..., est
4

un individu statistique [ou unit statistique] sur lequel on peut effectuer une
enqute ou des mesures.
Intervalle bilatral : (de confiance)
C'est un intervalle de confiance comprenant deux bornes finies, de la forme [
]:
P(
) = 1 - (niveau de confiance)

Intervalle bilatral symtrique en probabilit :

Intervalle de confiance bilatral de niveau 1 - :
P(
) = 1 - , o et sont tels que
P( )=P(
)=/2
Intervalle de confiance : (de niveau 1 - )
Un intervalle de confiance de niveau 1 - pour un paramtre inconnu d'une
population est un intervalle tel que la probabilit pour que appartienne cet
intervalle est 1 - . Les bornes de cet intervalle se calculent partir d'un
chantillon.
Par exemple, si M. Truc obtient 40 % des voix sur un chantillon alatoire simple
de 1 000 votants, on peut dire, avec une probabilit de 0.95, que le % de votants
pour M. Truc se situe entre 37 % et 43 %. [37 43] est un intervalle de confiance
de niveau 0.95 pour le % de votants pour M. Truc.
Intervalle unilatral : (de confiance)
C'est un intervalle de confiance comprenant une seule borne finie, de la forme
[ ,+[ : P( )=1-
ou
]- ,
] : P ( ) = 1 -
1 - est le niveau de confiance de l'intervalle.
Loi de Bernoulli :
C'est la loi d'une variable alatoire X prenant les valeurs 1 et 0 avec les
probabilits :
P ( X = 1 ) = p , P ( X = 0 ) = 1 - p.
Exemple : tirer pile ou face , tester une pice dans la production d'une
machine (pice dfectueuse ou pas), ...
E(X)=p
V(X)=p(1-p)
Loi binomiale :
C'est la loi de X = nombre de ralisations d'un vnement dans une suite de n
preuves indpendantes o l'vnement a la probabilit p de se produire.
X est la somme de n variables de Bernoulli indpendantes de mme p :
= { 0, 1, 2, ..., n} , P ( X = k ) =
pk ( 1 - p )n-k , k { 1, 2, ..., n }
E(X)=np

V(X)=np(1-p)
Exemples :
- nombre de pile obtenu en lanant 10 fois une pice : B ( 10 ; 0.5 )
- nombre de pices dfectueuses trouves parmi 100 ..
Loi hypergomtrique :
C'est la loi du nombre X d'individus possdant un certain caractre, lors du
tirage sans remise de m individus parmi n, dont une certaine proportion p a ce
caractre :
P(X=k)=
, k { 0, 1, 2, ... , m }
(si le tirage s'effectue avec remise, X suit une loi binomiale B ( m , p ) )
Si n est grand ( m / n 0,1), la loi de X est peu prs B ( m , p ) .
Loi des grands nombres :
Elle peut s'exprimer de deux faons :
1) Lorsqu'on effectue un chantillonnage alatoire simple, la frquence
d'apparition d'un vnement F tend, quand la taille n de l'chantillon tend vers
l'infini, vers la proportion p dans la population-mre.
Par exemple, si l'on pouvait jouer indfiniment pile ou face avec une pice
bien quilibre, le pourcentage de "pile" obtenu tendrait vers 50 %.
2) De mme, la moyenne d'une variable sur un chantillon alatoire simple tend,
quand n tend vers l'infini, vers la moyenne dans la population.
Par exemple, la taille moyenne de n enfants de 10 ans pris au hasard dans la
population franaise tend, si n tend vers l'infini, vers la taille moyenne de tous
les enfants franais de 10 ans.
Loi du khi-deux :
Une variable alatoire X suit une loi du n degrs de libert si X est gale la
somme des carrs de n variables alatoires indpendantes de loi normale centre
rduite. Cette loi est tabule (cf. Tables).
Loi Normale (ou de Gauss) :
a) X suit une loi normale centre rduite, note N ( 0 , 1), si sa fonction de
densit est :
f(x)=
e-x/2
Sa fonction de rpartition se lit dans une table.
b) X suit une loi normale de paramtres m et , note N ( m ,
de densit est :
f(x)=

), si sa fonction

e-(x-m)/2

suit alors une loi normale centre rduite.

E(X)=m
V(X)=

On dit aussi que X suit une loi de Gauss ou une loi de Laplace-Gauss
Loi de Poisson :
C'est la loi d'une variable X valeurs dans N telle que
P(X=k)=
, kN
Si X suit une loi binomiale B ( n , p ) avec p faible ( 0,1 ), et n grand ( n 50 ), la
loi de X est trs proche de la loi P ( n p ).
Exemple : nombre de pices dfectueuses dans un grand chantillon de bonne
qualit.
C'est aussi la loi du nombre d'vnements se produisant pendant une priode T,
ou sur une distance T, et ne dpendant que de T, les vnements tant
indpendants, et non simultans.
Exemple : nombre d'accidents par an sur une route, nombre de dfauts par
mtre de tissu, nombre d'appels tlphoniques reus un standard pendant une
journe.
Si X suit une loi P ( ), E ( X ) = V ( X ) =
Loi de Student :
Une variable alatoire X suit une loi de Student n degrs de libert si X est de
la forme
,
o U et Y sont indpendantes,
U de loi N ( 0 , 1 ) et Y de loi ( n ).
Cette loi est tabule (cf. Tables)
Marge d'erreur :
Lorsque les bornes d'un intervalle de confiance bilatral symtrique en
probabilit d'un paramtre sont de la forme : e ,
e est appel marge d'erreur.
Par exemple : e = u
est la marge d'erreur sur l'estimation d'une
proportion inconnue p par f, proportion dans l'chantillon.
P ( [ - e ; + e ] ) = 1 -
Mthodes empiriques :
Mthodes rsultant d'exprimentations pratiques, et non issues d'une thorie,
telle la thorie des probabilits et statistique mathmatique.
Moyenne empirique : Moyenne (variance, cart-type) empirique
C'est la moyenne (variance, cart-type) calcule sur les valeurs obtenues dans
l'chantillon. C'est en fait la ralisation d'une variable alatoire :
la moyenne empirique

est la ralisation de

, que l'on appelle aussi moyenne empirique.

Nombres au hasard : (Table de nombres au hasard)

Liste de chiffres, de 0 9, telle que chacun soit obtenu avec la mme probabilit
(on a une chance sur 10 d'avoir le 0, une chance sur 10 d'avoir le 5, etc...), et de
faon indpendante : la connaissance d'un certain nombre de chiffres de la table
n'apporte aucune information sur les autres.
Nombres pseudo-alatoires : (Gnrateur de nombres pseudo-alatoires)
Obtention par un procd informatique de nombres tirs au hasard, de faon
quiprobable et indpendante (en fait ces nombres sont gnrs par une
fonction, mais tellement complexe que tout se passe comme s'ils taient
indpendants les uns des autres).
Population :
Ensemble bien dfini de personnes, ou d'objets, sur lesquels on effectue des
mesures (population forme des habitants d'une ville, ou des communes d'un
pays, ou des entreprises d'une rgion, ou des pices fabriques par une machine,
ou des botes de conserves d'un magasin, etc...).
Les mesures peuvent tre effectues sur la population toute entire, ou
seulement sur une partie d'entre elle, appele chantillon.
Population-mre : (d'un chantillon)
Population dont est issu l'chantillon.
Quantile :
Le quantile (ou fractile) d'ordre p ( p compris entre 0 et 1 ) d'une variable
alatoire X, est la valeur x telle que P ( X x ) = p.
Par exemple : le quantile (ou fractile) d'ordre 0.975 de la loi N ( 0 , 1 ) est gal
1.96 puisque ( 1.96 ) = 0.975 ( tant la fonction de rpartition de N ( 0 , 1 ) ).
Sondage :
Mode d'obtention d'un chantillon, issu d'une population donne.
Sondage probabilits ingales :
Choix d'un chantillon dans une population, de telle sorte que les individus
n'aient pas tous la mme probabilit d'tre choisis.
Sondage stratifi : (ou chantillonnage stratifi)
Mthode de sondage dans une population subdivise en plusieurs souspopulations (tranches d'ges par exemple) : on choisit un sous-chantillon dans
chacune des sous-populations, pour obtenir un chantillon stratifi : choix au
hasard d'un nombre donn d'individus par tranche d'ge par exemple.
Strates :

Si une population est partitionne en un certain nombre de sous-populations

distinctes (hommes - femmes par exemple, ou tranches de salaires, ...), ces souspopulations sont appeles des strates.
Taille : (d'un chantillon)
Nombre n d'lments de l'chantillon.
Par exemple un chantillon de 1000 lecteurs est un chantillon de taille 1000.
Taux de sondage :
Proportion (ou pourcentage) de la population totale chantillonne lors d'un
sondage sans remise.
Par exemple : Si l'on choisit, sans remise, un chantillon de 5 000 individus dans
une population en comportant 100 000, le taux de sondage est :
= 0.05 , soit 5 %.
Tirage avec remise :
Se dit d'un tirage dans lequel on peut obtenir plusieurs fois le mme lment : un
objet est choisi au hasard dans la population, puis un deuxime toujours dans la
mme population (comprenant donc aussi le 1er choisi), etc...
Tout se passe comme si on remettait chaque lment choisi dans la population
avant d'en choisir un autre.
Tirage sans remise : (ou tirage exhaustif)
Se dit d'un tirage dans lequel on ne peut obtenir plusieurs fois le mme lment.
Par exemple un tirage sans remise de 5 cartes dans un jeu de 32 cartes consiste
choisir 5 cartes diffrentes parmi les 32.
Un chantillon construit par ce procd comprend des variables
X1 , X2 , ... , Xn non indpendantes.
Thorme central limite :
Si X1 , X2 , X3 , ... , Xn sont des variables alatoires indpendantes, de mme loi de
probabilit, d'esprance et de variance , la loi de probabilit de

tend, quand n , vers la loi normale centre rduite.

Variables : (statistiques)
C'est ce qui peut tre mesur sur les individus statistiques, lments d'une
population : ge des habitants d'une ville, leur salaire, leur profession,
dimensions des pices mcaniques fabriques par une machine, taille des
entreprises d'un secteur industriel, etc..., sont des variables statistiques.
Variable alatoire :
Une variable alatoire X est une grandeur qui peut prendre diffrentes valeurs
avec diffrentes probabilits ; l'ensemble des valeurs que peut prendre X est
not

.
9

X est en fait une application qui, toute issue d'une exprience alatoire, associe
un lment de

Selon la nature de
numrique continue.

, X sera une variable qualitative, numrique discrte ou

Variance :
La variance d'une variable alatoire numrique X, note V ( X ), est un nombre
positif ou nul, nul si X est une constante, et d'autant plus grand que les valeurs
de X sont imprvisibles .
V ( X ) = E [ ( X - E ( X ) ) ] ( ici E signifie l'esprance )
On a aussi :
V ( X ) = E ( X ) - [ E ( X ) ],
formule qui peut se lire : la variance est gale l'esprance du carr moins le
carr de l'esprance.
La racine carre de la variance est l'cart-type.
Variance minimum : (ou efficace)
Un estimateur est dit de variance minimum, s'il a la variance la plus faible.
Si

et

sont deux estimateurs sans biais d'un mme paramtre

sera dit plus efficace que

si V (

. V (

).

10

TABLES STATISTIQUES
Loi Normale
Fractiles de la Loi Normale
Khideux
Student
Loi de Fisher-Snedecor : Probabilit 0.05
Loi de Fisher-Snedecor : Probabilit 0.025
Loi de Fisher-Snedecor : Probabilit 0.01
Calculateur et dessinateur en ligne de lois de probabilit :
http://www.sgcorp.com/probability_distributions.htm

11

Table de Loi Normale

Fonction de rpartition de la loi normale centre rduite. Probabilit de trouver une valeur
infrieure u. (-u) = 1 - (u)

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.0

0.50000

0.50399

0.50798

0.51197

0.51595

0.51994

0.52392

0.52790

0.53188

0.53586

0.1

0.53983

0.54380

0.54776

0.55172

0.55567

0.55962

0.56356

0.56749

0.57142

0.57535

0.2

0.57926

0.58317

0.58706

0.59095

0.59483

0.59871

0.60257

0.60642

0.61026

0.61409

0.3

0.61791

0.62172

0.62552

0.62930

0.63307

0.63683

0.64058

0.64431

0.64803

0.65173

0.4

0.65542

0.65910

0.66276

0.66640

0.67003

0.67364

0.67724

0.68082

0.68439

0.68793

0.5

0.69146

0.69497

0.69847

0.70194

0.70540

0.70884

0.71226

0.71566

0.71904

0.72240

0.6

0.72575

0.72907

0.73237

0.73565

0.73891

0.74215

0.74537

0.74857

0.75175

0.75490

0.7

0.75804

0.76115

0.76424

0.76730

0.77035

0.77337

0.77637

0.77935

0.78230

0.78524

0.8

0.78814

0.79103

0.79389

0.79673

0.79955

0.80234

0.80511

0.80785

0.81057

0.81327

0.9

0.81594

0.81859

0.82121

0.82381

0.82639

0.82894

0.83147

0.83398

0.83646

0.83891

1.0

0.84134

0.84375

0.84614

0.84849

0.85083

0.85314

0.85543

0.85769

0.85993

0.86214

1.1

0.86433

0.86650

0.86864

0.87076

0.87286

0.87493

0.87698

0.87900

0.88100

0.88298

1.2

0.88493

0.88686

0.88877

0.89065

0.89251

0.89435

0.89617

0.89796

0.89973

0.90147

1.3

0.90320

0.90490

0.90658

0.90824

0.90988

0.91149

0.91309

0.91466

0.91621

0.91774

1.4

0.91924

0.92073

0.92220

0.92364

0.92507

0.92647

0.92785

0.92922

0.93056

0.93189

1.5

0.93319

0.93448

0.93574

0.93699

0.93822

0.93943

0.94062

0.94179

0.94295

0.94408

1.6

0.94520

0.94630

0.94738

0.94845

0.94950

0.95053

0.95154

0.95254

0.95352

0.95449

1.7

0.95543

0.95637

0.95728

0.95818

0.95907

0.95994

0.96080

0.96164

0.96246

0.96327

1.8

0.96407

0.96485

0.96562

0.96638

0.96712

0.96784

0.96856

0.96926

0.96995

0.97062

1.9

0.97128

0.97193

0.97257

0.97320

0.97381

0.97441

0.97500

0.97558

0.97615

0.97670

2.0

0.97725

0.97778

0.97831

0.97882

0.97932

0.97982

0.98030

0.98077

0.98124

0.98169

2.1

0.98214

0.98257

0.98300

0.98341

0.98382

0.98422

0.98461

0.98500

0.98537

0.98574

2.2

0.98610

0.98645

0.98679

0.98713

0.98745

0.98778

0.98809

0.98840

0.98870

0.98899

2.3

0.98928

0.98956

0.98983

0.99010

0.99036

0.99061

0.99086

0.99111

0.99134

0.99158

2.4

0.99180

0.99202

0.99224

0.99245

0.99266

0.99286

0.99305

0.99324

0.99343

0.99361

2.5

0.99379

0.99396

0.99413

0.99430

0.99446

0.99461

0.99477

0.99492

0.99506

0.99520

2.6

0.99534

0.99547

0.99560

0.99573

0.99585

0.99598

0.99609

0.99621

0.99632

0.99643

2.7

0.99653

0.99664

0.99674

0.99683

0.99693

0.99702

0.99711

0.99720

0.99728

0.99736

2.8

0.99744

0.99752

0.99760

0.99767

0.99774

0.99781

0.99788

0.99795

0.99801

0.99807

2.9

0.99813

0.99819

0.99825

0.99831

0.99836

0.99841

0.99846

0.99851

0.99856

0.99861

3.0

0.99865

0.99869

0.99874

0.99878

0.99882

0.99886

0.99889

0.99893

0.99896

0.99900

3.1

0.99903

0.99906

0.99910

0.99913

0.99916

0.99918

0.99921

0.99924

0.99926

0.99929

3.2

0.99931

0.99934

0.99936

0.99938

0.99940

0.99942

0.99944

0.99946

0.99948

0.99950

3.3

0.99952

0.99953

0.99955

0.99957

0.99958

0.99960

0.99961

0.99962

0.99964

0.99965

3.4

0.99966

0.99968

0.99969

0.99970

0.99971

0.99972

0.99973

0.99974

0.99975

0.99976

3.5

0.99977

0.99978

0.99978

0.99979

0.99980

0.99981

0.99981

0.99982

0.99983

0.99983

3.6

0.99984

0.99985

0.99985

0.99986

0.99986

0.99987

0.99987

0.99988

0.99988

0.99989

3.7

0.99989

0.99990

0.99990

0.99990

0.99991

0.99991

0.99992

0.99992

0.99992

0.99992

3.8

0.99993

0.99993

0.99993

0.99994

0.99994

0.99994

0.99994

0.99995

0.99995

0.99995

3.9

0.99995

0.99995

0.99996

0.99996

0.99996

0.99996

0.99996

0.99996

0.99997

0.99997

12

Fractiles de la Loi Normale

Pour P 0.5 (colonne de gauche et ligne suprieure), les fractiles
sont ngatifs.
Pour P 0.5 (colonne de droite et ligne infrieure), les fractiles sont
positifs.

