Calculateur d'intervalle de confiance
Un intervalle de confiance (IC) est une plage de valeurs calculée à partir de données d'échantillon et susceptible de contenir le véritable paramètre de la population. Saisissez votre moyenne d'échantillon, votre écart-type et votre taille d'échantillon, ou vos données de proportion, pour calculer instantanément des intervalles de confiance à 90 %, 95 % ou 99 % avec marge d'erreur et erreur standard.
IC = x̄ ± z* × (σ / √n)
Questions fréquentes
Qu'est-ce qu'un intervalle de confiance ?
Un intervalle de confiance (IC) est une plage de valeurs susceptible de contenir le véritable paramètre de la population avec un niveau de confiance donné. Par exemple, un intervalle de confiance à 95 % de [48, 52] signifie que si l'étude était répétée de nombreuses fois, 95 % de ces intervalles contiendraient la vraie moyenne de la population. Cela ne signifie pas qu'il y a 95 % de chances que la vraie valeur se trouve dans cet intervalle précis.
Comment calculer un intervalle de confiance à 95 % pour une moyenne ?
Pour calculer un IC à 95 % pour une moyenne : (1) calculez l'erreur standard : SE = σ / √n. (2) Multipliez par le score z : MOE = 1.960 × SE. (3) Ajoutez et soustrayez la marge d'erreur à la moyenne d'échantillon : IC = [x̄ − MOE, x̄ + MOE]. Par exemple, avec x̄ = 50, σ = 10, n = 100 : SE = 1, MOE = 1,96, IC = [48,04, 51,96].
Quelle est la différence entre les intervalles de confiance à 90 %, 95 % et 99 % ?
Plus le niveau de confiance est élevé, plus l'intervalle est large. Un IC à 90 % utilise z* = 1.645, un IC à 95 % utilise z* = 1.960 et un IC à 99 % utilise z* = 2.576. Le niveau de 95 % est la norme dans la plupart des travaux de recherche. Utilisez 90 % lorsque la rapidité compte davantage que la certitude, et 99 % pour les décisions à forts enjeux où les faux positifs sont très coûteux.
Qu'est-ce que la marge d'erreur ?
La marge d'erreur (MOE) correspond à la moitié de la largeur de l'intervalle de confiance. Elle représente l'écart maximal attendu entre l'estimation de l'échantillon et la vraie valeur de la population au niveau de confiance donné. MOE = z* × SE = z* × (σ / √n). Pour les sondages, une enquête typique auprès de 1 000 personnes a une marge d'erreur d'environ ±3 % avec un niveau de confiance de 95 %.
Comment la taille de l'échantillon influence-t-elle l'intervalle de confiance ?
Des tailles d'échantillon plus grandes produisent des intervalles de confiance plus étroits, donc plus précis. L'erreur standard vaut σ/√n, de sorte que la largeur de l'IC diminue proportionnellement à 1/√n. Doubler la taille de l'échantillon réduit la largeur de l'IC d'environ 29 %. Pour diviser la marge d'erreur par deux, il faut multiplier la taille de l'échantillon par quatre.
Comment calculer un intervalle de confiance pour une proportion ?
Pour une proportion (méthode de Wald) : (1) calculez p̂ = succès / n. (2) Calculez SE = √(p̂(1 − p̂) / n). (3) Appliquez MOE = z* × SE. (4) IC = [p̂ − MOE, p̂ + MOE], borné à [0, 1]. Par exemple, 60 succès sur 200 donnent p̂ = 30 %, et l'IC à 95 % est d'environ [23,65 %, 36,35 %].
Qu'est-ce que l'erreur standard et en quoi diffère-t-elle de l'écart-type ?
L'écart-type (σ) mesure la dispersion des observations individuelles autour de la moyenne. L'erreur standard (SE) mesure la précision de la moyenne d'échantillon en tant qu'estimation de la moyenne de la population. SE = σ / √n. Lorsque la taille de l'échantillon augmente, l'erreur standard diminue même si l'écart-type reste identique, car les grands échantillons fournissent des estimations plus précises.
Quand utiliser un intervalle de confiance plutôt qu'un test d'hypothèse ?
