{"id":2214,"date":"2026-10-14T18:00:49","date_gmt":"2026-10-14T18:00:49","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-trouver-moyenne-mediane-mode-excel-exemples\/"},"modified":"2026-10-14T18:00:49","modified_gmt":"2026-10-14T18:00:49","slug":"comment-trouver-moyenne-mediane-mode-excel-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-trouver-moyenne-mediane-mode-excel-exemples","title":{"rendered":"Comment trouver la moyenne, la m\u00e9diane et le mode dans Excel (avec exemples)"},"content":{"rendered":"

L’analyse exploratoire de donn\u00e9es quantitatives constitue le socle m\u00e9thodologique fondamental sur lequel reposent la recherche scientifique contemporaine, l’\u00e9valuation clinique et la mod\u00e9lisation d\u00e9cisionnelle en entreprise. Face \u00e0 des ensembles d’observations num\u00e9riques complexes et multidimensionnels, le chercheur ou le statisticien est confront\u00e9 \u00e0 la n\u00e9cessit\u00e9 imp\u00e9rieuse de synth\u00e9tiser l’information sans en d\u00e9naturer la structure sous-jacente. Cette op\u00e9ration de r\u00e9duction dimensionnelle univari\u00e9e s’articule traditionnellement autour des param\u00e8tres de tendance centrale : la moyenne arithm\u00e9tique, la m\u00e9diane et le mode. Chacun de ces indices offre une perspective g\u00e9om\u00e9trique et probabiliste singuli\u00e8re sur le centre de gravit\u00e9 d’une distribution statistique, r\u00e9pondant \u00e0 des axiomes math\u00e9matiques distincts et \u00e0 des exigences de mesure sp\u00e9cifiques formul\u00e9es notamment dans le cadre de la th\u00e9orie des \u00e9chelles de mesure.<\/p>\n

Dans cet \u00e9cosyst\u00e8me analytique, le logiciel Microsoft Excel s’est impos\u00e9 non seulement comme un outil bureautique universel, mais \u00e9galement comme une plateforme d’ing\u00e9nierie statistique largement exploit\u00e9e dans les laboratoires de recherche en sciences humaines, les d\u00e9partements d’\u00e9pid\u00e9miologie et les directions financi\u00e8res. Dot\u00e9 d’un moteur de calcul conforme aux normes industrielles internationales de calcul en virgule flottante, le tableur propose une panoplie de fonctions d\u00e9di\u00e9es \u00e0 l’\u00e9valuation param\u00e9trique et non param\u00e9trique de la position centrale. Toutefois, la transposition d’un concept alg\u00e9brique abstrait vers une cellule de feuille de calcul requiert une ma\u00eetrise rigoureuse de la syntaxe, une compr\u00e9hension approfondie des m\u00e9canismes de gestion des types de donn\u00e9es et une vigilance constante quant au traitement des valeurs aberrantes et des donn\u00e9es manquantes.<\/p>\n

Le pr\u00e9sent trait\u00e9 m\u00e9thodologique propose une exploration exhaustive, th\u00e9orique et appliqu\u00e9e de la d\u00e9termination de la moyenne, de la m\u00e9diane et du mode sous Microsoft Excel. En articulant formalisation math\u00e9matique rigoureuse, cas cliniques psychom\u00e9triques et protocoles algorithmiques pas \u00e0 pas, ce guide vise \u00e0 doter les analystes des comp\u00e9tences techniques n\u00e9cessaires pour manipuler avec assurance les formules natives, concevoir des requ\u00eates matricielles conditionnelles et interpr\u00e9ter avec acuit\u00e9 les divergences structurelles existant entre ces trois indicateurs statistiques.<\/p>\n