0.001

0.002

0.003

0.004

0.005

0.006

0.007

0.008

0.009

0.01

0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
0.11
0.12
0.13
0.14
0.15
0.16
0.17
0.18
0.19
0.20
0.21
0.22
0.23
0.24
0.25
0.26
0.27
0.28
0.29
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
0.43
0.44
0.45
0.46
0.47
0.48
0.49

infini
2.3263
2.0537
1.8808
1.7507
1.6449
1.5548
1.4758
1.4051
1.3408
1.2816
1.2265
1.1750
1.1264
1.0803
1.0364
0.9945
0.9542
0.9154
0.8779
0.8416
0.8064
0.7722
0.7388
0.7063
0.6745
0.6433
0.6128
0.5828
0.5534
0.5244
0.4958
0.4677
0.4399
0.4125
0.3853
0.3585
0.3319
0.3055
0.2793
0.2533
0.2275
0.2019
0.1764
0.1510
0.1257
0.1004
0.0753
0.0502
0.0251

3.0902
2.2904
2.0335
1.8663
1.7392
1.6352
1.5464
1.4684
1.3984
1.3346
1.2759
1.2212
1.1700
1.1217
1.0758
1.0322
0.9904
0.9502
0.9116
0.8742
0.8381
0.8030
0.7688
0.7356
0.7031
0.6713
0.6403
0.6098
0.5799
0.5505
0.5215
0.4930
0.4649
0.4372
0.4097
0.3826
0.3558
0.3292
0.3029
0.2767
0.2508
0.2250
0.1993
0.1738
0.1484
0.1231
0.0979
0.0728
0.0476
0.0226

2.8782
2.2571
2.0141
1.8522
1.7279
1.6258
1.5382
1.4611
1.3917
1.3285
1.2702
1.2160
1.1650
1.1170
1.0714
1.0279
0.9863
0.9463
0.9078
0.8706
0.8345
0.7995
0.7655
0.7323
0.6999
0.6682
0.6372
0.6068
0.5769
0.5476
0.5187
0.4902
0.4621
0.4344
0.4070
0.3799
0.3531
0.3266
0.3002
0.2741
0.2482
0.2224
0.1968
0.1713
0.1459
0.1206
0.0954
0.0702
0.0451
0.0201

2.7478
2.2262
1.9954
1.8384
1.7169
1.6164
1.5301
1.4538
1.3852
1.3225
1.2646
1.2107
1.1601
1.1123
1.0669
1.0237
0.9822
0.9424
0.9040
0.8669
0.8310
0.7961
0.7621
0.7290
0.6967
0.6651
0.6341
0.6038
0.5740
0.5446
0.5158
0.4874
0.4593
0.4316
0.4043
0.3772
0.3505
0.3239
0.2976
0.2715
0.2456
0.2198
0.1942
0.1687
0.1434
0.1181
0.0929
0.0677
0.0426
0.0175

2.6521
2.1973
1.9774
1.8250
1.7060
1.6072
1.5220
1.4466
1.3787
1.3165
1.2591
1.2055
1.1552
1.1077
1.0625
1.0194
0.9782
0.9385
0.9002
0.8632
0.8274
0.7926
0.7588
0.7257
0.6935
0.6620
0.6311
0.6008
0.5710
0.5417
0.5129
0.4845
0.4565
0.4289
0.4016
0.3745
0.3478
0.3213
0.2950
0.2689
0.2430
0.2173
0.1917
0.1662
0.1408
0.1156
0.0904
0.0652
0.0401
0.0150

2.5758
2.1701
1.9600
1.8119
1.6954
1.5982
1.5141
1.4395
1.3722
1.3106
1.2536
1.2004
1.1503
1.1031
1.0581
1.0152
0.9741
0.9346
0.8965
0.8596
0.8239
0.7892
0.7554
0.7225
0.6903
0.6588
0.6280
0.5978
0.5681
0.5388
0.5101
0.4817
0.4538
0.4261
0.3989
0.3719
0.3451
0.3186
0.2924
0.2663
0.2404
0.2147
0.1891
0.1637
0.1383
0.1130
0.0878
0.0627
0.0376
0.0125

2.5121
2.1444
1.9431
1.7991
1.6849
1.5893
1.5063
1.4325
1.3658
1.3047
1.2481
1.1952
1.1455
1.0985
1.0537
1.0110
0.9701
0.9307
0.8927
0.8560
0.8204
0.7858
0.7521
0.7192
0.6871
0.6557
0.6250
0.5948
0.5651
0.5359
0.5072
0.4789
0.4510
0.4234
0.3961
0.3692
0.3425
0.3160
0.2898
0.2637
0.2378
0.2121
0.1866
0.1611
0.1358
0.1105
0.0853
0.0602
0.0351
0.0100

2.4573
2.1201
1.9268
1.7866
1.6747
1.5805
1.4985
1.4255
1.3595
1.2988
1.2426
1.1901
1.1407
1.0939
1.0494
1.0069
0.9661
0.9269
0.8890
0.8524
0.8169
0.7824
0.7488
0.7160
0.6840
0.6526
0.6219
0.5918
0.5622
0.5330
0.5044
0.4761
0.4482
0.4207
0.3934
0.3665
0.3398
0.3134
0.2871
0.2611
0.2353
0.2096
0.1840
0.1586
0.1332
0.1080
0.0828
0.0577
0.0326
0.0075

2.4089
2.0969
1.9110
1.7744
1.6646
1.5718
1.4909
1.4187
1.3532
1.2930
1.2372
1.1850
1.1359
1.0893
1.0451
1.0027
0.9621
0.9230
0.8853
0.8488
0.8134
0.7790
0.7454
0.7128
0.6808
0.6495
0.6189
0.5888
0.5592
0.5302
0.5015
0.4733
0.4454
0.4179
0.3907
0.3638
0.3372
0.3107
0.2845
0.2585
0.2327
0.2070
0.1815
0.1560
0.1307
0.1055
0.0803
0.0552
0.0301
0.0050

2.3656
2.0748
1.8957
1.7624
1.6546
1.5632
1.4833
1.4118
1.3469
1.2873
1.2319
1.1800
1.1311
1.0848
1.0407
0.9986
0.9581
0.9192
0.8816
0.8452
0.8099
0.7756
0.7421
0.7095
0.6776
0.6464
0.6158
0.5858
0.5563
0.5273
0.4987
0.4705
0.4427
0.4152
0.3880
0.3611
0.3345
0.3081
0.2819
0.2559
0.2301
0.2045
0.1789
0.1535
0.1282
0.1030
0.0778
0.0527
0.0276
0.0025

2.3263
2.0537
1.8808
1.7507
1.6449
1.5548
1.4758
1.4051
1.3408
1.2816
1.2265
1.1750
1.1264
1.0803
1.0364
0.9945
0.9542
0.9154
0.8779
0.8416
0.8064
0.7722
0.7388
0.7063
0.6745
0.6433
0.6128
0.5828
0.5534
0.5244
0.4958
0.4677
0.4399
0.4125
0.3853
0.3585
0.3319
0.3055
0.2793
0.2533
0.2275
0.2019
0.1764
0.1510
0.1257
0.1004
0.0753
0.0502
0.0251
0.0000

0.99
0.98
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0.90
0.89
0.88
0.87
0.86
0.85
0.84
0.83
0.82
0.81
0.80
0.79
0.78
0.77
0.76
0.75
0.74
0.73
0.72
0.71
0.70
0.69
0.68
0.67
0.66
0.65
0.64
0.63
0.62
0.61
0.60
0.59
0.58
0.57
0.56
0.55
0.54
0.53
0.52
0.51
0.50

0.01

0.009

0.008

0.007

0.006

0.005

0.004

0.003

0.002

0.001

13

Fractiles de la loi du ( )
Cette table donne les fractiles FP de la loi de khi-deux degrs de libert : P = Probabilit (
FP )
P et

0.01 0.02 0.05

0.1

0.15

0.2

0.25

0.3

0.4

0.5

0.6

0.7

0.75

0.8

0.85

0.9

0.95

0.98

0.99

0.999

1 0.000 0.001 0.004 0.016 0.036 0.064 0.102 0.148 0.275 0.455 0.708 1.074 1.323 1.642 2.072 2.706 3.841 5.412 6.635 10.827
2 0.020 0.040 0.103 0.211 0.325 0.446 0.575 0.713 1.022 1.386 1.833 2.408 2.773 3.219 3.794 4.605 5.991 7.824 9.210 13.815
3 0.115 0.185 0.352 0.584 0.798 1.005 1.213 1.424 1.869 2.366 2.946 3.665 4.108 4.642 5.317 6.251 7.815 9.837
4 0.297 0.429 0.711 1.064 1.366 1.649 1.923 2.195 2.753 3.357 4.045 4.878 5.385 5.989 6.745 7.779 9.488
5 0.554 0.752 1.145 1.610 1.994 2.343 2.675 3.000 3.656 4.351 5.132 6.064 6.626 7.289 8.115 9.236
6 0.872 1.134 1.635 2.204 2.661 3.070 3.455 3.828 4.570 5.348 6.211 7.231 7.841 8.558 9.446
7 1.239 1.564 2.167 2.833 3.358 3.822 4.255 4.671 5.493 6.346 7.283 8.383 9.037 9.803
8 1.647 2.032 2.733 3.490 4.078 4.594 5.071 5.527 6.423 7.344 8.351 9.524
9 2.088 2.532 3.325 4.168 4.817 5.380 5.899 6.393 7.357 8.343 9.414
10 2.558 3.059 3.940 4.865 5.570 6.179 6.737 7.267 8.295 9.342
11 3.053 3.609 4.575 5.578 6.336 6.989 7.584 8.148 9.237

11.34
16.266
5

11.66 13.27
18.466
8
7

11.07 13.38 15.08

20.515
0
8
6

10.64 12.59 15.03 16.81

22.457
5
2
3
2

10.74 12.01 14.06 16.62 18.47

24.321
8
7
7
2
5

10.21 11.03 12.02 13.36 15.50 18.16 20.09

26.124
9
0
7
2
7
8
0

10.65 11.38 12.24 13.28 14.68 16.91 19.67 21.66

27.877
6
9
2
8
4
9
9
6

10.47 11.78 12.54 13.44 14.53 15.98 18.30 21.16 23.20

29.588
3
1
9
2
4
7
7
1
9

10.34 11.53 12.89 13.70 14.63 15.76 17.27 19.67 22.61 24.72
31.264
1
0
9
1
1
7
5
5
8
5

12 3.571 4.178 5.226 6.304 7.114 7.807 8.438 9.034

10.18 11.34 12.58 14.01 14.84 15.81 16.98 18.54 21.02 24.05 26.21
32.909
2
0
4
1
5
2
9
9
6
4
7

13 4.107 4.765 5.892 7.041 7.901 8.634 9.299 9.926

11.12 12.34 13.63 15.11 15.98 16.98 18.20 19.81 22.36 25.47 27.68
34.527
9
0
6
9
4
5
2
2
2
1
8

14 4.660 5.368 6.571 7.790 8.696 9.467

15 5.229 5.985 7.261 8.547 9.499
16 5.812 6.614 7.962 9.312

10.16 10.82 12.07 13.33 14.68 16.22 17.11 18.15 19.40 21.06 23.68 26.87 29.14
36.124
5
1
8
9
5
2
7
1
6
4
5
3
1

10.30 11.03 11.72 13.03 14.33 15.73 17.32 18.24 19.31 20.60 22.30 24.99 28.25 30.57
37.698
7
7
1
0
9
3
2
5
1
3
7
6
9
8

10.30 11.15 11.91 12.62 13.98 15.33 16.78 18.41 19.36 20.46 21.79 23.54 26.29 29.63 32.00
39.252
9
2
2
4
3
8
0
8
9
5
3
2
6
3
0

17 6.408 7.255 8.672

10.08 11.12 12.00 12.79 13.53 14.93 16.33 17.82 19.51 20.48 21.61 22.97 24.76 27.58 30.99 33.40
40.791
5
5
2
2
1
7
8
4
1
9
5
7
9
7
5
9

18 7.015 7.906 9.390

10.86 11.94 12.85 13.67 14.44 15.89 17.33 18.86 20.60 21.60 22.76 24.15 25.98 28.86 32.34 34.80
42.312
5
6
7
5
0
3
8
8
1
5
0
5
9
9
6
5

19 7.633 8.567

10.11 11.65 12.77 13.71 14.56 15.35 16.85 18.33 19.91 21.68 22.71 23.90 25.32 27.20 30.14 33.68 36.19
43.819
7
1
3
6
2
2
0
8
0
9
8
0
9
4
4
7
1

20 8.260 9.237

10.85 12.44 13.60 14.57 15.45 16.26 17.80 19.33 20.95 22.77 23.82 25.03 26.49 28.41 31.41 35.02 37.56
45.314
1
3
4
8
2
6
9
7
1
5
8
8
8
2
0
0
6

21 8.897 9.915

11.59 13.24 14.43 15.44 16.34 17.18 18.76 20.33 21.99 23.85 24.93 26.17 27.66 29.61 32.67 36.34 38.93
46.796
1
0
9
5
4
2
8
7
2
8
5
1
2
5
1
3
2

22 9.542

10.60 12.33 14.04 15.27 16.31 17.24 18.10 19.72 21.33 23.03 24.93 26.03 27.30 28.82 30.81 33.92 37.65 40.28
48.268
0
8
1
9
4
0
1
9
7
1
9
9
1
2
3
4
9
9

23

10.19 11.29 13.09 14.84 16.12 17.18 18.13 19.02 20.69 22.33 24.06 26.01 27.14 28.42 29.97 32.00 35.17 38.96 41.63
49.728
6
3
1
8
2
7
7
1
0
7
9
8
1
9
9
7
2
8
8

