{"id":8679,"date":"2026-09-23T04:20:42","date_gmt":"2026-09-23T04:20:42","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-trouver-ecart-interquartile-calculatrice-ti-84\/"},"modified":"2026-09-23T04:20:47","modified_gmt":"2026-09-23T04:20:47","slug":"comment-trouver-ecart-interquartile-calculatrice-ti-84","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-trouver-ecart-interquartile-calculatrice-ti-84","title":{"rendered":"Comment trouver l’\u00e9cart interquartile sur une calculatrice TI-84"},"content":{"rendered":"

Dans le domaine de l’analyse statistique appliqu\u00e9e, de l’\u00e9conom\u00e9trie et de la psychom\u00e9trie contemporaine, la caract\u00e9risation de la variabilit\u00e9 d’un ensemble de donn\u00e9es constitue une \u00e9tape tout aussi d\u00e9terminante que l’estimation de sa tendance centrale. Alors que la moyenne arithm\u00e9tique et l’\u00e9cart-type demeurent les m\u00e9triques canoniques au sein des distributions gaussiennes id\u00e9alis\u00e9es, leur vuln\u00e9rabilit\u00e9 intrins\u00e8que face aux valeurs extr\u00eames ou aux contaminations d’\u00e9chantillonnage impose le recours \u00e0 des estimateurs dits robustes. Parmi ces outils de statistique exploratoire d\u00e9velopp\u00e9s pour pallier les insuffisances de la m\u00e9trologie param\u00e9trique classique, l’\u00e9cart interquartile<\/a> (souvent d\u00e9sign\u00e9 sous l’acronyme anglo-saxon IQR pour Interquartile Range<\/em>) s’impose comme la mesure non param\u00e9trique fondamentale de la dispersion des observations empiriques.<\/p>\n

La calculatrice graphique Texas Instruments TI-84 Plus<\/a>, d\u00e9clin\u00e9e en versions standard, Silver Edition et CE, constitue le standard informatique ubiquitaire dans l’enseignement sup\u00e9rieur, les laboratoires de recherche en sciences humaines et les protocoles d’exp\u00e9rimentation clinique. Bien que cette machine offre des routines automatis\u00e9es sophistiqu\u00e9es pour d\u00e9river instantan\u00e9ment les param\u00e8tres descriptifs majeurs, l’extraction, la visualisation et l’exploitation inf\u00e9rentielle de l’\u00e9cart interquartile requi\u00e8rent une compr\u00e9hension pr\u00e9cise de ses algorithmes internes, de ses menus de calcul et de ses repr\u00e9sentations graphiques d\u00e9di\u00e9es. En effet, l’absence de commande directe \u00e9tiquet\u00e9e trivialement \u00ab IQR \u00bb sur le clavier de l’appareil d\u00e9concerte fr\u00e9quemment les analystes n\u00e9ophytes, alors m\u00eame que l’\u00e9cosyst\u00e8me de programmation et de variables syst\u00e8me de la TI-84 permet une automatisation d’une rare \u00e9l\u00e9gance.<\/p>\n

Ce guide exhaustif a pour vocation d’articuler les fondements th\u00e9oriques de l’\u00e9cart interquartile avec la pratique instrument\u00e9e sur la TI-84 Plus. Nous examinerons successivement l’ancrage \u00e9pist\u00e9mologique de cette mesure en m\u00e9trologie comportementale, les protocoles de configuration du syst\u00e8me d’exploitation de la calculatrice, les m\u00e9thodes de saisie et d’\u00e9puration des s\u00e9ries num\u00e9riques, ainsi que les manipulations alg\u00e9briques n\u00e9cessaires \u00e0 l’obtention sans erreur de l’IQR. Enfin, une attention scrupuleuse sera accord\u00e9e \u00e0 la d\u00e9tection formelle des donn\u00e9es aberrantes selon les crit\u00e8res de John Tukey, \u00e0 la r\u00e9solution des anomalies logicielles et \u00e0 l’automatisation de ces routines par l’interm\u00e9diaire de scripts programm\u00e9s en TI-Basic.<\/p>\n