1. Introduction aux mesures de tendance centrale dans l’analyse de donn\u00e9es sous Excel<\/h2>\n

La statistique descriptive univari\u00e9e vise principalement \u00e0 r\u00e9sumer une distribution de valeurs observ\u00e9es sur un \u00e9chantillon ou une population donn\u00e9e au moyen d’un nombre restreint de valeurs synth\u00e9tiques. Parmi ces param\u00e8tres, les mesures de tendance centrale ou param\u00e8tres de position occupent une place pr\u00e9pond\u00e9rante, car elles fournissent une estimation quantitative du centre de gravit\u00e9 autour duquel s’agr\u00e8gent les donn\u00e9es.<\/p>\n

1.1 Importance \u00e9pist\u00e9mologique des param\u00e8tres de position en statistique descriptive<\/h3>\n

D’un point de vue \u00e9pist\u00e9mologique, la mesure de la tendance centrale r\u00e9pond \u00e0 l’imp\u00e9ratif de r\u00e9duction de l’information brute. Une s\u00e9rie statistique brute comportant plusieurs centaines ou milliers d’enregistrements est inaccessible \u00e0 l’intuition cognitive directe. Le recours aux r\u00e9sum\u00e9s num\u00e9riques permet de condenser cette masse de donn\u00e9es en une valeur prototypique unique, susceptible de repr\u00e9senter le comportement g\u00e9n\u00e9ral du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9. Dans le domaine de la psychom\u00e9trie, de la sociologie quantitative et de la biom\u00e9decine, cette simplification est indispensable pour caract\u00e9riser des populations exp\u00e9rimentales, mesurer l’efficacit\u00e9 d’interventions th\u00e9rapeutiques ou calibrer des outils standardis\u00e9s de diagnostic psychologique.<\/p>\n

Toutefois, la synth\u00e8se univari\u00e9e comporte des limites inh\u00e9rentes qu’il convient de souligner avec gravit\u00e9. R\u00e9sumer une distribution h\u00e9t\u00e9rog\u00e8ne, asym\u00e9trique ou multimodale par un unique scalaire engendre in\u00e9vitablement une perte substantielle d’information structurelle. Deux distributions totalement divergentes sur le plan de la dispersion ou de l’asym\u00e9trie peuvent pr\u00e9senter une moyenne ou une m\u00e9diane rigoureusement identique. Par cons\u00e9quent, l’utilisation de ces m\u00e9triques de position centrale ne saurait s’\u00e9manciper d’une analyse conjointe de la dispersion, mat\u00e9rialis\u00e9e par la variance, l’\u00e9cart-type ou l’intervalle interquartile. Dans les protocoles de recherche exp\u00e9rimentale rigoureux, l’arbitrage entre l’usage d’estimateurs param\u00e9triques et non param\u00e9triques d\u00e9pend fondamentalement de la structure probabiliste des donn\u00e9es et du respect des postulats de normalit\u00e9.<\/p>\n

L’estimation param\u00e9trique, traditionnellement incarn\u00e9e par la moyenne arithm\u00e9tique, postule une relative conformit\u00e9 du jeu de donn\u00e9es \u00e0 une distribution gaussienne th\u00e9orique. Lorsque ces hypoth\u00e8ses sous-jacentes sont viol\u00e9es en raison d’une forte asym\u00e9trie ou de l’\u00e9mergence d’observations extr\u00eames issues de perturbations d’\u00e9chantillonnage, les estimateurs non param\u00e9triques ou robustes, tels que la m\u00e9diane et la moyenne tronqu\u00e9e, deviennent indispensables pour pr\u00e9server la validit\u00e9 interne des conclusions inf\u00e9rentielles.<\/p>\n