24

10.85 11.99 13.84 15.65 16.96 18.06 19.03 19.94 21.65 23.33 25.10 27.09 28.24 29.55 31.13 33.19 36.41 40.27 42.98
51.179
6
2
8
9
9
2
7
3
2
7
6
6
1
3
2
6
5
0
0

25 11.52 12.69 14.61 16.47 17.81 18.94 19.93 20.86 22.61 24.33 26.14 28.17 29.33 30.67 32.28 34.38 37.65 41.56 44.31 52.619

14

12.19 13.40 15.37 17.29 18.67 19.82 20.84 21.79 23.57 25.33 27.17 29.24 30.43 31.79 33.42 35.56 38.88 42.85 45.64
26
54.051
8
9
9
2
1
0
3
2
9
6
9
6
5
5
9
3
5
6
2
27

12.87 14.12 16.15 18.11 19.52 20.70 21.74 22.71 24.54 26.33 28.21 30.31 31.52 32.91 34.57 36.74 40.11 44.14 46.96
55.475
8
5
1
4
7
3
9
9
4
6
4
9
8
2
4
1
3
0
3

28

13.56 14.84 16.92 18.93 20.38 21.58 22.65 23.64 25.50 27.33 29.24 31.39 32.62 34.02 35.71 37.91 41.33 45.41 48.27
56.892
5
7
8
9
6
8
7
7
9
6
9
1
0
7
5
6
7
9
8

29

14.25 15.57 17.70 19.76 21.24 22.47 23.56 24.57 26.47 28.33 30.28 32.46 33.71 35.13 36.85 39.08 42.55 46.69 49.58
58.301
6
4
8
8
7
5
7
7
5
6
3
1
1
9
4
7
7
3
8

30

14.95 16.30 18.49 20.59 22.11 23.36 24.47 25.50 27.44 29.33 31.31 33.53 34.80 36.25 37.99 40.25 43.77 47.96 50.89
59.702
3
6
3
9
0
4
8
8
2
6
6
0
0
0
0
6
3
2
2

31

15.65 17.04 19.28 21.43 22.97 24.25 25.39 26.44 28.40 30.33 32.34 34.59 35.88 37.35 39.12 41.42 44.98 49.22 52.19
61.098
5
2
1
4
6
5
0
0
9
6
9
8
7
9
4
2
5
6
1

32

16.36 17.78 20.07 22.27 23.84 25.14 26.30 27.37 29.37 31.33 33.38 35.66 36.97 38.46 40.25 42.58 46.19 50.48 53.48
62.487
2
3
2
1
4
8
4
3
6
6
1
5
3
6
6
5
4
7
6

33

17.07 18.52 20.86 23.11 24.71 26.04 27.21 28.30 30.34 32.33 34.41 36.73 38.05 39.57 41.38 43.74 47.40 51.74 54.77
63.869
3
7
7
0
4
2
9
7
4
6
3
1
8
2
6
5
0
3
5

34

17.78 19.27 21.66 23.95 25.58 26.93 28.13 29.24 31.31 33.33 35.44 37.79 39.14 40.67 42.51 44.90 48.60 52.99 56.06
65.247
9
5
4
2
6
8
6
2
3
6
4
5
1
6
4
3
2
5
1

35

18.50 20.02 22.46 24.79 26.46 27.83 29.05 30.17 32.28 34.33 36.47 38.85 40.22 41.77 43.64 46.05 49.80 54.24 57.34
66.619
9
7
5
7
0
6
4
8
2
6
5
9
3
8
0
9
2
4
2

36

19.23 20.78 23.26 25.64 27.33 28.73 29.97 31.11 33.25 35.33 37.50 39.92 41.30 42.87 44.76 47.21 50.99 55.48 58.61
67.985
3
3
9
3
6
5
3
5
2
6
5
2
4
9
4
2
8
9
9

37

19.96 21.54 24.07 26.49 28.21 29.63 30.89 32.05 34.22 36.33 38.53 40.98 42.38 43.97 45.88 48.36 52.19 56.73 59.89
69.348
0
2
5
2
4
5
3
3
2
6
5
4
3
8
6
3
2
0
3

38

20.69 22.30 24.88 27.34 29.09 30.53 31.81 32.99 35.19 37.33 39.56 42.04 43.46 45.07 47.00 49.51 53.38 57.96 61.16
70.704
1
4
4
3
3
7
5
2
2
5
4
5
2
6
7
3
4
9
2

39

21.42 23.06 25.69 28.19 29.97 31.44 32.73 33.93 36.16 38.33 40.59 43.10 44.53 46.17 48.12 50.66 54.57 59.20 62.42
72.055
6
9
5
6
4
1
7
2
3
5
3
5
9
3
6
0
2
4
8

40

22.16 23.83 26.50 29.05 30.85 32.34 33.66 34.87 37.13 39.33 41.62 44.16 45.61 47.26 49.24 51.80 55.75 60.43 63.69
73.403
4
8
9
1
6
5
0
2
4
5
2
5
6
9
4
5
8
6
1

41

22.90 24.60 27.32 29.90 31.74 33.25 34.58 35.81 38.10 40.33 42.65 45.22 46.69 48.36 50.36 52.94 56.94 61.66 64.95
74.744
6
9
6
7
0
1
5
3
5
5
1
4
2
3
0
9
2
5
0

42

23.65 25.38 28.14 30.76 32.62 34.15 35.51 36.75 39.07 41.33 43.67 46.28 47.76 49.45 51.47 54.09 58.12 62.89 66.20
76.084
0
3
4
5
6
7
0
5
7
5
9
2
6
6
5
0
4
2
6

43

24.39 26.15 28.96 31.62 33.51 35.06 36.43 37.69 40.05 42.33 44.70 47.33 48.84 50.54 52.58 55.23 59.30 64.11 67.45
77.418
8
9
5
5
2
5
6
8
0
5
6
9
0
8
8
0
4
6
9

44

25.14 26.93 29.78 32.48 34.40 35.97 37.36 38.64 41.02 43.33 45.73 48.39 49.91 51.63 53.70 56.36 60.48 65.33 68.71
78.749
8
9
7
7
0
4
3
1
2
5
4
6
3
9
0
9
1
7
0

45

25.90 27.72 30.61 33.35 35.29 36.88 38.29 39.58 41.99 44.33 46.76 49.45 50.98 52.72 54.81 57.50 61.65 66.55 69.95
80.078
1
0
2
0
0
4
1
5
5
5
1
2
5
9
0
5
6
5
7

46

26.65 28.50 31.43 34.21 36.18 37.79 39.22 40.52 42.96 45.33 47.78 50.50 52.05 53.81 55.92 58.64 62.83 67.77 71.20
81.400
7
4
9
5
0
5
0
9
8
5
7
7
6
8
0
1
0
1
1

47

27.41 29.29 32.26 35.08 37.07 38.70 40.14 41.47 43.94 46.33 48.81 51.56 53.12 54.90 57.02 59.77 64.00 68.98 72.44
82.720
6
1
8
1
2
8
9
4
2
5
4
2
7
6
8
4
1
5
3

48

28.17 30.08 33.09 35.94 37.96 39.62 41.07 42.42 44.91 47.33 49.84 52.61 54.19 55.99 58.13 60.90 65.17 70.19 73.68
84.037
7
0
8
9
5
1
9
0
5
5
0
6
6
3
5
7
1
7
3

49

28.94 30.87 33.93 36.81 38.85 40.53 42.01 43.36 45.88 48.33 50.86 53.67 55.26 57.07 59.24 62.03 66.33 71.40 74.91
85.350
1
1
0
8
9
4
0
6
9
5
6
0
5
9
1
8
9
6
9

50

29.70 31.66 34.76 37.68 39.75 41.44 42.94 44.31 46.86 49.33 51.89 54.72 56.33 58.16 60.34 63.16 67.50 72.61 76.15
86.660
7
4
4
9
4
9
2
3
4
5
2
3
4
4
6
7
5
3
4

51

30.47 32.45 35.60 38.56 40.65 42.36 43.87 45.26 47.83 50.33 52.91 55.77 57.40 59.24 61.45 64.29 68.66 73.81 77.38
87.967
5
9
0
0
0
5
4
1
8
5
7
5
1
8
0
5
9
8
6

52

31.24 33.25 36.43 39.43 41.54 43.28 44.80 46.20 48.81 51.33 53.94 56.82 58.46 60.33 62.55 65.42 69.83 75.02 78.61
89.272
6
6
7
3
7
1
7
9
3
5
2
7
8
2
3
2
2
1
6

53

32.01 34.05 37.27 40.30 42.44 44.19 45.74 47.15 49.78 52.33 54.96 57.87 59.53 61.41 63.65 66.54 70.99 76.22 79.84
90.573
9
5
6
8
6
9
1
7
8
5
7
9
4
4
4
8
3
3
3

54

32.79 34.85 38.11 41.18 43.34 45.11 46.67 48.10 50.76 53.33 55.99 58.93 60.60 62.49 64.75 67.67 72.15 77.42 81.06
91.871
3
6
6
3
5
7
6
6
4
5
2
0
0
6
5
3
3
2
9

55

33.57 35.65 38.95 42.06 44.24 46.03 47.61 49.05 51.73 54.33 57.01 59.98 61.66 63.57 65.85 68.79 73.31 78.61 82.29
93.167
1
9
8
0
5
6
0
5
9
5
6
0
5
7
5
6
1
9
2

56

34.35 36.46 39.80 42.93 45.14 46.95 48.54 50.00 52.71 55.33 58.04 61.03 62.72 64.65 66.95 69.91 74.46 79.81 83.51
94.462
0
4
1
7
6
5
6
5
5
5
0
1
9
8
4
9
8
5
4

15

57

35.13 37.27 40.64 43.81 46.04 47.87 49.48 50.95 53.69 56.33 59.06 62.08 63.79 65.73 68.05 71.04 75.62 81.00 84.73
95.750
1
0
6
6
8
6
2
6
1
5
4
0
3
7
2
0
4
9
3

58

35.91 38.07 41.49 44.69 46.95 48.79 50.41 51.90 54.66 57.33 60.08 63.12 64.85 66.81 69.14 72.16 76.77 82.20 85.95
97.038
4
8
2
6
1
7
9
6
7
5
8
9
7
6
9
0
8
1
0

59

36.69 38.88 42.33 45.57 47.85 49.71 51.35 52.85 55.64 58.33 61.11 64.17 65.91 67.89 70.24 73.27 77.93 83.39 87.16
98.324
8
8
9
7
4
8
6
8
3
5
1
8
9
4
6
9
0
1
6

60

37.48 39.69 43.18 46.45 48.75 50.64 52.29 53.80 56.62 59.33 62.13 65.22 66.98 68.97 71.34 74.39 79.08 84.58 88.37
99.608
5
9
8
9
9
1
4
9
0
5
5
6
1
2
1
7
2
0
9

61

38.27 40.51 44.03 47.34 49.66 51.56 53.23 54.76 57.59 60.33 63.15 66.27 68.04 70.04 72.43 75.51 80.23 85.76 89.59 100.88
3
2
8
2
4
4
2
1
7
5
8
4
3
9
6
4
2
7
1
7

62

39.06 41.32 44.88 48.22 50.57 52.48 54.17 55.71 58.57 61.33 64.18 67.32 69.10 71.12 73.53 76.63 81.38 86.95 90.80 102.16
3
7
9
6
0
7
1
4
4
5
1
2
4
5
0
0
1
3
2
5

63

39.85 42.14 45.74 49.11 51.47 53.41 55.11 56.66 59.55 62.33 65.20 68.36 70.16 72.20 74.62 77.74 82.52 88.13 92.01 103.44
5
3
1
1
7
2
0
6
1
5
4
9
5
1
3
5
9
7
0
2

64

40.64 42.96 46.59 49.99 52.38 54.33 56.05 57.62 60.52 63.33 66.22 69.41 71.22 73.27 75.71 78.86 83.67 89.32 93.21 104.71
9
0
5
6
4
6
0
0
8
5
6
6
5
6
5
0
5
0
7
7

65

41.44 43.77 47.45 50.88 53.29 55.26 56.99 58.57 61.50 64.33 67.24 70.46 72.28 74.35 76.80 79.97 84.82 90.50 94.42 105.98
4
9
0
3
3
2
0
3
6
5
9
2
5
1
7
3
1
1
2
8

66

42.24 44.59 48.30 51.77 54.20 56.18 57.93 59.52 62.48 65.33 68.27 71.50 73.34 75.42 77.89 81.08 85.96 91.68 95.62 107.25
0
9
5
0
2
8
1
7
4
5
1
8
4
4
8
5
5
1
6
7

67

43.03 45.42 49.16 52.65 55.11 57.11 58.87 60.48 63.46 66.33 69.29 72.55 74.40 76.49 78.98 82.19 87.10 92.86 96.82 108.52
8
1
2
9
1
5
2
1
1
5
3
4
3
8
8
7
8
0
8
5

68

43.83 46.24 50.02 53.54 56.02 58.04 59.81 61.43 64.44 67.33 70.31 73.60 75.46 77.57 80.07 83.30 88.25 94.03 98.02 109.79
8
4
0
8
2
2
4
6
0
5
5
0
1
1
8
8
0
7
8
3

69

44.63 47.06 50.87 54.43 56.93 58.97 60.75 62.39 65.41 68.33 71.33 74.64 76.51 78.64 81.16 84.41 89.39 95.21 99.22 111.05
9
8
9
8
3
0
6
1
8
4
7
5
9
3
7
8
1
3
7
5

70

45.44 47.89 51.73 55.32 57.84 59.89 61.69 63.34 66.39 69.33 72.35 75.68 77.57 79.71 82.25 85.52 90.53 96.38 100.4 112.31
2
3
9
9
4
8
8
6
6
4
8
9
7
5
5
7
1
7
25
7

71

46.24 48.72 52.60 56.22 58.75 60.82 62.64 64.30 67.37 70.33 73.38 76.73 78.63 80.78 83.34 86.63 91.67 97.56 101.6 113.57
6
0
0
1
7
7
1
2
5
4
0
4
4
6
3
5
0
1
21
7

72

47.05 49.54 53.46 57.11 59.67 61.75 63.58 65.25 68.35 71.33 74.40 77.77 79.69 81.85 84.43 87.74 92.80 98.73 102.8 114.83
1
8
2
3
0
6
5
8
3
4
1
8
0
7
0
3
8
3
16
4

73

47.85 50.37 54.32 58.00 60.58 62.68 64.52 66.21 69.33 72.33 75.42 78.82 80.74 82.92 85.51 88.85 93.94 99.90 104.0 116.09
8
7
5
6
3
6
8
4
2
4
2
1
7
7
7
0
5
4
10
2

74

48.66 51.20 55.18 58.90 61.49 63.61 65.47 67.17 70.31 73.33 76.44 79.86 81.80 83.99 86.60 89.95 95.08 101.0 105.2 117.34
6
8
9
0
7
6
2
0
1
4
3
5
3
7
2
6
1
74
02
7

75

49.47 52.03 56.05 59.79 62.41 64.54 66.41 68.12 71.29 74.33 77.46 80.90 82.85 85.06 87.68 91.06 96.21 102.2 106.3 118.59
5
9
4
5
2
7
7
7
0
4
4
8
8
6
8
1
7
43
93
9

76

50.28 52.87 56.92 60.69 63.32 65.47 67.36 69.08 72.27 75.33 78.48 81.95 83.91 86.13 88.77 92.16 97.35 103.4 107.5 119.85
6
2
0
0
7
8
2
4
0
4
5
1
3
5
2
6
1
10
82
0