1. Fondements th\u00e9oriques de l’\u00e9cart interquartile (IQR) en statistique et psychom\u00e9trie<\/h2>\n

1.1 D\u00e9finition formelle et partitionnement des quartiles<\/h3>\n

L’\u00e9cart interquartile repr\u00e9sente la distance math\u00e9matique s\u00e9parant le 75e<\/sup> centile du 25e<\/sup> centile d’une distribution statistique ordonn\u00e9e. D’un point de vue formel, si l’on consid\u00e8re une variable al\u00e9atoire r\u00e9elle $X$<\/span> associ\u00e9e \u00e0 une fonction de r\u00e9partition cumulative $F(x) = P(X le x)$<\/span>, les quartiles correspondent aux valeurs d’abscisse partitionnant l’espace probabilis\u00e9 en quatre sous-ensembles d’aires \u00e9quiprobables de 0,25. Le premier quartile, not\u00e9 $Q_1$<\/span>, satisfait la condition $F(Q_1) ge 0{,}25$<\/span> ; le deuxi\u00e8me quartile, not\u00e9 $Q_2$<\/span>, correspond rigoureusement \u00e0 la m\u00e9diane<\/a> de la distribution telle que $F(Q_2) ge 0{,}50$<\/span> ; et le troisi\u00e8me quartile, d\u00e9sign\u00e9 par $Q_3$<\/span>, ob\u00e9it \u00e0 la relation $F(Q_3) ge 0{,}75$<\/span>.<\/p>\n

L’\u00e9cart interquartile se d\u00e9finit alors de mani\u00e8re univoque par la diff\u00e9rence alg\u00e9brique absolue :<\/p>\n

$$\\text{IQR} = Q_3 – Q_1$$<\/span><\/p>\n

Cette m\u00e9trique circonscrit avec une parfaite exactitude l’\u00e9tendue occup\u00e9e par les 50 % centraux de la population ou de l’\u00e9chantillon analys\u00e9. Contrairement \u00e0 l’\u00e9tendue brute qui int\u00e8gre la totalit\u00e9 des fluctuations pr\u00e9sentes entre la valeur minimale et la valeur maximale observ\u00e9es, l’IQR proc\u00e8de \u00e0 un \u00e9lagage sym\u00e9trique d\u00e9lib\u00e9r\u00e9 des 25 % inf\u00e9rieurs et des 25 % sup\u00e9rieurs de la distribution. Ce filtrage g\u00e9om\u00e9trique conf\u00e8re \u00e0 l’indicateur une stabilit\u00e9 remarquable dans l’\u00e9valuation de la dispersion interne.<\/p>\n

Sur le plan m\u00e9thodologique, la d\u00e9termination concr\u00e8te des quartiles sur un \u00e9chantillon discret de taille finie $N$<\/span> soul\u00e8ve d’importantes divergences th\u00e9oriques. Les statisticiens distinguent historiquement la m\u00e9thode inclusive introduite par John Tukey<\/a> (souvent associ\u00e9e aux charni\u00e8res ou hinges<\/em> de Tukey), les variantes exclusives recommand\u00e9es par l’\u00e9cole anglo-saxonne, et les approches d’interpolation continue impl\u00e9ment\u00e9es dans les grands progiciels contemporains. La m\u00e9thode de Tukey inclut la m\u00e9diane dans les sous-ensembles inf\u00e9rieur et sup\u00e9rieur lorsque $N$<\/span> est impair, tandis que les algorithmes exclusifs la bannissent strictement de ces sous-\u00e9chantillons. Ces subtilit\u00e9s algorithmiques influent directement sur la valeur num\u00e9rique finale calcul\u00e9e par la TI-84, dont le processeur applique une routine sp\u00e9cifique qu’il convient de ma\u00eetriser pour garantir la reproductibilit\u00e9 des analyses scientifiques.<\/p>\n