Les intervalles de confiance et les tests d'hypothèse sont étroitement liés et transmettent souvent la même information. Utilisez un intervalle de confiance lorsque vous voulez estimer la plage plausible d'un paramètre. Utilisez un test d'hypothèse lorsque vous voulez prendre une décision binaire (rejeter ou ne pas rejeter). Si un IC à 95 % pour une différence exclut zéro, le test d'hypothèse correspondant au seuil α = 0.05 rejetterait l'hypothèse nulle. Les IC sont généralement privilégiés en recherche, car ils communiquent à la fois la taille de l'effet et l'incertitude.
Qu'est-ce qu'un intervalle de confiance ?
Un intervalle de confiance (IC) est une plage de valeurs susceptible de contenir le véritable paramètre de la population avec un niveau de confiance donné. Plutôt que de présenter une seule estimation ponctuelle, comme une moyenne d'échantillon, un intervalle de confiance tient compte de l'incertitude inhérente à l'estimation statistique en fournissant une plage plausible.
Par exemple, un intervalle de confiance à 95 % de [48, 52] signifie que si vous répétiez l'étude de nombreuses fois et calculiez un intervalle de confiance à chaque fois, environ 95 % de ces intervalles contiendraient la vraie moyenne de la population. Cela ne signifie pas qu'il y a 95 % de probabilité que la vraie moyenne se trouve dans cet intervalle précis : une fois calculé, l'intervalle contient la vraie valeur ou ne la contient pas.
Les intervalles de confiance sont largement utilisés dans la recherche scientifique, les essais cliniques, les statistiques d'enquête, le contrôle qualité et l'analyse de données pour communiquer la précision des estimations.
Formule de l'intervalle de confiance
Pour la moyenne (écart-type de la population connu)
Lorsque vous connaissez l'écart-type de la population (σ) ou disposez d'un grand échantillon (n ≥ 30), utilisez la loi normale centrée réduite :
Étape 1 : calculer l'erreur standard
SE = σ / √n
où σ = écart-type, n = taille de l'échantillon
Étape 2 : calculer la marge d'erreur
MOE = z × SE
où z = valeur critique issue de la loi normale standard
Étape 3 : calculer les bornes de l'IC
IC = x̄ ± MOE
Borne inférieure = x̄ − MOE
Borne supérieure = x̄ + MOE
Exemple détaillé
Moyenne d'échantillon x̄ = 50, écart-type σ = 10, taille de l'échantillon n = 100, niveau de confiance = 95 % :
SE = 10 / √100 = 10 / 10 = 1.000
z (95 %) = 1.960
MOE = 1.960 × 1.000 = 1.960
Borne inférieure = 50 − 1.960 = 48.040
Borne supérieure = 50 + 1.960 = 51.960
IC à 95 % = [48.040, 51.960]
Table des valeurs critiques du score z
La valeur critique z (z*) correspond au niveau de confiance. Elle indique le nombre d'erreurs standard autour de la moyenne qui couvre une aire centrale de la loi normale égale au niveau de confiance.
| Niveau de confiance | Alpha (α) | α/2 | Score z (z*) |
|---|---|---|---|
| 80% | 0.20 | 0.10 | 1.282 |
| 85% | 0.15 | 0.075 | 1.440 |
| 90% | 0.10 | 0.05 | 1.645 |
| 95% ★ | 0.05 | 0.025 | 1.960 |
| 99% | 0.01 | 0.005 | 2.576 |
| 99.9% | 0.001 | 0.0005 | 3.291 |
★ Norme utilisée dans la plupart des recherches
Comment interpréter un intervalle de confiance
Interpréter correctement un intervalle de confiance est l'une des compétences les plus importantes en statistique, et l'une des plus souvent mal comprises.
Interprétation correcte
Un intervalle de confiance à 95 % signifie ceci : si vous répétiez la procédure d'échantillonnage de nombreuses fois et construisiez un intervalle de confiance à partir de chaque échantillon, environ 95 % de ces intervalles contiendraient le véritable paramètre de la population.
Idées reçues courantes
- Faux : "Il y a 95 % de probabilité que la vraie moyenne soit dans [48, 52]." La vraie moyenne est une valeur fixe ; elle se trouve dans l'intervalle ou ne s'y trouve pas.