77

51.09 53.70 57.78 61.58 64.24 66.40 68.30 70.04 73.24 76.33 79.50 82.99 84.96 87.20 89.85 93.27 98.48 104.5 108.7 121.10
7
5
6
6
3
9
7
2
9
4
5
4
8
3
7
0
4
76
71
1

78

51.91 54.54 58.65 62.48 65.15 67.34 69.25 70.99 74.22 77.33 80.52 84.03 86.02 88.27 90.94 94.37 99.61 105.7 109.9 122.34
0
0
4
3
9
1
2
9
8
4
6
6
2
1
0
4
7
42
58
7

79

52.72 55.37 59.52 63.38 66.07 68.27 70.19 71.95 75.20 78.33 81.54 85.07 87.07 89.33 92.02 95.47 100.7 106.9 111.1 123.59
5
6
2
0
6
4
8
7
8
4
6
8
7
8
3
6
49
06
44
5

80

53.54 56.21 60.39 64.27 66.99 69.20 71.14 72.91 76.18 79.33 82.56 86.12 88.13 90.40 93.10 96.57 101.8 108.0 112.3 124.83
0
3
1
8
4
7
5
5
8
4
6
0
0
5
6
8
79
69
29
9

81

54.35 57.05 61.26 65.17 67.91 70.14 72.09 73.87 77.16 80.33 83.58 87.16 89.18 91.47 94.18 97.68 103.0 109.2 113.5 126.08
7
1
2
6
2
0
1
4
8
4
6
1
4
2
8
0
10
31
12
4

82

55.17 57.89 62.13 66.07 68.83 71.07 73.03 74.83 78.14 81.33 84.60 88.20 90.23 92.53 95.26 98.78 104.1 110.3 114.6 127.32
4
0
2
6
0
4
8
3
8
4
6
2
7
8
9
0
39
93
95
4

83

55.99 58.73 63.00 66.97 69.74 72.00 73.98 75.79 79.12 82.33 85.62 89.24 91.28 93.60 96.35 99.88 105.2 111.5 115.8 128.56
3
0
4
6
9
8
5
2
8
4
6
3
9
4
0
0
67
53
76
5

84

56.81 59.57 63.87 67.87 70.66 72.94 74.93 76.75 80.10 83.33 86.64 90.28 92.34 94.66 97.43 100.9 106.3 112.7 117.0 129.80
3
0
6
6
9
3
3
1
8
4
6
4
2
9
1
80
95
12
57
2

85

57.63 60.41 64.74 68.77 71.58 73.87 75.88 77.71 81.08 84.33 87.66 91.32 93.39 95.73 98.51 102.0 107.5 113.8 118.2 131.04
4
2
9
7
9
8
1
0
9
4
5
5
4
4
1
79
22
71
36
3

86

58.45 61.25 65.62 69.67 72.50 73.81 76.82 78.67 82.06 85.33 88.68 92.36 94.44 96.79 99.59 103.1 108.6 115.0 119.4 132.27
6
5
3
9
9
3
9
0
9
4
5
5
6
9
0
77
48
28
14
6

87

59.27 62.09 66.49 70.58 73.43 75.74 77.77 79.63 83.05 86.33 89.70 93.40 95.49 97.86 100.6 104.2 109.7 116.1 120.5 133.51
9
8
8
1
0
9
7
0
0
4
4
5
7
3
69
75
73
84
91
1

88 60.10 62.94 67.37 71.48 73.35 76.68 78.72 80.59 84.03 87.33 90.72 94.44 96.54 98.92 101.7 105.3 110.8 117.3 121.7 134.74

16

48

72

98

40

67

60.92 63.78 68.24 72.38 75.27 77.62 79.67 81.55 85.01 88.33 91.74 95.48 97.59 99.99 102.8 106.4 112.0 118.4 122.9 135.97
89
8
8
9
7
3
2
5
0
2
4
2
4
9
1
26
69
22
95
42
7
90

61.75 64.63 69.12 73.29 76.19 78.55 80.62 82.51 85.99 89.33 92.76 96.52 98.65 101.0 103.9 107.5 113.1 119.6 124.1 137.20
4
5
6
1
5
8
5
1
3
4
1
4
0
54
04
65
45
48
16
8

91

62.58 65.48 70.00 73.19 77.11 79.49 81.57 83.47 86.97 90.33 93.78 97.56 99.70 102.1 104.9 108.6 114.2 120.8 125.2 138.43
1
2
3
6
8
6
4
2
4
4
0
3
0
17
81
61
68
01
89
7

92

63.40 66.33 70.88 75.10 78.04 80.43 82.52 84.43 87.95 91.33 94.79 98.60 100.7 103.1 106.0 109.7 115.3 121.9 126.4 139.66
9
0
2
0
1
3
4
3
5
4
9
2
50
79
58
56
90
53
62
7

93

64.23 67.17 71.76 76.00 78.96 81.37 83.47 85.39 88.93 92.33 95.81 99.64 101.8 104.2 107.1 110.8 116.5 123.1 127.6 140.89
8
9
0
6
5
1
4
4
6
4
8
1
00
41
35
50
11
05
33
4

94

65.06 68.02 72.64 76.91 79.88 82.30 84.42 86.35 89.91 93.33 96.83 100.6 102.8 105.3 108.2 111.9 117.6 124.2 128.8 142.11
8
8
0
2
9
9
5
6
7
4
6
79
50
03
11
44
32
55
03
8

95

65.89 68.87 73.52 77.81 80.81 83.24 85.37 87.31 90.89 94.33 97.85 101.7 103.8 106.3 109.2 113.0 118.7 125.4 129.9 143.34
8
9
0
8
3
8
6
7
9
4
5
17
99
64
86
38
52
05
73
3

96

66.73 69.73 73.40 78.72 81.73 84.18 86.32 88.27 91.88 95.33 98.87 102.7 104.9 107.4 110.3 114.1 119.8 126.5 131.1 144.56
0
0
1
5
8
7
7
9
1
4
3
55
48
25
62
31
71
54
41
6

97

67.56 70.58 75.28 79.63 82.66 85.12 87.27 89.24 92.86 96.33 99.89 103.7 105.9 108.4 111.4 115.2 120.9 127.7 132.3 145.78
2
2
2
3
3
6
8
1
2
4
2
93
97
86
37
23
90
02
09
9

98

68.39 71.43 76.16 80.54 83.58 86.06 88.22 90.20 93.84 97.33 100.9 104.8 107.0 109.5 112.5 116.3 122.1 128.8 133.4 147.00
6
4
4
1
8
5
9
4
4
4
10
31
45
47
11
15
08
49
76
9

99

69.23 72.28 77.04 81.44 84.51 87.00 89.18 91.16 94.82 98.33 101.9 105.8 108.0 110.6 113.5 117.4 123.2 129.9 134.6 148.23
0
8
6
9
4
5
1
6
6
4
28
68
93
07
85
07
25
96
41
0

100

70.06 73.14 77.92 82.35 85.44 87.94 90.13 92.12 95.80 99.33 102.9 106.9 109.1 111.6 114.6 118.4 124.3 131.1 135.8 149.44
5
2
9
8
1
5
3
9
8
4
46
06
41
67
59
98
42
42
07
9

Pour 100,

17

Table de la Loi de Student

Cette table donne les fractiles de la loi de Student degrs de libert : valeur t ayant la
probabilit d'tre dpasse en valeur absolue :
P ( - t T t ) = 1 - .
Ou : P ( T - t ) = /2 = P ( T t )
0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0.05

0.02

0.01

0.00 0.00
5
1

0.55

0.6

0.65

0.7

0.8

1.3764

0.85

0.9

0.95

0.975

0.99

0.995

0.997 0.999
5
5

1.3764 1.9626 3.0777 6.3137 12.706 31.821

63.65 127.3 636.5

6
2
8

0.1584 0.3249 0.5095 0.7265

0.1421 0.2887 0.4447 0.6172 0.8165 1.0607 1.3862 1.8856

0.1366 0.2767 0.4242 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407

5.840 7.453 12.92

8
2
4

0.1338 0.2707 0.4142 0.5686 0.7407

4.604 5.597 8.610

1
5
1

0.1322 0.2672 0.4082 0.5594 0.7267 0.9195 1.1558 1.4759

2.5706 3.3649

4.032 4.773 6.868

1
3
5

0.1311 0.2648 0.4043 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427

3.707 4.316 5.958

4
8
7

0.1303 0.2632 0.4015 0.5491 0.7111

3.499 4.029 5.408

5
4
1

0.1297 0.2619 0.3995 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595

0.1293

0.941

0.896

2.92

4.3027 6.9645 9.925

1.1896 1.5332 2.1318 2.7765 3.7469

2.015

1.1192 1.4149 1.8946 2.3646 2.9979

14.08
31.6
9

2.8965

3.355 3.832 5.041

4
5
4

1.8331 2.2622 2.8214

3.249 3.689 4.780

8
6
9

10

0.1289 0.2602 0.3966 0.5415 0.6998 0.8791 1.0931 1.3722 1.8125 2.2281 2.7638

3.169 3.581 4.586

3
4
8

11

0.1286 0.2596 0.3956 0.5399 0.6974 0.8755 1.0877 1.3634 1.7959

2.7181

3.105 3.496 4.436

8
6
9

12

0.1283

2.681

3.054 3.428 4.317

5
4
8

13

0.1281 0.2586

0.261

0.259

0.3979 0.5435 0.7027 0.8834 1.0997

1.383

2.306

2.201

0.3947 0.5386 0.6955 0.8726 1.0832 1.3562 1.7823 2.1788

0.394

0.5375 0.6938 0.8702 1.0795 1.3502 1.7709 2.1604 2.6503

3.012 3.372 4.220

3
5
9

1.7613 2.1448 2.6245

2.976 3.325 4.140

8
7
3

15

0.1278 0.2579 0.3928 0.5357 0.6912 0.8662 1.0735 1.3406 1.7531 2.1315 2.6025

2.946
4.072
3.286
7
8

16

0.1277 0.2576 0.3923

2.920
4.014
3.252
8
9

17

0.1276 0.2573 0.3919 0.5344 0.6892 0.8633

18

0.1274 0.2571 0.3915 0.5338 0.6884

19

0.1274 0.2569 0.3912 0.5333 0.6876

20

0.1273 0.2567 0.3909 0.5329

21

0.1272 0.2566 0.3906 0.5325 0.6864 0.8591 1.0627 1.3232 1.7207 2.0796 2.5176

2.831 3.135 3.819

4
2
3

22

0.1271 0.2564 0.3904 0.5321 0.6858 0.8583 1.0614 1.3212 1.7171 2.0739 2.5083

2.818 3.118 3.792

8
8
2

23

0.1271 0.2563 0.3902 0.5317 0.6853 0.8575 1.0603 1.3195 1.7139 2.0687 2.4999

2.807
3.767
3.104
3
6

14

24

0.128

0.127

0.2582 0.3933 0.5366 0.6924 0.8681 1.0763

0.2562

0.39

0.535

1.345

0.6901 0.8647 1.0711 1.3368 1.7459 2.1199 2.5835

0.687

1.3334 1.7396 2.1098 2.5669

2.898 3.222 3.965

2
4
1

0.862

1.0672 1.3304 1.7341 2.1009 2.5524

2.878 3.196 3.921

4
6
7

0.861

1.0655 1.3277 1.7291

0.86

1.069

1.064

1.3253 1.7247

2.093

2.5395

2.860 3.173 3.883

9
7
3

2.086

2.528

2.845 3.153 3.849

3
4
6

0.5314 0.6848 0.8569 1.0593 1.3178 1.7109 2.0639 2.4922 2.797 3.090 3.745

18

25

0.1269 0.2561 0.3898 0.5312 0.6844 0.8562 1.0584 1.3163 1.7081 2.0595 2.4851

2.787 3.078 3.725

4
2
1

26

0.1269

1.7056 2.0555 2.4786

2.778 3.066 3.706

7
9
7

27

0.1268 0.2559 0.3894 0.5306 0.6837 0.8551 1.0567 1.3137 1.7033 2.0518 2.4727

2.770 3.056 3.689

7
5
5

28

0.1268 0.2558 0.3893 0.5304 0.6834 0.8546

2.763
3.673
3.047
3
9

29

0.1268 0.2557 0.3892 0.5302

30

0.1267 0.2556

31

0.1267 0.2555 0.3889 0.5298 0.6825 0.8534 1.0541 1.3095 1.6955 2.0395 2.4528 2.744

32

0.1267 0.2555 0.3888 0.5297 0.6822

33

0.1266 0.2554 0.3887 0.5295

34

0.1266 0.2553 0.3886 0.5294 0.6818 0.8523 1.0525

35

0.1266 0.2553 0.3885 0.5292 0.6816

0.256

0.3896 0.5309

0.389

0.53

0.684

0.683

0.8557 1.0575

1.056

1.315

1.3125 1.7011 2.0484 2.4671

0.8542 1.0553 1.3114 1.6991 2.0452

2.462

0.6828 0.8538 1.0547 1.3104 1.6973 2.0423 2.4573

0.682

0.853
0.8526

1.0535 1.3086 1.6939 2.0369 2.4487

1.053

1.3077 1.6924 2.0345 2.4448

2.756
3.659
3.038
4
5
2.75

3.029
3.646
8
3.022 3.633
1
5

2.738 3.014 3.621

5
9
8
2.733 3.008 3.610
3
2
9

1.6909 2.0322 2.4411

2.728
3.600
3.002
4
7

1.3062 1.6896 2.0301 2.4377

2.723 2.996 3.591

8
1
1

36

0.1266 0.2552 0.3884 0.5291 0.6814 0.8517 1.0516 1.3055 1.6883 2.0281 2.4345

2.719 2.990 3.582

5
5
1

37

0.1265 0.2552 0.3883 0.5289 0.6812 0.8514 1.0512 1.3049 1.6871 2.0262 2.4314

2.715 2.985 3.573

4
3
7

38

0.1265 0.2551 0.3882 0.5288

2.0244 2.4286

2.711 2.980 3.565

6
3
7

39

0.1265 0.2551 0.3882 0.5287 0.6808 0.8509 1.0504 1.3036 1.6849 2.0227 2.4258

2.707 2.975 3.558

9
6
1

40

0.1265

0.255

1.3031 1.6839 2.0211 2.4233

2.704 2.971
3.551
5
2

41

0.1264

0.255

0.388

0.5285 0.6805 0.8505 1.0497 1.3025 1.6829 2.0195 2.4208

2.701
3.544
2.967
2
3

42

0.1264

0.255

0.388

0.5284 0.6804 0.8503 1.0494

2.0181 2.4185

2.698
3.537
2.963
1
7

43

0.1264 0.2549 0.3879 0.5283 0.6802 0.8501 1.0491 1.3016 1.6811 2.0167 2.4163

2.695 2.959 3.531

1
2
6

44

0.1264 0.2549 0.3878 0.5282 0.6801 0.8499 1.0488 1.3011 1.6802 2.0154 2.4141

2.692 2.955 3.525

3
5
8

45

0.1264 0.2549 0.3878 0.5281

2.689 2.952 3.520

6
1
3

46

0.1264 0.2548 0.3877 0.5281 0.6799 0.8495 1.0482 1.3002 1.6787 2.0129 2.4102 2.687