1.2 Pertinence de l’IQR dans l’\u00e9valuation psychom\u00e9trique<\/h3>\n

En psychom\u00e9trie et en sciences du comportement, la quantification des construits latents repose quasi syst\u00e9matiquement sur des instruments de mesure ordinaux, tels que les \u00e9chelles d’\u00e9valuation de type Likert, les inventaires d’anxi\u00e9t\u00e9 de Spielberger ou les batteries d’\u00e9valuation de la personnalit\u00e9 comme le NEO-PI-3. Les donn\u00e9es issues de ces \u00e9preuves d\u00e9rogent fr\u00e9quemment au postulat de continuit\u00e9 m\u00e9trique stricte et pr\u00e9sentent une vuln\u00e9rabilit\u00e9 chronique aux biais de r\u00e9ponse, notamment les effets de plafond, de plancher et les r\u00e9ponses extr\u00eames dict\u00e9es par la d\u00e9sirabilit\u00e9 sociale.<\/p>\n

Dans un tel contexte m\u00e9trologique, l’utilisation de la variance param\u00e9trique ou de l’\u00e9cart-type constitue une faute \u00e9pist\u00e9mologique majeure, dans la mesure o\u00f9 ces indices pr\u00e9supposent des intervalles rigoureusement \u00e9gaux entre chaque \u00e9chelon et une distribution normale sous-jacente. L’\u00e9cart interquartile pr\u00e9serve la robustesse de l’\u00e9valuation psychologique en s’affranchissant totalement des d\u00e9formations affectant les extr\u00e9mit\u00e9s de la courbe. Par exemple, lors de l’\u00e9talonnage d’une \u00e9chelle \u00e9valuant les sympt\u00f4mes d\u00e9pressifs, quelques sujets manifestant des scores pathologiques massifs d\u00e9caleraient artificiellement la moyenne et gonfleraient l’\u00e9cart-type de la population t\u00e9moin. L’IQR, quant \u00e0 lui, demeure rigoureusement impassible face \u00e0 ces manifestations marginales, refl\u00e9tant fid\u00e8lement l’homog\u00e9n\u00e9it\u00e9 ou l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 du groupe central.<\/p>\n

En outre, l’IQR s’av\u00e8re un instrument de choix dans la comparaison diff\u00e9rentielle de cohortes cliniques face \u00e0 des populations saines. Dans l’\u00e9tude des troubles de l’attention ou de la r\u00e9gulation \u00e9motionnelle, les groupes pathologiques d\u00e9montrent souvent une dispersion centrale \u00e9largie \u2014 t\u00e9moignant d’une labilit\u00e9 cognitive accrue \u2014 sans que cette fluctuation ne puisse \u00eatre correctement synth\u00e9tis\u00e9e par des param\u00e8tres gaussiens en raison d’une asym\u00e9trie positive prononc\u00e9e. L’analyse conjointe de la m\u00e9diane et de l’IQR fournit alors un cadre d’inf\u00e9rence non param\u00e9trique scientifiquement irr\u00e9prochable.<\/p>\n

1.3 Propri\u00e9t\u00e9s statistiques fondamentales de la dispersion m\u00e9diane<\/h3>\n

Sur le plan fonctionnel, l’\u00e9cart interquartile forme un couple indissociable avec la m\u00e9diane. De la m\u00eame mani\u00e8re que l’\u00e9cart-type constitue la mesure naturelle d’\u00e9cartement associ\u00e9e \u00e0 la moyenne arithm\u00e9tique (dans le cadre de la minimisation de la somme des carr\u00e9s des erreurs), l’\u00e9cart interquartile op\u00e8re comme l’estimateur de r\u00e9f\u00e9rence conjoint \u00e0 la m\u00e9diane, cette derni\u00e8re minimisant la somme des d\u00e9viations absolues simples. Cette compl\u00e9mentarit\u00e9 repose sur le caract\u00e8re non param\u00e9trique et ordinal de ces deux grandeurs.<\/p>\n

Parmi les propri\u00e9t\u00e9s analytiques fondamentales de l’IQR, l’invariance par translation joue un r\u00f4le capital dans les proc\u00e9dures de standardisation de donn\u00e9es. Soit un ensemble de mesures exp\u00e9rimentales $X = {x_1, x_2, dots, x_n}$<\/span> et une transformation affine $Y = aX + b$<\/span>, o\u00f9 $a$<\/span> et $b$<\/span> sont des constantes r\u00e9elles avec $a ne 0$<\/span>. Si l’on applique une simple translation d’\u00e9chelle (par exemple l’ajout d’une constante $b$<\/span> li\u00e9e \u00e0 un r\u00e9\u00e9talonnage de z\u00e9ro instrumental), la distribution spatiale des observations subit un glissement rigide sans modification de leurs distances relatives :<\/p>\n