1.2 Excel comme instrument d’analyse quantitative rigoureuse<\/h3>\n

Longtemps per\u00e7u par la communaut\u00e9 acad\u00e9mique comme un simple outil de comptabilit\u00e9 administrative, Microsoft Excel<\/a> a b\u00e9n\u00e9fici\u00e9 d’\u00e9volutions logicielles majeures au cours des deux derni\u00e8res d\u00e9cennies, consolidant ses algorithmes math\u00e9matiques internes. Les versions contemporaines du tableur int\u00e8grent une pr\u00e9cision arithm\u00e9tique rigoureusement adoss\u00e9e \u00e0 la norme internationale IEEE 754 relative \u00e0 l’arithm\u00e9tique en virgule flottante double pr\u00e9cision. Cette normalisation garantit que les calculs de sommes, de produits et d’interpolations statistiques atteignent un niveau d’exactitude num\u00e9rique \u00e9quivalent \u00e0 celui des progiciels statistiques sp\u00e9cialis\u00e9s pour la vaste majorit\u00e9 des applications exploratoires et pr\u00e9dictives standard.<\/p>\n

L’environnement tableur pr\u00e9sente une valeur p\u00e9dagogique et op\u00e9ratoire exceptionnelle pour l’enseignement et le traitement exploratoire des donn\u00e9es. L’acc\u00e8s direct et visuel \u00e0 la matrice de donn\u00e9es bidimensionnelle permet au statisticien d’observer imm\u00e9diatement les r\u00e9percussions des transformations math\u00e9matiques sur chaque ligne d’enregistrement, d\u00e9mystifiant ainsi la bo\u00eete noire algorithmique souvent associ\u00e9e aux langages de script purs. Cette transparence spatiale favorise une d\u00e9tection empirique imm\u00e9diate des incoh\u00e9rences typographiques, des discontinuit\u00e9s de s\u00e9ries et des singularit\u00e9s de distribution.<\/p>\n

Il importe n\u00e9anmoins de pr\u00eater une attention rigoureuse \u00e0 la localisation linguistique du logiciel. Dans les versions francophones de Microsoft Excel, la nomenclature des fonctions math\u00e9matiques a fait l’objet d’une traduction int\u00e9grale qui diff\u00e8re de la norme anglophone originelle. Ainsi, la fonction d\u00e9sign\u00e9e sous le vocable AVERAGE<\/code> en anglais correspond rigoureusement \u00e0 MOYENNE<\/code> en fran\u00e7ais, la fonction MEDIAN<\/code> devient MEDIANE<\/code>, et la famille des fonctions de calcul modale MODE.SNGL<\/code> et MODE.MULT<\/code> se transcrit sous les d\u00e9signations MODE.SIMPLE<\/code> et MODE.MULTIPLE<\/code>. De surcro\u00eet, le s\u00e9parateur d’arguments au sein des fonctions n’est pas la virgule, comme dans la configuration anglo-saxonne, mais le point-virgule, la virgule \u00e9tant r\u00e9serv\u00e9e dans le syst\u00e8me num\u00e9rique fran\u00e7ais \u00e0 la d\u00e9limitation d\u00e9cimale.<\/p>\n

2. Fondements th\u00e9oriques et math\u00e9matiques de la moyenne, de la m\u00e9diane et du mode<\/h2>\n

Une compr\u00e9hension op\u00e9rationnelle des fonctions d’Excel requiert au pr\u00e9alable une d\u00e9limitation formelle des concepts math\u00e9matiques qui sous-tendent chaque mesure de tendance centrale. Ces trois param\u00e8tres ne mesurent pas la m\u00eame dimension de la centralit\u00e9 et n’ob\u00e9issent pas aux m\u00eames contraintes topologiques.<\/p>\n