47

0.1263 0.2548 0.3877

1.2998 1.6779 2.0117 2.4083

2.684 2.945 3.509

6
6
9

48

0.1263 0.2548 0.3876 0.5279 0.6796 0.8492 1.0478 1.2994 1.6772 2.0106 2.4066

2.682 2.942
3.505
2
6

49

0.1263 0.2547 0.3876 0.5278 0.6795

50

0.1263 0.2547 0.3875 0.5278 0.6794 0.8489 1.0473 1.2987 1.6759 2.0086 2.4033

2.677
2.937 3.496
8

60

0.1262 0.2545 0.3872 0.5272 0.6786 0.8477 1.0455 1.2958 1.6706 2.0003 2.3901

2.660 2.914 3.460

3
6
2

70

0.1261 0.2543 0.3869 0.5268

2.647 2.898
3.435
9
7

0.681

0.852

0.8512 1.0508 1.3042

0.3881 0.5286 0.6807 0.8507

0.528

0.68

1.05

1.302

1.686

1.682

0.8497 1.0485 1.3007 1.6794 2.0141 2.4121

0.6797 0.8493

0.678

1.052

1.307

0.849

1.048

1.0475 1.2991 1.6766 2.0096 2.4049

0.8468 1.0442 1.2938 1.6669 1.9944 2.3808

2.68

2.948 3.514
8
9

2.939 3.500
7
5

19

80

0.1261 0.2542 0.3867 0.5265 0.6776 0.8461 1.0432 1.2922 1.6641 1.9901 2.3739
0.2541 0.3866 0.5263 0.6772 0.8456 1.0424

1.662

0.126

100

0.126

0.254

0.3864 0.5261

2.3642

2.625 2.870 3.390

9
7
5

110

0.126

0.254

0.3863 0.5259 0.6767 0.8449 1.0413 1.2893 1.6588 1.9818 2.3607

2.621 2.864 3.381

3
8
1

120

0.1259 0.2539 0.3862 0.5258 0.6765 0.8446 1.0409 1.2886 1.6576 1.9799 2.3578

2.617 2.859 3.373

4
9
4

130

0.1259 0.2539 0.3862 0.5257 0.6764 0.8444 1.0406 1.2881 1.6567 1.9784 2.3554

2.614 2.855
3.367
2
7

140

0.1259 0.2538 0.3861 0.5256 0.6762 0.8442 1.0403 1.2876 1.6558 1.9771 2.3533

2.611 2.852 3.361

4
2
3

0.8452 1.0418 1.2901 1.6602

infini
(loi
0.1257 0.2533 0.3853 0.5244 0.6744 0.8416 1.0364 1.2816 1.6449
normal
e)

1.9867 2.3685

2.631 2.877 3.401

6
9
9

90

0.677

1.291

2.638
3.416
2.887
7
4

1.984

1.96

2.3264

2.575 2.807 3.290

9
2
8

20

21

Table : Loi de Fisher-Snedecor

Valeur f de la variable de Fisher-Snedecor F (1 ; 2) ayant la probabilit 0.05 d'tre dpasse
O : 1 : degrs de libert du numrateur
2 : degrs de libert du dnominateur

10

11

12

13

14

15

16

17

18

19

20

22

24

26

28

30

35

40

45

50

60

80 100 200 500

100
0

161. 199. 215. 224. 230. 233. 236. 238. 240. 241. 242. 243. 244. 245. 245. 246. 246. 247. 247. 248. 248. 249. 249. 249. 250. 250. 251. 251. 251. 252. 252. 253. 253. 254. 254.
45 50 71 58 16 99 77 88 54 88 98
90 69 36 95 47 92 32 69 02 58 05
45 80 10 69 14 49 77 20 72 04 68
06 19

18.5 19.0 19.1 19.2 19.3 19.3 19.3 19.3 19.3 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4 19.4
1
0
6
5
0
3
5
7
8
0
0
1
2
2
3
3
4
4
4
5
5
5
6
6
6
7
7
7
8
8
8
9
9
9
9

10.1
9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.73 8.71 8.70 8.69 8.68 8.67 8.67 8.66 8.65 8.64 8.63 8.62 8.62 8.60 8.59 8.59 8.58 8.57 8.56 8.55 8.54 8.53 8.53
3

4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.89 5.87 5.86 5.84 5.83 5.82 5.81 5.80 5.79 5.77 5.76 5.75 5.75 5.73 5.72 5.71 5.70 5.69 5.67 5.66 5.65 5.64 5.63
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.66 4.64 4.62 4.60 4.59 4.58 4.57 4.56 4.54 4.53 4.52 4.50 4.50 4.48 4.46 4.45 4.44 4.43 4.41 4.41 4.39 4.37 4.37
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.98 3.96 3.94 3.92 3.91 3.90 3.88 3.87 3.86 3.84 3.83 3.82 3.81 3.79 3.77 3.76 3.75 3.74 3.72 3.71 3.69 3.68 3.67
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.53 3.51 3.49 3.48 3.47 3.46 3.44 3.43 3.41 3.40 3.39 3.38 3.36 3.34 3.33 3.32 3.30 3.29 3.27 3.25 3.24 3.23
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.26 3.24 3.22 3.20 3.19 3.17 3.16 3.15 3.13 3.12 3.10 3.09 3.08 3.06 3.04 3.03 3.02 3.01 2.99 2.97 2.95 2.94 2.93
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.05 3.03 3.01 2.99 2.97 2.96 2.95 2.94 2.92 2.90 2.89 2.87 2.86 2.84 2.83 2.81 2.80 2.79 2.77 2.76 2.73 2.72 2.71
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.89 2.86 2.85 2.83 2.81 2.80 2.79 2.77 2.75 2.74 2.72 2.71 2.70 2.68 2.66 2.65 2.64 2.62 2.60 2.59 2.56 2.55 2.54
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.69 2.67 2.66 2.65 2.63 2.61 2.59 2.58 2.57 2.55 2.53 2.52 2.51 2.49 2.47 2.46 2.43 2.42 2.41
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.66 2.64 2.62 2.60 2.58 2.57 2.56 2.54 2.52 2.51 2.49 2.48 2.47 2.44 2.43 2.41 2.40 2.38 2.36 2.35 2.32 2.31 2.30
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.58 2.55 2.53 2.51 2.50 2.48 2.47 2.46 2.44 2.42 2.41 2.39 2.38 2.36 2.34 2.33 2.31 2.30 2.27 2.26 2.23 2.22 2.21
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.51 2.48 2.46 2.44 2.43 2.41 2.40 2.39 2.37 2.35 2.33 2.32 2.31 2.28 2.27 2.25 2.24 2.22 2.20 2.19 2.16 2.14 2.14
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.45 2.42 2.40 2.38 2.37 2.35 2.34 2.33 2.31 2.29 2.27 2.26 2.25 2.22 2.20 2.19 2.18 2.16 2.14 2.12 2.10 2.08 2.07
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.40 2.37 2.35 2.33 2.32 2.30 2.29 2.28 2.25 2.24 2.22 2.21 2.19 2.17 2.15 2.14 2.12 2.11 2.08 2.07 2.04 2.02 2.02
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.33 2.31 2.29 2.27 2.26 2.24 2.23 2.21 2.19 2.17 2.16 2.15 2.12 2.10 2.09 2.08 2.06 2.03 2.02 1.99 1.97 1.97
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.29 2.27 2.25 2.23 2.22 2.20 2.19 2.17 2.15 2.13 2.12 2.11 2.08 2.06 2.05 2.04 2.02 1.99 1.98 1.95 1.93 1.92
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.18 2.17 2.16 2.13 2.11 2.10 2.08 2.07 2.05 2.03 2.01 2.00 1.98 1.96 1.94 1.91 1.89 1.88
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.25 2.22 2.20 2.18 2.17 2.15 2.14 2.12 2.10 2.08 2.07 2.05 2.04 2.01 1.99 1.98 1.97 1.95 1.92 1.91 1.88 1.86 1.85
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.22 2.20 2.18 2.16 2.14 2.12 2.11 2.10 2.07 2.05 2.04 2.02 2.01 1.98 1.96 1.95 1.94 1.92 1.89 1.88 1.84 1.83 1.82
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.20 2.17 2.15 2.13 2.11 2.10 2.08 2.07 2.05 2.03 2.01 2.00 1.98 1.96 1.94 1.92 1.91 1.89 1.86 1.85 1.82 1.80 1.79
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.18 2.15 2.13 2.11 2.09 2.08 2.06 2.05 2.02 2.01 1.99 1.97 1.96 1.93 1.91 1.90 1.88 1.86 1.84 1.82 1.79 1.77 1.76

22

24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.15 2.13 2.11 2.09 2.07 2.05 2.04 2.03 2.00 1.98 1.97 1.95 1.94 1.91 1.89 1.88 1.86 1.84 1.82 1.80 1.77 1.75 1.74
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.14 2.11 2.09 2.07 2.05 2.04 2.02 2.01 1.98 1.96 1.95 1.93 1.92 1.89 1.87 1.86 1.84 1.82 1.80 1.78 1.75 1.73 1.72
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.12 2.09 2.07 2.05 2.03 2.02 2.00 1.99 1.97 1.95 1.93 1.91 1.90 1.87 1.85 1.84 1.82 1.80 1.78 1.76 1.73 1.71 1.70
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.10 2.08 2.06 2.04 2.02 2.00 1.99 1.97 1.95 1.93 1.91 1.90 1.88 1.86 1.84 1.82 1.81 1.79 1.76 1.74 1.71 1.69 1.68
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.09 2.06 2.04 2.02 2.00 1.99 1.97 1.96 1.93 1.91 1.90 1.88 1.87 1.84 1.82 1.80 1.79 1.77 1.74 1.73 1.69 1.67 1.66
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.08 2.05 2.03 2.01 1.99 1.97 1.96 1.94 1.92 1.90 1.88 1.87 1.85 1.83 1.81 1.79 1.77 1.75 1.73 1.71 1.67 1.65 1.65
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.06 2.04 2.01 1.99 1.98 1.96 1.95 1.93 1.91 1.89 1.87 1.85 1.84 1.81 1.79 1.77 1.76 1.74 1.71 1.70 1.66 1.64 1.63
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 2.10 2.07 2.04 2.01 1.99 1.97 1.95 1.94 1.92 1.91 1.88 1.86 1.85 1.83 1.82 1.79 1.77 1.75 1.74 1.71 1.69 1.67 1.63 1.61 1.60
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 2.08 2.05 2.02 1.99 1.97 1.95 1.93 1.92 1.90 1.89 1.86 1.84 1.82 1.81 1.80 1.77 1.75 1.73 1.71 1.69 1.66 1.65 1.61 1.59 1.58
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11 2.07 2.03 2.00 1.98 1.95 1.93 1.92 1.90 1.88 1.87 1.85 1.82 1.81 1.79 1.78 1.75 1.73 1.71 1.69 1.67 1.64 1.62 1.59 1.56 1.56
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.99 1.96 1.94 1.92 1.90 1.88 1.87 1.85 1.83 1.81 1.79 1.77 1.76 1.73 1.71 1.69 1.68 1.65 1.62 1.61 1.57 1.54 1.54
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.97 1.95 1.92 1.90 1.89 1.87 1.85 1.84 1.81 1.79 1.77 1.76 1.74 1.72 1.69 1.67 1.66 1.64 1.61 1.59 1.55 1.53 1.52
42 4.07 3.22 2.83 2.59 2.44 2.32 2.24 2.17 2.11 2.06 2.03 1.99 1.96 1.94 1.91 1.89 1.87 1.86 1.84 1.83 1.80 1.78 1.76 1.75 1.73 1.70 1.68 1.66 1.65 1.62 1.59 1.57 1.53 1.51 1.50
44 4.06 3.21 2.82 2.58 2.43 2.31 2.23 2.16 2.10 2.05 2.01 1.98 1.95 1.92 1.90 1.88 1.86 1.84 1.83 1.81 1.79 1.77 1.75 1.73 1.72 1.69 1.67 1.65 1.63 1.61 1.58 1.56 1.52 1.49 1.49
46 4.05 3.20 2.81 2.57 2.42 2.30 2.22 2.15 2.09 2.04 2.00 1.97 1.94 1.91 1.89 1.87 1.85 1.83 1.82 1.80 1.78 1.76 1.74 1.72 1.71 1.68 1.65 1.64 1.62 1.60 1.57 1.55 1.51 1.48 1.47
48 4.04 3.19 2.80 2.57 2.41 2.29 2.21 2.14 2.08 2.03 1.99 1.96 1.93 1.90 1.88 1.86 1.84 1.82 1.81 1.79 1.77 1.75 1.73 1.71 1.70 1.67 1.64 1.62 1.61 1.59 1.56 1.54 1.49 1.47 1.46
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03 1.99 1.95 1.92 1.89 1.87 1.85 1.83 1.81 1.80 1.78 1.76 1.74 1.72 1.70 1.69 1.66 1.63 1.61 1.60 1.58 1.54 1.52 1.48 1.46 1.45
55 4.02 3.16 2.77 2.54 2.38 2.27 2.18 2.11 2.06 2.01 1.97 1.93 1.90 1.88 1.85 1.83 1.81 1.79 1.78 1.76 1.74 1.72 1.70 1.68 1.67 1.64 1.61 1.59 1.58 1.55 1.52 1.50 1.46 1.43 1.42
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.89 1.86 1.84 1.82 1.80 1.78 1.76 1.75 1.72 1.70 1.68 1.66 1.65 1.62 1.59 1.57 1.56 1.53 1.50 1.48 1.44 1.41 1.40
65 3.99 3.14 2.75 2.51 2.36 2.24 2.15 2.08 2.03 1.98 1.94 1.90 1.87 1.85 1.82 1.80 1.78 1.76 1.75 1.73 1.71 1.69 1.67 1.65 1.63 1.60 1.58 1.56 1.54 1.52 1.49 1.46 1.42 1.39 1.38
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97 1.93 1.89 1.86 1.84 1.81 1.79 1.77 1.75 1.74 1.72 1.70 1.67 1.65 1.64 1.62 1.59 1.57 1.55 1.53 1.50 1.47 1.45 1.40 1.37 1.36
75 3.97 3.12 2.73 2.49 2.34 2.22 2.13 2.06 2.01 1.96 1.92 1.88 1.85 1.83 1.80 1.78 1.76 1.74 1.73 1.71 1.69 1.66 1.64 1.63 1.61 1.58 1.55 1.53 1.52 1.49 1.46 1.44 1.39 1.36 1.35
80 3.96 3.11 2.72 2.49 2.33 2.21 2.13 2.06 2.00 1.95 1.91 1.88 1.84 1.82 1.79 1.77 1.75 1.73 1.72 1.70 1.68 1.65 1.63 1.62 1.60 1.57 1.54 1.52 1.51 1.48 1.45 1.43 1.38 1.35 1.34
85 3.95 3.10 2.71 2.48 2.32 2.21 2.12 2.05 1.99 1.94 1.90 1.87 1.84 1.81 1.79 1.76 1.74 1.73 1.71 1.70 1.67 1.65 1.63 1.61 1.59 1.56 1.54 1.52 1.50 1.47 1.44 1.42 1.37 1.34 1.32
90 3.95 3.10 2.71 2.47 2.32 2.20 2.11 2.04 1.99 1.94 1.90 1.86 1.83 1.80 1.78 1.76 1.74 1.72 1.70 1.69 1.66 1.64 1.62 1.60 1.59 1.55 1.53 1.51 1.49 1.46 1.43 1.41 1.36 1.33 1.31
95 3.94 3.09 2.70 2.47 2.31 2.20 2.11 2.04 1.98 1.93 1.89 1.86 1.82 1.80 1.77 1.75 1.73 1.71 1.70 1.68 1.66 1.63 1.61 1.59 1.58 1.55 1.52 1.50 1.48 1.46 1.42 1.40 1.35 1.32 1.30
10
3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93 1.89 1.85 1.82 1.79 1.77 1.75 1.73 1.71 1.69 1.68 1.65 1.63 1.61 1.59 1.57 1.54 1.52 1.49 1.48 1.45 1.41 1.39 1.34 1.31 1.30
0
12
3.92 3.07 2.68 2.44 2.29 2.17 2.08 2.01 1.96 1.91 1.87 1.83 1.80 1.77 1.75 1.73 1.71 1.69 1.67 1.66 1.63 1.60 1.58 1.57 1.55 1.52 1.49 1.47 1.45 1.42 1.39 1.36 1.31 1.27 1.26
5
15
3.90 3.06 2.66 2.43 2.27 2.16 2.07 2.00 1.94 1.89 1.85 1.82 1.79 1.76 1.73 1.71 1.69 1.67 1.66 1.64 1.61 1.59 1.57 1.55 1.54 1.50 1.48 1.45 1.44 1.41 1.37 1.34 1.29 1.25 1.24
0
20
3.89 3.04 2.65 2.42 2.26 2.14 2.06 1.98 1.93 1.88 1.84 1.80 1.77 1.74 1.72 1.69 1.67 1.66 1.64 1.62 1.60 1.57 1.55 1.53 1.52 1.48 1.46 1.43 1.41 1.39 1.35 1.32 1.26 1.22 1.21
0
30
3.87 3.03 2.63 2.40 2.24 2.13 2.04 1.97 1.91 1.86 1.82 1.78 1.75 1.72 1.70 1.68 1.66 1.64 1.62 1.61 1.58 1.55 1.53 1.51 1.50 1.46 1.43 1.41 1.39 1.36 1.32 1.30 1.23 1.19 1.17
0
50
3.86 3.01 2.62 2.39 2.23 2.12 2.03 1.96 1.90 1.85 1.81 1.77 1.74 1.71 1.69 1.66 1.64 1.62 1.61 1.59 1.56 1.54 1.52 1.50 1.48 1.45 1.42 1.40 1.38 1.35 1.30 1.28 1.21 1.16 1.14
0
10
3.85 3.00 2.61 2.38 2.22 2.11 2.02 1.95 1.89 1.84 1.80 1.76 1.73 1.70 1.68 1.65 1.63 1.61 1.60 1.58 1.55 1.53 1.51 1.49 1.47 1.43 1.41 1.38 1.36 1.33 1.29 1.26 1.19 1.13 1.11
00
20 3.85 3.00 2.61 2.38 2.22 2.10 2.01 1.94 1.88 1.84 1.79 1.76 1.73 1.70 1.67 1.65 1.63 1.61 1.59 1.58 1.55 1.52 1.50 1.48 1.46 1.43 1.40 1.38 1.36 1.32 1.28 1.25 1.18 1.12 1.09