$$\\text{IQR}(X + b) = \\text{IQR}(X)$$<\/span><\/p>\n

\u00c0 l’inverse, sous l’effet d’une transformation d’\u00e9chelle lin\u00e9aire impliquant un multiplicateur $a$<\/span> (tel qu’un changement d’unit\u00e9s de mesure de secondes en millisecondes), l’\u00e9cart interquartile \u00e9volue de fa\u00e7on strictement proportionnelle \u00e0 la valeur absolue du coefficient scalaire :<\/p>\n

$$\\text{IQR}(aX) = |a| \\cdot \\text{IQR}(X)$$<\/span><\/p>\n

Cette propri\u00e9t\u00e9 garantit que l’indicateur conserve une fid\u00e9lit\u00e9 absolue aux propri\u00e9t\u00e9s g\u00e9om\u00e9triques du nuage de points d’origine. L’absence de distorsion quadratique \u2014 contrairement \u00e0 la variance qui s’accro\u00eet d’un facteur $a^2$<\/span> \u2014 simplifie l’interpr\u00e9tation dimensionnelle des r\u00e9sultats lors de l’application de bar\u00e8mes de conversion ou de normalisations d’\u00e9preuves standardis\u00e9es.<\/p>\n

2. Avantages m\u00e9trologiques de l’\u00e9cart interquartile face aux valeurs aberrantes<\/h2>\n

2.1 R\u00e9sistance statistique compar\u00e9e \u00e0 l’\u00e9tendue simple<\/h3>\n

L’\u00e9tendue classique d’une s\u00e9rie statistique, d\u00e9finie par la diff\u00e9rence \u00e9l\u00e9mentaire $R = X_{\\text{\\max}} – X_{\\text{\\min}}$<\/span>, constitue l’indicateur de variabilit\u00e9 le plus intuitif mais \u00e9galement le plus instable de toute la th\u00e9orie statistique. Sa vuln\u00e9rabilit\u00e9 face aux artefacts m\u00e9trologiques est absolue : il suffit d’une unique erreur d’encodage d\u00e9cimal, d’un dysfonctionnement mat\u00e9riel transitoire ou de la pr\u00e9sence d’un individu atypique au sein de l’\u00e9chantillon pour que l’\u00e9tendue quadruple ou d\u00e9cuple instantan\u00e9ment, v\u00e9hiculant une image totalement d\u00e9voy\u00e9e de la dispersion du ph\u00e9nom\u00e8ne mesur\u00e9.<\/p>\n

Le concept de r\u00e9sistance statistique, formalis\u00e9 par Peter Rousseeuw<\/a> et les th\u00e9oriciens de la statistique robuste, quantifie la capacit\u00e9 d’un estimateur \u00e0 maintenir sa validit\u00e9 en pr\u00e9sence de donn\u00e9es contamin\u00e9es. Le \u00ab point de rupture \u00bb (breakdown point<\/em>) repr\u00e9sente la proportion maximale de donn\u00e9es arbitrairement aberrantes qu’un \u00e9chantillon peut tol\u00e9rer avant que l’estimateur ne prenne une valeur infinie ou totalement erron\u00e9e. Alors que l’\u00e9tendue simple poss\u00e8de un point de rupture catastrophique de $1\/N$<\/span> (tendant vers z\u00e9ro lorsque la taille de l’\u00e9chantillon augmente), l’\u00e9cart interquartile affiche un point de rupture de 0,25 (soit 25 %).<\/p>\n

Cette insensibilit\u00e9 op\u00e9rationnelle signifie que jusqu’\u00e0 un quart des observations situ\u00e9es aux extr\u00e9mit\u00e9s les plus basses ou les plus hautes peuvent \u00eatre corrompues ou d\u00e9plac\u00e9es \u00e0 l’infini sans que la valeur de l’IQR ne subisse la moindre alt\u00e9ration. Dans le cadre de protocoles exp\u00e9rimentaux impliquant des \u00e9chantillonnages r\u00e9p\u00e9t\u00e9s, cette immunit\u00e9 conf\u00e8re \u00e0 l’IQR une stabilit\u00e9 d’\u00e9chantillonnage exceptionnelle, \u00e9vitant aux chercheurs de rejeter \u00e0 tort des hypoth\u00e8ses nulles en raison de fluctuations parasites confin\u00e9es aux marges de la distribution.<\/p>\n