2.1 La moyenne arithm\u00e9tique : formulation alg\u00e9brique et propri\u00e9t\u00e9s<\/h3>\n

La moyenne arithm\u00e9tique constitue le centre de gravit\u00e9 d’un ensemble de mesures quantitatives. Pour un \u00e9chantillon compos\u00e9 de $n$<\/span> observations ind\u00e9pendantes not\u00e9es $x_1, x_2, dots, x_n$<\/span>, la moyenne arithm\u00e9tique d’\u00e9chantillon, universellement d\u00e9sign\u00e9e par le symbole $\\bar{x}$<\/span>, est d\u00e9finie formellement par l’\u00e9quation suivante :<\/p>\n

$$\\bar{x} = \\frac{1}{n} \\sum_{i=1}^{n} x_i$$<\/span><\/p>\n

Dans l’hypoth\u00e8se o\u00f9 l’analyse s’applique \u00e0 l’int\u00e9gralit\u00e9 d’une population statistique finie de taille $N$<\/span>, la moyenne de population, conventionnellement d\u00e9sign\u00e9e par la lettre grecque $\\mu$<\/span>, r\u00e9pond \u00e0 la m\u00eame structure alg\u00e9brique :<\/p>\n

$$\\mu = \\frac{1}{N} \\sum_{i=1}^{N} X_i$$<\/span><\/p>\n

L’une des propri\u00e9t\u00e9s fondamentales de la moyenne arithm\u00e9tique r\u00e9side dans le principe d’annulation de la somme des \u00e9carts \u00e0 la moyenne. Si l’on calcule la diff\u00e9rence alg\u00e9brique entre chaque observation individuelle $x_i$<\/span> et la moyenne arithm\u00e9tique $\\bar{x}$<\/span>, la somme r\u00e9sultante est rigoureusement \u00e9gale \u00e0 z\u00e9ro :<\/p>\n

$$\\sum_{i=1}^{n} (x_i – \\bar{x}) = 0$$<\/span><\/p>\n

Cette propri\u00e9t\u00e9 d\u00e9montre que la moyenne compense exactement les d\u00e9viations positives par les d\u00e9viations n\u00e9gatives. Elle minimise \u00e9galement la somme des carr\u00e9s des \u00e9carts, faisant de la moyenne le meilleur estimateur au sens des moindres carr\u00e9s. N\u00e9anmoins, cette caract\u00e9ristique constitue simultan\u00e9ment sa principale faiblesse sur le plan de la robustesse g\u00e9om\u00e9trique. La moyenne arithm\u00e9tique poss\u00e8de un point de rupture \u00e9gal \u00e0 $1\/n$<\/span>, ce qui signifie qu’une seule valeur erron\u00e9e, arbitrairement grande ou petite, introduite dans la s\u00e9rie suffit \u00e0 entra\u00eener la moyenne vers l’infini, faussant irr\u00e9m\u00e9diablement l’interpr\u00e9tation de l’ensemble de l’\u00e9chantillon.<\/p>\n

2.2 La m\u00e9diane : point d’\u00e9quilibre robuste et distribution cumulative<\/h3>\n

La m\u00e9diane, couramment d\u00e9sign\u00e9e par la notation $Me$<\/span> ou $\\tilde{x}$<\/span>, se d\u00e9finit g\u00e9om\u00e9triquement et probabilistiquement comme le cinquanti\u00e8me centile d’une s\u00e9rie statistique ordonn\u00e9e. Elle partitionne l’\u00e9chantillon de donn\u00e9es ordonn\u00e9es en deux sous-ensembles de cardinal strictement identique : exactement cinquante pour cent des observations pr\u00e9sentent une valeur inf\u00e9rieure ou \u00e9gale \u00e0 la m\u00e9diane, et cinquante pour cent pr\u00e9sentent une valeur sup\u00e9rieure ou \u00e9gale \u00e0 celle-ci.<\/p>\n

Sur le plan computationnel, l’obtention de la m\u00e9diane exige un tri pr\u00e9alable imp\u00e9ratif des donn\u00e9es selon un ordre non d\u00e9croissant, produisant la s\u00e9rie ordonn\u00e9e des statistiques de rang :<\/p>\n

$$x_{(1)} le x_{(2)} le dots le x_{(n)}$$<\/span><\/p>\n

La formulation alg\u00e9brique de la m\u00e9diane varie formellement selon la parit\u00e9 du cardinal $n$<\/span> de l’\u00e9chantillon :<\/p>\n