23

00

24

Table : Loi de Fisher-Snedecor

Valeur f de la variable de Fisher-Snedecor F ( 1 ; 2 ) ayant la probabilit 0.025 d'tre dpasse

=1 : degrs de libert du numrateur
2 : degrs de libert du dnominateur

10

11

12

13

14

15

16

17

18

19

20

22

24

26

28

30

35

40

45

50

60

80

100

200

500 2000

647. 799. 864. 899. 921. 937. 948. 956. 963. 968. 973. 976. 979. 982. 984. 986. 988. 990. 991. 993. 995. 997. 998. 1000 1001 1003 1005 1006 1008 1009 1011 1013 1015 1017 1017.
79 48 15 60 83 11 20 64 28 63 03 72 84 55 87 91 72 35 80 08 35 27 84 .24 .40 .79 .60 .99 .10 .79 .91 .16 .72 .24
99

38.5 39.0 39.1 39.2 39.3 39.3 39.3 39.3 39.3 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.5
39.50
1
0
7
5
0
3
6
7
9
0
1
1
2
3
3
4
4
4
5
5
5
6
6
6
6
7
7
8
8
8
9
9
9
0

17.4 16.0 15.4 15.1 14.8 14.7 14.6 14.5 14.4 14.4 14.3 14.3 14.3 14.2 14.2 14.2 14.2 14.2 14.1 14.1 14.1 14.1 14.1 14.0 14.0 14.0 14.0 14.0 14.0 13.9 13.9 13.9 13.9 13.9
13.90
4
4
4
0
8
3
2
4
7
2
7
4
0
8
5
3
1
0
8
7
4
2
1
9
8
6
4
2
1
9
7
6
3
1

12.2 10.6
9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.79 8.75 8.72 8.68 8.66 8.63 8.61 8.59 8.58 8.56 8.53 8.51 8.49 8.48 8.46 8.43 8.41 8.39 8.38 8.36 8.33 8.32 8.29 8.27 8.26
2
5

10.0
8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.57 6.52 6.49 6.46 6.43 6.40 6.38 6.36 6.34 6.33 6.30 6.28 6.26 6.24 6.23 6.20 6.18 6.16 6.14 6.12 6.10 6.08 6.05 6.03 6.02
1

6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.41 5.37 5.33 5.30 5.27 5.24 5.22 5.20 5.18 5.17 5.14 5.12 5.10 5.08 5.07 5.04 5.01 4.99 4.98 4.96 4.93 4.92 4.88 4.86 4.85
7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.71 4.67 4.63 4.60 4.57 4.54 4.52 4.50 4.48 4.47 4.44 4.41 4.39 4.38 4.36 4.33 4.31 4.29 4.28 4.25 4.23 4.21 4.18 4.16 4.15
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.24 4.20 4.16 4.13 4.10 4.08 4.05 4.03 4.02 4.00 3.97 3.95 3.93 3.91 3.89 3.86 3.84 3.82 3.81 3.78 3.76 3.74 3.70 3.68 3.67
9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.91 3.87 3.83 3.80 3.77 3.74 3.72 3.70 3.68 3.67 3.64 3.61 3.59 3.58 3.56 3.53 3.51 3.49 3.47 3.45 3.42 3.40 3.37 3.35 3.34
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.66 3.62 3.58 3.55 3.52 3.50 3.47 3.45 3.44 3.42 3.39 3.37 3.34 3.33 3.31 3.28 3.26 3.24 3.22 3.20 3.17 3.15 3.12 3.09 3.08
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.47 3.43 3.39 3.36 3.33 3.30 3.28 3.26 3.24 3.23 3.20 3.17 3.15 3.13 3.12 3.09 3.06 3.04 3.03 3.00 2.97 2.96 2.92 2.90 2.89
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.32 3.28 3.24 3.21 3.18 3.15 3.13 3.11 3.09 3.07 3.04 3.02 3.00 2.98 2.96 2.93 2.91 2.89 2.87 2.85 2.82 2.80 2.76 2.74 2.73
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.20 3.15 3.12 3.08 3.05 3.03 3.00 2.98 2.96 2.95 2.92 2.89 2.87 2.85 2.84 2.80 2.78 2.76 2.74 2.72 2.69 2.67 2.63 2.61 2.60
14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.09 3.05 3.01 2.98 2.95 2.92 2.90 2.88 2.86 2.84 2.81 2.79 2.77 2.75 2.73 2.70 2.67 2.65 2.64 2.61 2.58 2.56 2.53 2.50 2.49
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 3.01 2.96 2.92 2.89 2.86 2.84 2.81 2.79 2.77 2.76 2.73 2.70 2.68 2.66 2.64 2.61 2.59 2.56 2.55 2.52 2.49 2.47 2.44 2.41 2.40
16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.93 2.89 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.68 2.65 2.63 2.60 2.58 2.57 2.53 2.51 2.49 2.47 2.45 2.42 2.40 2.36 2.33 2.32
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.87 2.82 2.79 2.75 2.72 2.70 2.67 2.65 2.63 2.62 2.59 2.56 2.54 2.52 2.50 2.47 2.44 2.42 2.41 2.38 2.35 2.33 2.29 2.26 2.25
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.81 2.77 2.73 2.70 2.67 2.64 2.62 2.60 2.58 2.56 2.53 2.50 2.48 2.46 2.44 2.41 2.38 2.36 2.35 2.32 2.29 2.27 2.23 2.20 2.19
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.76 2.72 2.68 2.65 2.62 2.59 2.57 2.55 2.53 2.51 2.48 2.45 2.43 2.41 2.39 2.36 2.33 2.31 2.30 2.27 2.24 2.22 2.18 2.15 2.14
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.72 2.68 2.64 2.60 2.57 2.55 2.52 2.50 2.48 2.46 2.43 2.41 2.39 2.37 2.35 2.31 2.29 2.27 2.25 2.22 2.19 2.17 2.13 2.10 2.09
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.68 2.64 2.60 2.56 2.53 2.51 2.48 2.46 2.44 2.42 2.39 2.37 2.34 2.33 2.31 2.27 2.25 2.23 2.21 2.18 2.15 2.13 2.09 2.06 2.05
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.65 2.60 2.56 2.53 2.50 2.47 2.45 2.43 2.41 2.39 2.36 2.33 2.31 2.29 2.27 2.24 2.21 2.19 2.17 2.14 2.11 2.09 2.05 2.02 2.01
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.62 2.57 2.53 2.50 2.47 2.44 2.42 2.39 2.37 2.36 2.33 2.30 2.28 2.26 2.24 2.20 2.18 2.15 2.14 2.11 2.08 2.06 2.01 1.99 1.97

25

24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.59 2.54 2.50 2.47 2.44 2.41 2.39 2.36 2.35 2.33 2.30 2.27 2.25 2.23 2.21 2.17 2.15 2.12 2.11 2.08 2.05 2.02 1.98 1.95 1.94
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.56 2.51 2.48 2.44 2.41 2.38 2.36 2.34 2.32 2.30 2.27 2.24 2.22 2.20 2.18 2.15 2.12 2.10 2.08 2.05 2.02 2.00 1.95 1.92 1.91
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.54 2.49 2.45 2.42 2.39 2.36 2.34 2.31 2.29 2.28 2.24 2.22 2.19 2.17 2.16 2.12 2.09 2.07 2.05 2.03 1.99 1.97 1.92 1.90 1.88
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.51 2.47 2.43 2.39 2.36 2.34 2.31 2.29 2.27 2.25 2.22 2.19 2.17 2.15 2.13 2.10 2.07 2.05 2.03 2.00 1.97 1.94 1.90 1.87 1.86
28 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.49 2.45 2.41 2.37 2.34 2.32 2.29 2.27 2.25 2.23 2.20 2.17 2.15 2.13 2.11 2.08 2.05 2.03 2.01 1.98 1.94 1.92 1.88 1.85 1.83
29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.48 2.43 2.39 2.36 2.32 2.30 2.27 2.25 2.23 2.21 2.18 2.15 2.13 2.11 2.09 2.06 2.03 2.01 1.99 1.96 1.92 1.90 1.86 1.83 1.81
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.46 2.41 2.37 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.16 2.14 2.11 2.09 2.07 2.04 2.01 1.99 1.97 1.94 1.90 1.88 1.84 1.81 1.79
32 5.53 4.15 3.56 3.22 3.00 2.84 2.71 2.62 2.54 2.48 2.43 2.38 2.34 2.31 2.28 2.25 2.22 2.20 2.18 2.16 2.13 2.10 2.08 2.06 2.04 2.00 1.98 1.95 1.93 1.91 1.87 1.85 1.80 1.77 1.75
34 5.50 4.12 3.53 3.19 2.97 2.81 2.69 2.59 2.52 2.45 2.40 2.35 2.31 2.28 2.25 2.22 2.20 2.17 2.15 2.13 2.10 2.07 2.05 2.03 2.01 1.97 1.95 1.92 1.90 1.88 1.84 1.82 1.77 1.74 1.72
36 5.47 4.09 3.50 3.17 2.94 2.78 2.66 2.57 2.49 2.43 2.37 2.33 2.29 2.25 2.22 2.20 2.17 2.15 2.13 2.11 2.08 2.05 2.03 2.00 1.99 1.95 1.92 1.90 1.88 1.85 1.81 1.79 1.74 1.71 1.69
38 5.45 4.07 3.48 3.15 2.92 2.76 2.64 2.55 2.47 2.41 2.35 2.31 2.27 2.23 2.20 2.17 2.15 2.13 2.11 2.09 2.05 2.03 2.00 1.98 1.96 1.93 1.90 1.87 1.85 1.82 1.79 1.76 1.71 1.68 1.67
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.33 2.29 2.25 2.21 2.18 2.15 2.13 2.11 2.09 2.07 2.03 2.01 1.98 1.96 1.94 1.90 1.88 1.85 1.83 1.80 1.76 1.74 1.69 1.66 1.64
42 5.40 4.03 3.45 3.11 2.89 2.73 2.61 2.51 2.43 2.37 2.32 2.27 2.23 2.20 2.16 2.14 2.11 2.09 2.07 2.05 2.02 1.99 1.96 1.94 1.92 1.89 1.86 1.83 1.81 1.78 1.74 1.72 1.67 1.64 1.62
44 5.39 4.02 3.43 3.09 2.87 2.71 2.59 2.50 2.42 2.36 2.30 2.26 2.22 2.18 2.15 2.12 2.10 2.07 2.05 2.03 2.00 1.97 1.95 1.93 1.91 1.87 1.84 1.82 1.80 1.77 1.73 1.70 1.65 1.62 1.60
46 5.37 4.00 3.42 3.08 2.86 2.70 2.58 2.48 2.41 2.34 2.29 2.24 2.20 2.17 2.13 2.11 2.08 2.06 2.04 2.02 1.99 1.96 1.93 1.91 1.89 1.85 1.82 1.80 1.78 1.75 1.71 1.69 1.63 1.60 1.58
48 5.35 3.99 3.40 3.07 2.84 2.69 2.56 2.47 2.39 2.33 2.27 2.23 2.19 2.15 2.12 2.09 2.07 2.05 2.02 2.01 1.97 1.94 1.92 1.90 1.88 1.84 1.81 1.79 1.77 1.73 1.69 1.67 1.62 1.58 1.57
50 5.34 3.97 3.39 3.05 2.83 2.67 2.55 2.46 2.38 2.32 2.26 2.22 2.18 2.14 2.11 2.08 2.06 2.03 2.01 1.99 1.96 1.93 1.91 1.89 1.87 1.83 1.80 1.77 1.75 1.72 1.68 1.66 1.60 1.57 1.55
55 5.31 3.95 3.36 3.03 2.81 2.65 2.53 2.43 2.36 2.29 2.24 2.19 2.15 2.11 2.08 2.05 2.03 2.01 1.99 1.97 1.93 1.90 1.88 1.86 1.84 1.80 1.77 1.74 1.72 1.69 1.65 1.62 1.57 1.54 1.52
60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.22 2.17 2.13 2.09 2.06 2.03 2.01 1.98 1.96 1.94 1.91 1.88 1.86 1.83 1.82 1.78 1.74 1.72 1.70 1.67 1.63 1.60 1.54 1.51 1.49
65 5.26 3.91 3.32 2.99 2.77 2.61 2.49 2.39 2.32 2.25 2.20 2.15 2.11 2.07 2.04 2.01 1.99 1.97 1.95 1.93 1.89 1.86 1.84 1.82 1.80 1.76 1.72 1.70 1.68 1.65 1.60 1.58 1.52 1.48 1.46
70 5.25 3.89 3.31 2.97 2.75 2.59 2.47 2.38 2.30 2.24 2.18 2.14 2.10 2.06 2.03 2.00 1.97 1.95 1.93 1.91 1.88 1.85 1.82 1.80 1.78 1.74 1.71 1.68 1.66 1.63 1.59 1.56 1.50 1.46 1.44
75 5.23 3.88 3.30 2.96 2.74 2.58 2.46 2.37 2.29 2.22 2.17 2.12 2.08 2.05 2.01 1.99 1.96 1.94 1.92 1.90 1.86 1.83 1.81 1.78 1.76 1.72 1.69 1.67 1.65 1.61 1.57 1.54 1.48 1.44 1.42
80 5.22 3.86 3.28 2.95 2.73 2.57 2.45 2.35 2.28 2.21 2.16 2.11 2.07 2.03 2.00 1.97 1.95 1.92 1.90 1.88 1.85 1.82 1.79 1.77 1.75 1.71 1.68 1.65 1.63 1.60 1.55 1.53 1.47 1.43 1.41
85 5.21 3.85 3.27 2.94 2.72 2.56 2.44 2.35 2.27 2.20 2.15 2.10 2.06 2.02 1.99 1.96 1.94 1.91 1.89 1.87 1.84 1.81 1.78 1.76 1.74 1.70 1.67 1.64 1.62 1.59 1.54 1.51 1.45 1.41 1.39
90 5.20 3.84 3.26 2.93 2.71 2.55 2.43 2.34 2.26 2.19 2.14 2.09 2.05 2.02 1.98 1.95 1.93 1.91 1.88 1.86 1.83 1.80 1.77 1.75 1.73 1.69 1.66 1.63 1.61 1.58 1.53 1.50 1.44 1.40 1.38
95 5.19 3.84 3.26 2.92 2.70 2.54 2.42 2.33 2.25 2.19 2.13 2.08 2.04 2.01 1.98 1.95 1.92 1.90 1.88 1.86 1.82 1.79 1.77 1.74 1.72 1.68 1.65 1.62 1.60 1.57 1.52 1.49 1.43 1.39 1.37
100 5.18 3.83 3.25 2.92 2.70 2.54 2.42 2.32 2.24 2.18 2.12 2.08 2.04 2.00 1.97 1.94 1.91 1.89 1.87 1.85 1.81 1.78 1.76 1.74 1.71 1.67 1.64 1.61 1.59 1.56 1.51 1.48 1.42 1.38 1.36
125 5.15 3.80 3.22 2.89 2.67 2.51 2.39 2.30 2.22 2.15 2.10 2.05 2.01 1.97 1.94 1.91 1.89 1.86 1.84 1.82 1.79 1.75 1.73 1.71 1.68 1.64 1.61 1.58 1.56 1.52 1.48 1.45 1.38 1.34 1.31
150 5.13 3.78 3.20 2.87 2.65 2.49 2.37 2.28 2.20 2.13 2.08 2.03 1.99 1.95 1.92 1.89 1.87 1.84 1.82 1.80 1.77 1.74 1.71 1.69 1.67 1.62 1.59 1.56 1.54 1.50 1.45 1.42 1.35 1.31 1.28
200 5.10 3.76 3.18 2.85 2.63 2.47 2.35 2.26 2.18 2.11 2.06 2.01 1.97 1.93 1.90 1.87 1.84 1.82 1.80 1.78 1.74 1.71 1.68 1.66 1.64 1.60 1.56 1.53 1.51 1.47 1.42 1.39 1.32 1.27 1.24
300 5.07 3.73 3.16 2.83 2.61 2.45 2.33 2.23 2.16 2.09 2.04 1.99 1.95 1.91 1.88 1.85 1.82 1.80 1.77 1.75 1.72 1.69 1.66 1.64 1.62 1.57 1.54 1.51 1.48 1.45 1.39 1.36 1.28 1.23 1.19
500 5.05 3.72 3.14 2.81 2.59 2.43 2.31 2.22 2.14 2.07 2.02 1.97 1.93 1.89 1.86 1.83 1.80 1.78 1.76 1.74 1.70 1.67 1.64 1.62 1.60 1.55 1.52 1.49 1.46 1.42 1.37 1.34 1.25 1.19 1.15
100
5.04 3.70 3.13 2.80 2.58 2.42 2.30 2.20 2.13 2.06 2.01 1.96 1.92 1.88 1.85 1.82 1.79 1.77 1.74 1.72 1.69 1.65 1.63 1.60 1.58 1.54 1.50 1.47 1.45 1.41 1.35 1.32 1.23 1.16 1.11
0
200
5.03 3.70 3.12 2.79 2.57 2.41 2.29 2.20 2.12 2.05 2.00 1.95 1.91 1.87 1.84 1.81 1.78 1.76 1.74 1.72 1.68 1.65 1.62 1.60 1.57 1.53 1.49 1.46 1.44 1.40 1.34 1.31 1.22 1.15 1.09
0

