# Calculateur de moyenne tronquee Calcule une moyenne tronquee en supprimant le meme pourcentage de valeurs basses et hautes > Page canonique: https://elysiatools.com/fr/tools/trimmed-mean-calculator - **Catégorie:** Math & Numbers - **Mots-clés:** moyenne tronquee, statistiques, valeurs aberrantes, robuste ## Présentation Trie les donnees, supprime une part egale aux deux extremites et moyenne le reste. Utile pour exclure les extremes dans notes, enquetes et mesures. ## Entrées - **Jeu de donnees** (textarea): e.g. 10, 12, 14, 16, 18, 100 - **Pourcentage coupe par queue** (number) - **Decimales** (number) - **Inclure les valeurs conservees** (checkbox) ## Quand l'utiliser - Lorsque votre jeu de données contient des valeurs extrêmes ou aberrantes qui faussent la moyenne arithmétique classique. - Pour analyser des résultats d'enquêtes de satisfaction ou des évaluations de produits en ignorant les votes biaisés ou non représentatifs. - Lors du traitement de mesures scientifiques ou de capteurs où des erreurs de lecture ponctuelles peuvent survenir. ## Fonctionnement - Saisissez ou collez votre série de nombres dans le champ de données, séparés par des virgules ou des espaces. - Définissez le pourcentage de valeurs à couper à chaque extrémité (par exemple, 10 % pour retirer les 10 % les plus bas et les 10 % les plus hauts). - Ajustez le nombre de décimales souhaité et choisissez si vous souhaitez afficher les valeurs conservées dans le résultat final. - L'outil trie les données, retire les extrêmes selon votre configuration, et calcule instantanément la moyenne des valeurs restantes. ## Cas d'usage - Calcul de la note moyenne d'un athlète ou d'une compétition en retirant la meilleure et la pire note attribuées par les juges. - Évaluation des salaires moyens dans une entreprise en excluant les rémunérations exceptionnellement basses ou hautes. - Analyse des temps de réponse d'un serveur web en ignorant les pics de latence isolés. ## Questions fréquentes ### Qu'est-ce qu'une moyenne tronquée ? C'est une méthode statistique qui consiste à calculer la moyenne d'un ensemble de données après en avoir retiré un certain pourcentage des valeurs les plus petites et les plus grandes. ### Quel pourcentage de coupe dois-je choisir ? Un pourcentage de 10 % à 20 % est couramment utilisé. Cela dépend de la quantité de valeurs aberrantes suspectées dans vos données. ### L'outil gère-t-il les nombres décimaux et négatifs ? Oui, vous pouvez inclure des nombres décimaux et négatifs dans votre jeu de données. L'outil les triera correctement de la valeur la plus basse à la plus haute avant d'appliquer la coupe. ### Que se passe-t-il si le pourcentage de coupe supprime toutes les données ? Le pourcentage maximum autorisé par queue est de 45 %, ce qui garantit qu'il restera toujours au moins 10 % des données centrales pour calculer la moyenne. ### Puis-je voir quelles valeurs ont été conservées pour le calcul ? Oui, en cochant l'option 'Inclure les valeurs conservées', le résultat JSON affichera les données exactes utilisées pour calculer la moyenne finale. ## Outils associés - [Supprimer les Lignes en Double](https://elysiatools.com/fr/tools/remove-duplicate-lines): Déduplique les lignes d'une liste ou d'un bloc de texte. Conserve la première ou la dernière occurrence, avec des options de sensibilité à la casse, de coupe des espaces et d'ignorance des lignes vides. - [Désinfectant de Nom de Fichier](https://elysiatools.com/fr/tools/filename-sanitizer): Nettoie et désinfecte les noms de fichiers en supprimant les caractères illégaux pour Windows, Linux et Mac - [Éliminateur de boue](https://elysiatools.com/fr/tools/audio-mud-remover): Détecte et réduit l’accumulation de bas-médiums 150–500 Hz — la boue de fondamentales empilées qui rend un mix cartonneux — avec une coupe paramétrique mesurée et ciblée. - [Nettoyeur de Données](https://elysiatools.com/fr/tools/data-cleaner): Nettoyer et standardiser les données en corrigeant les erreurs d'orthographe, en standardisant les formats, en supprimant les doublons et en remplissant les valeurs manquantes - [Processeur de Valeurs Aberrantes](https://elysiatools.com/fr/tools/data-outlier-processor): Outil avancé de détection et traitement des valeurs aberrantes qui identifie, supprime ou remplace les valeurs anormales en utilisant plusieurs méthodes statistiques. - [Limiteur de Plage de Données](https://elysiatools.com/fr/tools/data-range-limiter): Limiter les valeurs numériques à des plages spécifiées en coupant, filtrant ou marquant les valeurs hors limites. Parfait pour le contrôle de qualité des données. - [Normalisateur Z-Score](https://elysiatools.com/fr/tools/data-zscore-normalizer): Normaliser les données numériques avec Z-score pour moyenne=0 et écart-type=1. Parfait pour l'analyse statistique, le prétraitement machine learning. - [Suppresseur d'En-têtes](https://elysiatools.com/fr/tools/header-remover): Supprimer les en-têtes des données CSV pour créer des fichiers propres sans en-têtes. Parfait pour les importations de bases de données, les pipelines de traitement de données. ## Exemples - [Exemples de Lignes en Double](https://elysiatools.com/fr/samples/text-duplicate-line-samples): Fichiers d'échantillon avec divers types de lignes en double pour tester les outils de suppression des doublons - [Exemples de Caractères Spéciaux](https://elysiatools.com/fr/samples/text-special-characters-samples): Fichiers texte d'échantillon avec divers caractères spéciaux, signes de ponctuation et symboles pour tester la suppression des caractères non alphanumériques - [Exemples de Commentaires de Code](https://elysiatools.com/fr/samples/code-comment-samples): Fichiers de code d'exemple avec différents styles de commentaires pour tester la suppression de commentaires - [Exemples de Structures de Données Android Java](https://elysiatools.com/fr/samples/android-datastructures-java): Exemples de structures de données Android Java incluant opérations courantes sur tableaux, tables de hachage et listes chaînées ## Contenu associé - [Workflows de qualite des donnees et d'investigation d'anomalies](https://elysiatools.com/fr/hubs/data-quality-anomaly-workflows): Profilez des donnees tabulaires, isolez doublons, manquants, ruptures referentielles, valeurs aberrantes et anomalies temporelles, puis transformez-les en preuves exploitables.