2.2 Comparaison \u00e9pist\u00e9mologique avec l’\u00e9cart-type et la variance<\/h3>\n

L’\u00e9cart-type empirique standard, formalis\u00e9 par la racine carr\u00e9e de la variance corrig\u00e9e :<\/p>\n

$$s = \\sqrt{\\frac{1}{n-1}\\sum_{i=1}^n (x_i – \\bar{x})^2}$$<\/span><\/p>\n

repose sur une m\u00e9trique euclidienne assise sur le calcul des r\u00e9sidus quadratiques par rapport \u00e0 la moyenne arithm\u00e9tique. Cette p\u00e9nalisation au carr\u00e9 conf\u00e8re \u00e0 chaque point excentrique un effet de levier disproportionn\u00e9 sur la valeur finale de l’indice. Dans les distributions asym\u00e9triques \u00e0 longue tra\u00eene droite (telles que les revenus, les temps d’acc\u00e8s m\u00e9moriel ou la charge virale), l’\u00e9cart-type se trouve syst\u00e9matiquement \u00e9tir\u00e9 vers le haut, cr\u00e9ant l’illusion d’une dispersion globale massive alors que l’immense majorit\u00e9 des donn\u00e9es est en r\u00e9alit\u00e9 fortement agglutin\u00e9e autour d’un mode restreint.<\/p>\n

D’un point de vue \u00e9pist\u00e9mologique, l’\u00e9cart-type n’est l’estimateur d’\u00e9chelle optimal qu’exclusivement sous l’hypoth\u00e8se stricte de normalit\u00e9 (loi de Laplace-Gauss), en vertu du th\u00e9or\u00e8me de Gauss-Markov. D\u00e8s lors que la loi g\u00e9n\u00e9ratrice r\u00e9elle des donn\u00e9es s’\u00e9loigne de ce mod\u00e8le th\u00e9orique id\u00e9al \u2014 situation pr\u00e9valant dans l’ensemble des sciences exp\u00e9rimentales et sociales \u2014, l’efficacit\u00e9 statistique relative de l’\u00e9cart-type s’effondre dramatiquement au profit des estimateurs bas\u00e9s sur les quantiles.<\/p>\n

L’\u00e9cart interquartile s’av\u00e8re particuli\u00e8rement f\u00e9cond dans les distributions bimodales ou fortement asym\u00e9triques o\u00f9 la notion m\u00eame de dispersion sym\u00e9trique autour d’un centre de gravit\u00e9 unique perd tout son sens clinique. En s’affranchissant du calcul de r\u00e9sidus par rapport \u00e0 une moyenne qui ne correspond \u00e0 aucun sujet r\u00e9el, l’IQR capture la g\u00e9om\u00e9trie interne de la masse centrale de fa\u00e7on agnostique vis-\u00e0-vis de la loi de probabilit\u00e9 sous-jacente, imposant de facto son usage d\u00e8s que les tests de normalit\u00e9 (tels que ceux de Shapiro-Wilk ou de Kolmogorov-Smirnov) sont rejet\u00e9s.<\/p>\n

2.3 Application \u00e0 la filtration des art\u00e9facts en neurosciences comportementales<\/h3>\n

Le recueil de donn\u00e9es chronom\u00e9triques en neurosciences cognitives et en psychologie exp\u00e9rimentale illustre parfaitement la sup\u00e9riorit\u00e9 op\u00e9rationnelle de l’\u00e9cart interquartile. Dans les t\u00e2ches informatis\u00e9es mesurant les temps de r\u00e9action (par exemple le paradigme de Posner ou les protocoles d’amor\u00e7age s\u00e9mantique), les s\u00e9ries temporelles sont in\u00e9vitablement parasit\u00e9es par deux classes d’art\u00e9facts non mod\u00e9lisables : les anticipations motrices involontaires (g\u00e9n\u00e9rant des latences anormalement br\u00e8ves inf\u00e9rieures \u00e0 150 ms) et les d\u00e9crochages attentionnels transitoires (engendrant des latences disproportionnellement longues d\u00e9passant plusieurs secondes).<\/p>\n

