Calculateur de transformation de Fisher
Rédigé par Thierno Sadou Diallo, formule vérifiée selon notre méthodologie • Mis à jour le 10/10/2026
La transformation de Fisher convertit un coefficient de corrélation r en une valeur z via z = 0,5×ln((1+r)÷(1−r)), dont la distribution se rapproche d'une loi normale, ce qui permet de construire un intervalle de confiance. Pour r=0,6 observé sur un échantillon de 28 paires, l'intervalle de confiance à 95 % sur r va d'environ 0,29 à 0,80.
Explication
Un coefficient de corrélation comme celui de Pearson, compris entre −1 et 1, n'a pas une distribution d'échantillonnage normale, surtout lorsqu'il s'éloigne de 0 : il est donc incorrect de construire directement un intervalle de confiance symétrique autour d'un r observé avec la méthode habituelle (± 1,96 erreurs standards). La transformation de Fisher résout ce problème en convertissant r en une nouvelle valeur z dont la distribution d'échantillonnage est, elle, approximativement normale, avec une erreur standard simple à calculer : SE = 1 ÷ √(n−3), où n est la taille de l'échantillon ayant servi à calculer r. On peut alors construire un intervalle de confiance classique autour de z (z ± 1,96×SE pour un niveau de confiance de 95 %), puis reconvertir les deux bornes de cet intervalle vers l'échelle d'origine de r via la fonction tangente hyperbolique inverse de la transformation de Fisher. Le résultat est un intervalle de confiance sur r qui, contrairement à un intervalle naïf construit directement sur r, respecte correctement le fait que r est borné entre −1 et 1 et que sa précision d'estimation n'est pas symétrique autour de sa valeur observée (sauf lorsque r est proche de 0). Cette méthode sert aussi à comparer statistiquement deux coefficients de corrélation issus d'échantillons différents, une application qui dépasse le cadre de ce calculateur mais repose sur le même z de Fisher.
Exemple : corrélation observée de 0,6 sur 28 paires
Données d'entrée
Coefficient de corrélation observé : r=0,6. Taille de l'échantillon : n=28.
Calcul
z = 0,5×ln(1,6÷0,4) = 0,5×ln(4) ≈ 0,6931. SE = 1÷√25 = 0,2. Bornes en z : 0,6931 ± 1,96×0,2 = [0,3011 ; 1,0851]. Reconverties via tanh : [0,2924 ; 0,7951].
Résultat
L'intervalle de confiance à 95 % sur la corrélation réelle va d'environ 0,29 à 0,80, un intervalle assez large reflétant la taille d'échantillon modérée.
Questions fréquentes
Pourquoi ne peut-on pas construire directement l'intervalle de confiance sur r lui-même ?
Parce que la distribution d'échantillonnage de r n'est pas symétrique ni normale, en particulier lorsque r s'approche de −1 ou de 1 : un intervalle construit naïvement avec r ± 1,96 erreurs standards pourrait, dans certains cas, dépasser les bornes mathématiquement possibles de −1 et 1. La transformation de Fisher contourne ce problème en travaillant sur une échelle (z) où la distribution d'échantillonnage est bien approximée par une loi normale, avant de reconvertir le résultat vers l'échelle d'origine de r.
Que signifie un intervalle de confiance large sur r ?
Un intervalle large, comme dans l'exemple avec 28 observations, signifie que la corrélation observée est compatible avec une large gamme de valeurs réelles possibles dans la population : l'échantillon est trop petit pour estimer précisément la force exacte de la relation. Augmenter la taille de l'échantillon (le paramètre n) réduit mécaniquement l'erreur standard et donc la largeur de l'intervalle, comme le montre la comparaison avec notre deuxième cas de test (n=103), dont l'intervalle est nettement plus resserré pour une corrélation comparable — le même principe général que celui détaillé dans notre calculateur d'intervalle de confiance.
Cette transformation sert-elle à autre chose qu'un intervalle de confiance ?
Oui, elle est aussi la base du test statistique permettant de comparer si deux coefficients de corrélation, mesurés sur deux échantillons indépendants, sont significativement différents l'un de l'autre — une question qu'on ne peut pas traiter en comparant directement les deux valeurs de r, pour la même raison que celle qui empêche de construire un intervalle de confiance directement sur r.