Calculateur de distribution d’échantillonnage d’une proportion
Trouvez la moyenne, l’erreur standard, la condition de normalité, le score Z et les probabilités cumulées pour la distribution d’échantillonnage de toute proportion d’échantillon.
Saisissez la proportion de population (p) et la taille de l’échantillon (n). Vous pouvez aussi saisir une proportion d’échantillon spécifique (p̂) pour obtenir le score Z et la probabilité cumulée associés.
Calculateur de distribution d’échantillonnage d’une proportion
Trouvez la moyenne, l’erreur standard, la condition de normalité, le score Z et les probabilités cumulées pour la distribution d’échantillonnage de toute proportion d’échantillon.
À propos de la distribution d’échantillonnage de la proportion
La distribution d’échantillonnage de la proportion est une distribution théorique décrivant les valeurs possibles de la proportion d’échantillon (p̂) dans tous les échantillons aléatoires de taille fixe n tirés d’une population dont la proportion vraie est p. C’est un concept central de la statistique inférentielle, des sondages, des tests d’hypothèses et des intervalles de confiance.
Sa moyenne est égale à la proportion de population p, ce qui traduit l’absence de biais. Son écart-type, appelé erreur standard de la proportion, vaut σ(p̂) = √[p(1–p)/n]. Quand n augmente, l’erreur standard diminue et les proportions d’échantillon se concentrent davantage autour de p.
D’après le théorème central limite, la distribution est approximativement normale si np ≥ 10 et n(1–p) ≥ 10. Ces conditions assurent assez de succès et d’échecs pour une approximation fiable. Si elles échouent, notamment avec de petits échantillons ou des proportions proches de 0 ou 1, il faut utiliser la distribution binomiale.
Si une proportion observée p̂ est fournie, le calculateur calcule Z = (p̂ – p) / σ(p̂), soit le nombre d’erreurs standards séparant p̂ de la moyenne. Un grand score Z en valeur absolue suggère un résultat peu probable par hasard sous la proportion supposée, base des tests d’hypothèses.
P(p̂ < x) donne la probabilité d’observer une proportion inférieure ou égale à x, tandis que P(p̂ > x) donne la probabilité d’observer une proportion supérieure à x. Ces valeurs indiquent le caractère extrême de la proportion observée par rapport à la distribution théorique.
Ce concept sert dans les sondages, le contrôle qualité et la recherche médicale, par exemple pour estimer un soutien au-dessus d’un seuil, détecter un taux de défauts excessif ou comparer une réponse thérapeutique à un repère historique.
Exemples de distribution d’échantillonnage
Trois scénarios illustrant les calculs de moyenne, d’erreur standard, de normalité et de score Z.
| Paramètres | Résultats clés | Notes |
|---|---|---|
| p=0.60, n=100, p̂=0.65 | μ=0.60, σ=0.049, Z=1.02, P(<0.65)≈0.846 | Les conditions de normalité sont remplies (np=60, n(1-p)=40). Les 65 % observés sont environ 1 erreur standard au-dessus de la proportion de population. |
| p=0.50, n=400, p̂=0.53 | μ=0.50, σ=0.025, Z=1.20, P(<0.53)≈0.885 | Un grand échantillon améliore la précision. L’erreur standard est divisée par deux lorsque la taille de l’échantillon est quadruplée, ce qui facilite la détection des écarts par rapport à 0.50. |
| p=0.05, n=50 | μ=0.05, σ=0.031, Normalité échouée | np=2.5 < 10, donc la condition de normalité échoue. Pour de petites proportions et de petits échantillons, utilisez plutôt la distribution binomiale exacte. |
Comment utiliser le calculateur de distribution d’échantillonnage
- Saisissez la proportion de population (p) sous forme décimale entre 0 et 1 (exclus). Il s’agit de la proportion vraie connue ou supposée dans la population.
- Saisissez la taille de l’échantillon (n) comme un nombre entier positif. Cela détermine l’erreur standard et le respect de la condition de normalité.
- Saisissez éventuellement une proportion d’échantillon (p̂) pour calculer le score Z et les probabilités cumulées P(p̂ < x) et P(p̂ > x).
- Cliquez sur Calculer pour afficher la moyenne, l’erreur standard, le résultat de la vérification de normalité et, si p̂ a été fourni, le score Z et les probabilités.
- Cliquez sur Réinitialiser pour effacer tous les champs et lancer un nouveau calcul.
FAQ sur la distribution d’échantillonnage d’une proportion
Qu’est-ce que l’erreur standard de la proportion d’échantillon ?
L’erreur standard est l’écart-type de la distribution d’échantillonnage et mesure la variation des proportions d’échantillon d’un échantillon à l’autre. Elle vaut √[p(1–p)/n]. Une erreur standard plus petite signifie que les proportions sont plus regroupées autour de la vraie proportion p.
Quand la distribution d’échantillonnage est-elle approximativement normale ?
L’approximation normale est valide lorsque np ≥ 10 et n(1–p) ≥ 10. Si l’une des conditions échoue, la distribution est asymétrique et les calculs fondés sur l’approximation normale seront inexacts. Utilisez alors la distribution binomiale exacte.
Comment l’augmentation de la taille d’échantillon affecte-t-elle la distribution ?
Augmenter n réduit l’erreur standard proportionnellement à 1/√n, ce qui resserre la distribution. La moyenne reste égale à p. Une distribution plus étroite rend l’estimation et l’inférence plus précises.
Que signifie un score Z de 2 pour une proportion d’échantillon ?
Un score Z de 2 signifie que la proportion observée p̂ est 2 erreurs standards au-dessus de p. Sous l’approximation normale, la probabilité d’observer par hasard un score aussi grand ou plus grand est d’environ 2,3 % (unilatéral). C’est une preuve forte mais non concluante.
Ce calculateur peut-il traiter des proportions proches de 0 ou de 1 ?
Le calculateur produira les résultats, mais signalera l’échec de la condition de normalité lorsque np < 10 ou n(1–p) < 10. Pour des proportions extrêmes, comme p = 0.02 ou p = 0.98, utilisez la distribution binomiale.
Quelle est la différence entre l’écart-type et l’erreur standard de la proportion ?
L’écart-type de population d’une variable binaire mesure la variabilité des observations individuelles : σ = √[p(1–p)]. L’erreur standard de la proportion mesure la variabilité des proportions d’échantillon entre échantillons répétés : σ(p̂) = √[p(1–p)/n]. Elle est plus petite d’un facteur 1/√n.