- Faux : "95 % des données se situent dans cette plage." Cela décrit un intervalle de prédiction, pas un intervalle de confiance.
- Juste : "J'ai utilisé une procédure qui produit des intervalles contenant le vrai paramètre dans 95 % des cas."
Conseils pratiques
- Un IC plus étroit indique une meilleure précision (n plus grand ou σ plus petit)
- Un IC plus large indique davantage d'incertitude (n plus petit ou σ plus grand)
- Si l'IC d'une différence exclut zéro, la différence est statistiquement significative
- Des niveaux de confiance plus élevés produisent des intervalles plus larges
Comprendre la marge d'erreur
La marge d'erreur (MOE) correspond à la moitié de la largeur de l'intervalle de confiance. Elle quantifie l'écart maximal attendu entre l'estimation de l'échantillon et la vraie valeur de la population au niveau de confiance donné.
La marge d'erreur se calcule ainsi :
MOE = z* × (σ / √n)
Facteurs qui réduisent la marge d'erreur :
- Taille d'échantillon plus grande (n) : la MOE diminue proportionnellement à 1/√n
- Variabilité de population plus faible (σ) : des populations plus homogènes donnent des intervalles plus serrés
- Niveau de confiance plus faible : on échange une part de certitude contre plus de précision
Dans les sondages, une MOE de ±3 % avec un niveau de confiance de 95 % est typique pour les enquêtes auprès de 1 000 personnes. Pour diviser la MOE par deux, il faut quadrupler la taille de l'échantillon.
Comment la taille de l'échantillon influence l'intervalle de confiance
La taille de l'échantillon a un effet important sur la largeur des intervalles de confiance. Comme la formule de l'erreur standard est σ/√n, doubler la taille de l'échantillon réduit l'erreur standard d'environ 29 % (un facteur de √2 ≈ 1.414).
| Taille de l'échantillon (n) | SE (σ=10) | MOE à 95 % | Largeur de l'IC à 95 % |
|---|---|---|---|
| 25 | 2.000 | 3.920 | 7.840 |
| 100 | 1.000 | 1.960 | 3.920 |
| 400 | 0.500 | 0.980 | 1.960 |
| 1,000 | 0.316 | 0.620 | 1.240 |
Remarquez que passer de n=25 à n=100 (4× plus grand) divise par deux la largeur de l'IC. Ce rendement décroissant signifie que les très grands échantillons sont coûteux à collecter pour des gains de précision marginaux.
Intervalle de confiance pour une proportion
Lorsque vous estimez une proportion de population, par exemple la fraction d'électeurs qui soutiennent un candidat ou le taux de défaut en production, la formule change légèrement, car l'erreur standard dépend de la proportion elle-même.
Formule de l'IC pour une proportion (méthode de Wald)
p̂ = succès / n
SE = √(p̂(1 − p̂) / n)
IC = p̂ ± z* × SE
Exemple
Dans une enquête menée auprès de 200 personnes, 60 préfèrent le produit A. Quel est l'IC à 95 % pour la vraie proportion ?
p̂ = 60 / 200 = 0.30 (30 %)
SE = √(0.30 × 0.70 / 200) = √(0.00105) ≈ 0.03240
MOE = 1.960 × 0.03240 ≈ 0.06350
Borne inférieure = 0.30 − 0.0635 = 23.65 %
Borne supérieure = 0.30 + 0.0635 = 36.35 %
IC à 95 % = [23.65 %, 36.35 %]
Remarque : Les bornes sont limitées à [0, 1], car les proportions ne peuvent pas être négatives ni dépasser 100 %. Pour les proportions proches de 0 ou de 1, envisagez l'intervalle de score de Wilson pour une meilleure couverture.
Outils associés
- Calculateur de test A/B : signification statistique des expériences
- Calculateur de taille d'échantillon pour test A/B : planifier le nombre d'échantillons nécessaire
- Calculateur du résumé en cinq nombres : statistiques descriptives : min, Q1, médiane, Q3, max
- Calculateur de pourcentage : calculs rapides de pourcentages