26

Table : Loi de Fisher-Snedecor

Valeur f de la variable de Fisher-Snedecor F (1 ; 2 ) ayant la probabilit 0.01 d'tre dpasse
1 : degrs de libert du numrateur
2 : degrs de libert du dnominateur

10

11

12

13

14

15

16

17

18

19

20

22

24

26

28

30

35

40

45

50

60

80

100 200 500 1000

4052 499 540 562 576 585 592 598 602 605 608 610 612 614 615 617 618 619 620 620 622 623 624 625 626 627 628 629 630 631 632 633 634 635 6362
1
.18 9.34 3.53 4.26 3.96 8.95 8.33 0.95 2.40 5.93 3.40 6.68 5.77 3.00 6.97 0.01 1.19 1.43 0.75 8.66 3.10 4.27 4.52 2.90 0.35 5.25 6.43 5.74 2.26 2.97 6.47 3.92 9.76 9.54 .80
2

98.5 99.0 99.1 99.2 99.3 99.3 99.3 99.3 99.3 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.4 99.5 99.5
0
0
6
5
0
3
6
8
9
0
1
2
2
3
3
4
4
4
5
5
6
6
6
6
7
7
8
8
8
8
8
9
9
0
0

34.1 30.8 29.4 28.7 28.2 27.9 27.6 27.4 27.3 27.2 27.1 27.0 26.9 26.9 26.8 26.8 26.7 26.7 26.7 26.6 26.6 26.6 26.5 26.5 26.5 26.4 26.4 26.3 26.3 26.3 26.2 26.2 26.1 26.1 26.1
2
2
6
1
4
1
7
9
4
3
3
5
8
2
7
3
9
5
2
9
4
0
6
3
0
5
1
8
5
2
7
4
8
5
4

21.2 18.0 16.6 15.9 15.5 15.2 14.9 14.8 14.6 14.5 14.4 14.3 14.3 14.2 14.2 14.1 14.1 14.0 14.0 14.0 13.9 13.9 13.8 13.8 13.8 13.7 13.7 13.7 13.6 13.6 13.6 13.5 13.5 13.4 13.4
0
0
9
8
2
1
8
0
6
5
5
7
1
5
0
5
1
8
5
2
7
3
9
6
4
9
5
1
9
5
1
8
2
9
7

16.2 13.2 12.0 11.3 10.9 10.6 10.4 10.2 10.1 10.0
9.96 9.89 9.82 9.77 9.72 9.68 9.64 9.61 9.58 9.55 9.51 9.47 9.43 9.40 9.38 9.33 9.29 9.26 9.24 9.20 9.16 9.13 9.08 9.04 9.03
6
7
6
9
7
7
6
9
6
5

13.7 10.9
9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.66 7.60 7.56 7.52 7.48 7.45 7.42 7.40 7.35 7.31 7.28 7.25 7.23 7.18 7.14 7.11 7.09 7.06 7.01 6.99 6.93 6.90 6.89
5
2

12.2
9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.54 6.47 6.41 6.36 6.31 6.28 6.24 6.21 6.18 6.16 6.11 6.07 6.04 6.02 5.99 5.94 5.91 5.88 5.86 5.82 5.78 5.75 5.70 5.67 5.66
5

11.2
8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.61 5.56 5.52 5.48 5.44 5.41 5.38 5.36 5.32 5.28 5.25 5.22 5.20 5.15 5.12 5.09 5.07 5.03 4.99 4.96 4.91 4.88 4.87
6

10.5
8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.18 5.11 5.05 5.01 4.96 4.92 4.89 4.86 4.83 4.81 4.77 4.73 4.70 4.67 4.65 4.60 4.57 4.54 4.52 4.48 4.44 4.41 4.36 4.33 4.32
6

10

10.0
7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.77 4.71 4.65 4.60 4.56 4.52 4.49 4.46 4.43 4.41 4.36 4.33 4.30 4.27 4.25 4.20 4.17 4.14 4.12 4.08 4.04 4.01 3.96 3.93 3.92
4

11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.46 4.40 4.34 4.29 4.25 4.21 4.18 4.15 4.12 4.10 4.06 4.02 3.99 3.96 3.94 3.89 3.86 3.83 3.81 3.78 3.73 3.71 3.66 3.62 3.61
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.22 4.16 4.10 4.05 4.01 3.97 3.94 3.91 3.88 3.86 3.82 3.78 3.75 3.72 3.70 3.65 3.62 3.59 3.57 3.54 3.49 3.47 3.41 3.38 3.37
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.91 3.86 3.82 3.78 3.75 3.72 3.69 3.66 3.62 3.59 3.56 3.53 3.51 3.46 3.43 3.40 3.38 3.34 3.30 3.27 3.22 3.19 3.18
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.75 3.70 3.66 3.62 3.59 3.56 3.53 3.51 3.46 3.43 3.40 3.37 3.35 3.30 3.27 3.24 3.22 3.18 3.14 3.11 3.06 3.03 3.02
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.61 3.56 3.52 3.49 3.45 3.42 3.40 3.37 3.33 3.29 3.26 3.24 3.21 3.17 3.13 3.10 3.08 3.05 3.00 2.98 2.92 2.89 2.88
16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.62 3.55 3.50 3.45 3.41 3.37 3.34 3.31 3.28 3.26 3.22 3.18 3.15 3.12 3.10 3.05 3.02 2.99 2.97 2.93 2.89 2.86 2.81 2.78 2.76
17 8.40 6.11 5.19 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.46 3.40 3.35 3.31 3.27 3.24 3.21 3.19 3.16 3.12 3.08 3.05 3.03 3.00 2.96 2.92 2.89 2.87 2.83 2.79 2.76 2.71 2.68 2.66
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.43 3.37 3.32 3.27 3.23 3.19 3.16 3.13 3.10 3.08 3.03 3.00 2.97 2.94 2.92 2.87 2.84 2.81 2.78 2.75 2.70 2.68 2.62 2.59 2.58
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.24 3.19 3.15 3.12 3.08 3.05 3.03 3.00 2.96 2.92 2.89 2.87 2.84 2.80 2.76 2.73 2.71 2.67 2.63 2.60 2.55 2.51 2.50
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.29 3.23 3.18 3.13 3.09 3.05 3.02 2.99 2.96 2.94 2.90 2.86 2.83 2.80 2.78 2.73 2.69 2.67 2.64 2.61 2.56 2.54 2.48 2.44 2.43
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.24 3.17 3.12 3.07 3.03 2.99 2.96 2.93 2.90 2.88 2.84 2.80 2.77 2.74 2.72 2.67 2.64 2.61 2.58 2.55 2.50 2.48 2.42 2.38 2.37