L’application aveugle de moyennes et d’\u00e9carts-types \u00e0 ces chronom\u00e9tries alt\u00e8re substantiellement les estimations de la vitesse de traitement de l’information. L’\u00e9cart interquartile permet d’isoler la variabilit\u00e9 authentique du processus cognitif sous-jacent en \u00e9purant m\u00e9caniquement les queues de distribution sans n\u00e9cessiter d’\u00e9lagage arbitraire susceptible d’introduire des biais d’amputation (trimming bias<\/em>). La dispersion interquartile refl\u00e8te avec une grande puret\u00e9 l’instabilit\u00e9 neuromotrice intra-individuelle r\u00e9elle, libre des d\u00e9faillances circonstancielles du sujet exp\u00e9rimental.<\/p>\n

De surcro\u00eet, lors d’acquisitions t\u00e9l\u00e9m\u00e9triques continues par capteurs physiologiques (suivi de la conductance cutan\u00e9e, \u00e9lectroenc\u00e9phalographie ambulatoire ou actigraphie), les interruptions de contact et les interf\u00e9rences \u00e9lectromagn\u00e9tiques injectent ponctuellement des signaux aberrants \u00e0 tr\u00e8s haute amplitude. L’usage de l’IQR comme m\u00e9trique de variabilit\u00e9 du signal garantit la pr\u00e9servation de l’int\u00e9grit\u00e9 de l’analyse, rendant les cha\u00eenes de traitement insensibles aux micro-coupures techniques et aux perturbations d’enregistrement.<\/p>\n

\"\"<\/figure>\n

3. Configuration initiale et pr\u00e9paration de la calculatrice TI-84 Plus<\/h2>\n

3.1 V\u00e9rification des param\u00e8tres syst\u00e8me et du syst\u00e8me d’exploitation<\/h3>\n

Avant d’engager toute d\u00e9marche de calcul statistique pouss\u00e9e sur la plateforme Texas Instruments TI-84 Plus (qu’il s’agisse de la version monochrome standard ou des d\u00e9clinaisons TI-84 Plus CE dot\u00e9es d’\u00e9crans couleur haute r\u00e9solution), il est imp\u00e9ratif d’auditer l’\u00e9tat du syst\u00e8me d’exploitation interne, d\u00e9sign\u00e9 sous le nom de TI-OS. Les versions de syst\u00e8me sup\u00e9rieures \u00e0 2.55MP sur les mod\u00e8les monochromes et 5.3+ sur les architectures CE int\u00e8grent le moteur de rendu MathPrint<\/code>, qui modifie sensiblement la pr\u00e9sentation syntaxique des commandes statistiques en substituant des formulaires interactifs aux anciennes syntaxes lin\u00e9aires textuelles.<\/p>\n

Pour v\u00e9rifier la version courante de votre TI-OS, appuyez s\u00e9quentiellement sur les touches 2nd<\/code> puis +<\/code> (pour appeler le menu MEM<\/code>), puis s\u00e9lectionnez l’option 1:About<\/code>. L’\u00e9cran affiche alors le num\u00e9ro de r\u00e9vision du micrologiciel. Si votre appareil fonctionne sous un OS obsol\u00e8te, certaines fonctionnalit\u00e9s ergonomiques de saisie des arguments pour les statistiques \u00e0 une variable ne seront pas accessibles sous forme de menus d\u00e9roulants guid\u00e9s, contraignant l’op\u00e9rateur \u00e0 respecter une syntaxe stricte avec s\u00e9parateurs par virgule.<\/p>\n

Acc\u00e9dez ensuite au menu de configuration g\u00e9n\u00e9rale en pressant la touche MODE<\/code>. Pour garantir un affichage optimal des sorties num\u00e9riques statistiques sans instabilit\u00e9 de formatage, assurez-vous que les param\u00e8tres suivants sont rigoureusement s\u00e9lectionn\u00e9s sur les premi\u00e8res lignes de configuration :<\/p>\n