27

22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.18 3.12 3.07 3.02 2.98 2.94 2.91 2.88 2.85 2.83 2.78 2.75 2.72 2.69 2.67 2.62 2.58 2.55 2.53 2.50 2.45 2.42 2.36 2.33 2.32
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.14 3.07 3.02 2.97 2.93 2.89 2.86 2.83 2.80 2.78 2.74 2.70 2.67 2.64 2.62 2.57 2.54 2.51 2.48 2.45 2.40 2.37 2.32 2.28 2.27
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 3.09 3.03 2.98 2.93 2.89 2.85 2.82 2.79 2.76 2.74 2.70 2.66 2.63 2.60 2.58 2.53 2.49 2.46 2.44 2.40 2.36 2.33 2.27 2.24 2.22
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 3.06 2.99 2.94 2.89 2.85 2.81 2.78 2.75 2.72 2.70 2.66 2.62 2.59 2.56 2.54 2.49 2.45 2.42 2.40 2.36 2.32 2.29 2.23 2.19 2.18
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 3.02 2.96 2.90 2.86 2.81 2.78 2.75 2.72 2.69 2.66 2.62 2.58 2.55 2.53 2.50 2.45 2.42 2.39 2.36 2.33 2.28 2.25 2.19 2.16 2.14
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.99 2.93 2.87 2.82 2.78 2.75 2.71 2.68 2.66 2.63 2.59 2.55 2.52 2.49 2.47 2.42 2.38 2.35 2.33 2.29 2.25 2.22 2.16 2.12 2.11
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.96 2.90 2.84 2.79 2.75 2.72 2.68 2.65 2.63 2.60 2.56 2.52 2.49 2.46 2.44 2.39 2.35 2.32 2.30 2.26 2.22 2.19 2.13 2.09 2.08
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.93 2.87 2.81 2.77 2.73 2.69 2.66 2.63 2.60 2.57 2.53 2.49 2.46 2.44 2.41 2.36 2.33 2.30 2.27 2.23 2.19 2.16 2.10 2.06 2.05
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.91 2.84 2.79 2.74 2.70 2.66 2.63 2.60 2.57 2.55 2.51 2.47 2.44 2.41 2.39 2.34 2.30 2.27 2.25 2.21 2.16 2.13 2.07 2.03 2.02
32 7.50 5.34 4.46 3.97 3.65 3.43 3.26 3.13 3.02 2.93 2.86 2.80 2.74 2.70 2.65 2.62 2.58 2.55 2.53 2.50 2.46 2.42 2.39 2.36 2.34 2.29 2.25 2.22 2.20 2.16 2.11 2.08 2.02 1.98 1.97
34 7.44 5.29 4.42 3.93 3.61 3.39 3.22 3.09 2.98 2.89 2.82 2.76 2.70 2.66 2.61 2.58 2.54 2.51 2.49 2.46 2.42 2.38 2.35 2.32 2.30 2.25 2.21 2.18 2.16 2.12 2.07 2.04 1.98 1.94 1.92
36 7.40 5.25 4.38 3.89 3.57 3.35 3.18 3.05 2.95 2.86 2.79 2.72 2.67 2.62 2.58 2.54 2.51 2.48 2.45 2.43 2.38 2.35 2.32 2.29 2.26 2.21 2.18 2.14 2.12 2.08 2.03 2.00 1.94 1.90 1.89
38 7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.92 2.83 2.75 2.69 2.64 2.59 2.55 2.51 2.48 2.45 2.42 2.40 2.35 2.32 2.28 2.26 2.23 2.18 2.14 2.11 2.09 2.05 2.00 1.97 1.90 1.86 1.85
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.73 2.66 2.61 2.56 2.52 2.48 2.45 2.42 2.39 2.37 2.33 2.29 2.26 2.23 2.20 2.15 2.11 2.08 2.06 2.02 1.97 1.94 1.87 1.83 1.82
42 7.28 5.15 4.29 3.80 3.49 3.27 3.10 2.97 2.86 2.78 2.70 2.64 2.59 2.54 2.50 2.46 2.43 2.40 2.37 2.34 2.30 2.26 2.23 2.20 2.18 2.13 2.09 2.06 2.03 1.99 1.94 1.91 1.85 1.80 1.79
44 7.25 5.12 4.26 3.78 3.47 3.24 3.08 2.95 2.84 2.75 2.68 2.62 2.56 2.52 2.47 2.44 2.40 2.37 2.35 2.32 2.28 2.24 2.21 2.18 2.15 2.10 2.07 2.03 2.01 1.97 1.92 1.89 1.82 1.78 1.76
46 7.22 5.10 4.24 3.76 3.44 3.22 3.06 2.93 2.82 2.73 2.66 2.60 2.54 2.50 2.45 2.42 2.38 2.35 2.33 2.30 2.26 2.22 2.19 2.16 2.13 2.08 2.04 2.01 1.99 1.95 1.90 1.86 1.80 1.76 1.74
48 7.19 5.08 4.22 3.74 3.43 3.20 3.04 2.91 2.80 2.71 2.64 2.58 2.53 2.48 2.44 2.40 2.37 2.33 2.31 2.28 2.24 2.20 2.17 2.14 2.12 2.06 2.02 1.99 1.97 1.93 1.88 1.84 1.78 1.73 1.72
50 7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70 2.63 2.56 2.51 2.46 2.42 2.38 2.35 2.32 2.29 2.27 2.22 2.18 2.15 2.12 2.10 2.05 2.01 1.97 1.95 1.91 1.86 1.82 1.76 1.71 1.70
55 7.12 5.01 4.16 3.68 3.37 3.15 2.98 2.85 2.75 2.66 2.59 2.53 2.47 2.42 2.38 2.34 2.31 2.28 2.25 2.23 2.18 2.15 2.11 2.08 2.06 2.01 1.97 1.94 1.91 1.87 1.82 1.78 1.71 1.67 1.65
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.56 2.50 2.44 2.39 2.35 2.31 2.28 2.25 2.22 2.20 2.15 2.12 2.08 2.05 2.03 1.98 1.94 1.90 1.88 1.84 1.78 1.75 1.68 1.63 1.62
65 7.04 4.95 4.10 3.62 3.31 3.09 2.93 2.80 2.69 2.61 2.53 2.47 2.42 2.37 2.33 2.29 2.26 2.23 2.20 2.17 2.13 2.09 2.06 2.03 2.00 1.95 1.91 1.88 1.85 1.81 1.75 1.72 1.65 1.60 1.59
70 7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59 2.51 2.45 2.40 2.35 2.31 2.27 2.23 2.20 2.18 2.15 2.11 2.07 2.03 2.01 1.98 1.93 1.89 1.85 1.83 1.78 1.73 1.70 1.62 1.57 1.56
75 6.99 4.90 4.05 3.58 3.27 3.05 2.89 2.76 2.65 2.57 2.49 2.43 2.38 2.33 2.29 2.25 2.22 2.18 2.16 2.13 2.09 2.05 2.02 1.99 1.96 1.91 1.87 1.83 1.81 1.76 1.71 1.67 1.60 1.55 1.53
80 6.96 4.88 4.04 3.56 3.26 3.04 2.87 2.74 2.64 2.55 2.48 2.42 2.36 2.31 2.27 2.23 2.20 2.17 2.14 2.12 2.07 2.03 2.00 1.97 1.94 1.89 1.85 1.82 1.79 1.75 1.69 1.65 1.58 1.53 1.51
85 6.94 4.86 4.02 3.55 3.24 3.02 2.86 2.73 2.62 2.54 2.46 2.40 2.35 2.30 2.26 2.22 2.19 2.15 2.13 2.10 2.06 2.02 1.98 1.95 1.93 1.88 1.83 1.80 1.77 1.73 1.67 1.64 1.56 1.51 1.49
90 6.93 4.85 4.01 3.53 3.23 3.01 2.84 2.72 2.61 2.52 2.45 2.39 2.33 2.29 2.24 2.21 2.17 2.14 2.11 2.09 2.04 2.00 1.97 1.94 1.92 1.86 1.82 1.79 1.76 1.72 1.66 1.62 1.55 1.49 1.48
95 6.91 4.84 3.99 3.52 3.22 3.00 2.83 2.70 2.60 2.51 2.44 2.38 2.32 2.28 2.23 2.20 2.16 2.13 2.10 2.08 2.03 1.99 1.96 1.93 1.90 1.85 1.81 1.77 1.75 1.70 1.65 1.61 1.53 1.48 1.46
100 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50 2.43 2.37 2.31 2.27 2.22 2.19 2.15 2.12 2.09 2.07 2.02 1.98 1.95 1.92 1.89 1.84 1.80 1.76 1.74 1.69 1.63 1.60 1.52 1.47 1.45
125 6.84 4.78 3.94 3.47 3.17 2.95 2.79 2.66 2.55 2.47 2.39 2.33 2.28 2.23 2.19 2.15 2.11 2.08 2.05 2.03 1.98 1.94 1.91 1.88 1.85 1.80 1.76 1.72 1.69 1.65 1.59 1.55 1.47 1.41 1.39
150 6.81 4.75 3.91 3.45 3.14 2.92 2.76 2.63 2.53 2.44 2.37 2.31 2.25 2.20 2.16 2.12 2.09 2.06 2.03 2.00 1.96 1.92 1.88 1.85 1.83 1.77 1.73 1.69 1.66 1.62 1.56 1.52 1.43 1.38 1.35
200 6.76 4.71 3.88 3.41 3.11 2.89 2.73 2.60 2.50 2.41 2.34 2.27 2.22 2.17 2.13 2.09 2.06 2.03 2.00 1.97 1.93 1.89 1.85 1.82 1.79 1.74 1.69 1.66 1.63 1.58 1.52 1.48 1.39 1.33 1.30
300 6.72 4.68 3.85 3.38 3.08 2.86 2.70 2.57 2.47 2.38 2.31 2.24 2.19 2.14 2.10 2.06 2.03 1.99 1.97 1.94 1.89 1.85 1.82 1.79 1.76 1.70 1.66 1.62 1.59 1.55 1.48 1.44 1.35 1.28 1.25
500 6.69 4.65 3.82 3.36 3.05 2.84 2.68 2.55 2.44 2.36 2.28 2.22 2.17 2.12 2.07 2.04 2.00 1.97 1.94 1.92 1.87 1.83 1.79 1.76 1.74 1.68 1.63 1.60 1.57 1.52 1.45 1.41 1.31 1.23 1.20
100
6.66 4.63 3.80 3.34 3.04 2.82 2.66 2.53 2.43 2.34 2.27 2.20 2.15 2.10 2.06 2.02 1.98 1.95 1.92 1.90 1.85 1.81 1.77 1.74 1.72 1.66 1.61 1.58 1.54 1.50 1.43 1.38 1.28 1.19 1.16
0
200
6.65 4.62 3.79 3.33 3.03 2.81 2.65 2.52 2.42 2.33 2.26 2.19 2.14 2.09 2.05 2.01
0

28

29

Fractiles
Another numerical descriptor for the span of frequency distributions is the
fractile. A p-fractile is defined as the x-value of the distribution which includes
p*N observations, with 0<p<1 and N being the number of observations. An
example may clarify this: the 0.1-fractile of the distribution shown below is 14.6,
as it includes 10 % of all observations (starting from the left).

The p-fractile is also called P-percentile, with P=p*100.

There are a few special fractiles which have their own definition:
1. quartile = 0.25-fractile
2. quartile = 0.5-fractile = median
3. quartile = 0.75 fractile

30

Quartile
Quartiles partition - as the name suggests - the corresponding distribution into
four quarters each containing 25% of the data. A particular quartile is therefore
the border between two neighboring quarters of the distribution.

The calculation of the quartiles is sometimes not quite clear (especially if the
number of observations of a sample is not divisible by four). We therefore provide
exact instructions how to calculate the quartiles. Assuming a sample of N
observations the quartiles are defined as follows ("round" stands for the
rounding to the nearest integer):
1. quartile: the value of the sorted series of observations having the
position
x = round(0.25*(N+1))
2. quartile (median): if N is even, Q2 is the mean of the two values at the
positions N/2 and N/2+1; if N is odd, Q2 is the value at the position (N+1)/2
3. quartile: the value of the sorted series having the position x =
round(0.75*(N+1))
Example:
Assume that we have obtained the following 20 observations:
2, 4, 7, -20, 22, -1, 0, -1, 7, 15, 8, 4, -4, 11, 11, 12, 3, 12, 18, 1
In order to calculate the quartiles we first have to sort the
observations:
-20, -4, -1, -1, 0, 1, 2, 3, 4, 4, 7, 7, 8, 11, 11, 12, 12, 15, 18, 22
The position of the first quartile is x = round(0.25*(20+1)) =
round(5.25) = 5, which means that Q 1 is the 5th value of the sorted
series, namely Q1 = 0. The other quartiles are calculated in the same
way resulting in Q2 = 5.5 and Q3 = 12.
Remark on practical aspects: quartiles are usually calculated only for samples
with more than 12 observations (a minimum of 20 observations would be even
better).

31

Median
When considering the distribution curve (or the histogram) of a sample, the
median is the location which divides the area under the curve (or the area of the
histogram) into two equal halves. The relative position of the mode, the median,
and the mean provides an indication of the skewness of a distribution:

The median is calculated as follows:

Sort all values in ascending order.
If the number of values is odd, take the middle number.
If the number of values is even, take the average of the middle two numbers.
The sum of absolute deviations of sample scores from their median is lower than
the absolute deviations from any other value. Under certain circumstances the
median may be a more stable measure of location than the mean. The median in
particular is less prone to outliers (extreme values) than the mean. Median
statistics is therefore often used with robust statistics.
Example:
Calculate the median of the following values: 4.4, 5.1, 4.1, 6.2, 5.7, 5.6, 7.0
Sort the seven values : 4.1, 4.4, 5.1, 5.6, 5.7, 6.2, 7.0
Pick the middle value (since the number of values is odd) as the median: 5.6

32

Skewness
A distribution is said to skewed to the right (left) if it shows a tailing off at the
right (left). The amount of skewing can be determined by the third moment of
the distribution, which is usually called skewness:

Please note that the skewness is occasionally defined by a somewhat different

formula, leading to different values.
Below you find two examples of skewed distributions. You may also start the
following interactive example in order to see the effect of skewed distributions
on the mean and the median.

Outliers
Outliers are extreme values that stand out from the other values of a sample.
Outliers normally have a considerable influence on the calculation of statistics
(see e.g. the leverage effect with linear regression) and should be removed in
most cases. You should also note that outliers may result simply from the fact
that you assume a distribution which does not fit the real distribution of the data.
Typical examples of outliers are errors in measurement, errors in acquisition
(human influences...), or (rare) outstanding values. An important question
concerning outliers is whether it is legitimate to remove a particular value after
it has been recognized as an outlier. Of course, statistical tests cannot decide, if
it is appropriate to remove such values. They can only give you a hint if a
significant deviation exists (basically, outlier tests are based on the probabilities
to belong to the assumed distribution).
Leverage Effect
The term leverage is commonly used for an undesirable effect which is
experienced with regression analysis (as well as with other methods). It basically
means that a single data point which is located well outside the bulk of the data
(an "outlier") has an overproportional effect on the resulting regression curve. A
simple interactive example will demonstrate this effect. Depending on the
number of the samples and the distance of the outlier from the rest of the data,
33

this effect may completely corrupt a regression model which would be quite good
in the absence of an outlier.

Quantile
Les quantiles sont des points essentiels pris des intervalles rguliers verticaux
d'une fonction de distribution cumulative d'une variable alatoire. Diviser des
donnes ordonnes en q sous-jeux de donnes de dimension essentiellement
gale est la motivation des q-quantiles ; les quantiles sont les valeurs de donnes
marquant les limites entre deux sous-jeux conscutifs.
Certains quantiles ont des noms spciaux :
Les 100-quantiles sont appels centiles ou percentiles selon un anglicisme
frquent ;
Les 10-quantiles sont appels dciles ;
Les 5-quantiles sont appels quintiles ;
Les 4-quantiles sont appels quartiles.
Certains programmes informatiques dfinissent le quantile minimum et le
quantile maximum par respectivement le quantile d'ordre 0 et le quantile d'ordre
100. Toutefois, une telle terminologie va au-del des dfinitions traditionnelles de
la statistique. Pour une population infinie, le p-ime q-quantile est la valeur des
donnes o la fonction de distribution cumulative vaut p/q. Pour un nombre fini
N de tirages, il faut calculer Np/q--si ce n'est pas un entier, alors il faut arrondir
l'entier suprieur pour obtenir une valeur approche (en supposant que les
tirages sont ordonns par valeur croissante) ; si c'est un entier alors n'importe
quelle valeur depuis la valeur de ce tirage jusqu' la valeur du prochain tirage
peut tre choisie pour le quantile, et conventionnellement (mais c'est tout--fait
arbitraire) on prend la moyenne de ces deux valeurs.
Plus formellement : le p-ime q-quantile de la distribution de la variable alatoire
X peut tre dfinie comme la valeur(s) x telle que:

34

Si au lieu de prendre p et q comme des entiers, le p-quantile est bas sur un

nombre rel p avec 0<p<1 alors ceci devient:
le p-quantile de la distribution de la valeur alatoire X peut tre dfinie
comme la valeur(s) x telle que :
Les rsultats standardiss de tests sont communment mal interprts: Nous
disons souvent "dans le 80me centile". En fait, nous disons cel comme si le
80me centile tait un intervalle dans laquelle nous devions nous placer, ce qui
n'est pas le cas; On peut se placer sur un quelconque centile ou entre deux
centiles, mais pas dans un centile.
Si une distribution est symtrique, alors la mdiane est la moyenne, mais ce n'est
pas gnralement le cas.
Les quantiles sont des mesures utiles parce qu'elles sont moins sensibles aux
distributions allonges et aux valeurs aberrantes. Par exemple, avec une valeur
alatoire qui suit une distribution exponentielle, n'importe quel chantillon
particulier de cette variable alatoire aura approximativement une chance de
63% d'tre infrieure la moyenne. Ceci est du la prsence d'une longue
queue de la distribution exponentielle dans les valeurs positives, qui est absente
dans les valeurs ngatives.
Empiriquement, si les donnes que vous analysez ne sont pas distribues comme
la distribution que vous attendiez, o si une autre source de valeurs aberrantes
influent sur la valeur de la moyenne, alors les quantiles sont des statistiques bien
plus utiles que la moyenne ou autres types de moments statistiques.
La rgression robuste est fortement lie ce sujet. Elle utilise la somme des
valeurs absolues des valeurs observes, au lieu des erreurs au carr. La
connexion se situe sur le fait que la moyenne est parmi les estimateurs lis une
distribution le seul qui minimise l'esprance du carr des erreurs, tandis que la
mdiane minimise l'esprance de l'erreur absolue. La rgression robuste partage
la capacit d'tre relativement insensible aux larges dviations dues certaines
observations aberrantes.
Les quantiles d'une variable alatoire sont gnralement prservs lors de
transformations ascendantes, ce qui signifie que par exemple si m est la mdiane
d'une variable alatoire X alors 2m est la mdiane de 2X, moins qu'un choix
arbitraire aie t fait partir d'une plage de valeurs, pour spcifier un quantile
particulier. Les quantiles peuvent aussi tre utiliss dans les cas o seulement
des donnes ordinales sont disponibles.
Calcul des quantiles
Il existe diffrentes mthodes pour estimer les quantiles :
Soit N le nombre de valeurs non-manquantes de la population chantillonne, et
soit
les valeurs ordonnes de la mme population, telles que x1 est
la plus petite valeur, etc. Pour la k-ime q-quantile, nous avons p = k / q.
Fonction de distribution empirique

35

j est la partie entire de

et g est la part

fractionnelle.
Fonction de distribution empirique avec mise la moyenne
j est la partie entire de

et g est la part

fractionnelle.
Moyenne pondre
j est la partie entire de
et g est la partie fractionnelle. Cette
mthode est utilise, par exemple, dans la fonction PERCENTILE de Microsoft
Excel.
Echantillon de numro le plus proche de (N-1)p+1
j est la partie entire de

et g est la partie

fractionnelle.

36