Calculateur d’erreur standard - SE à partir de données ou résumé

L’erreur standard de la moyenne (SE ou SEM) est l’écart type de la distribution d’échantillonnage de la moyenne. En termes simples, elle indique à quelle distance la moyenne de l’échantillon risque de se trouver de la vraie moyenne de la population si l’échantillonnage était répété de nombreuses fois. Un SE faible signifie que la moyenne de l’échantillon est une estimation précise de la moyenne de la population ; un SE élevé indique davantage d’incertitude. La formule est SE = s / √n, où s est l’écart type de l’échantillon et n le nombre d’observations. En mode données brutes, le calculateur commence par calculer l’écart type de l’échantillon (avec la correction de Bessel, en utilisant n−1 au dénominateur), puis le divise par √n. En mode statistiques résumées, vous fournissez directement la moyenne, l’écart type et n, ce qui est pratique lorsque vous disposez déjà de données agrégées — par exemple issues d’un article publié — sans accès aux observations brutes. Ce calculateur calcule également l’intervalle de confiance de la moyenne au niveau choisi (90 %, 95 % ou 99 %). L’intervalle est construit comme x̄ ± z × SE, où z est la valeur critique de la loi normale standard (1.645 pour 90 %, 1.96 pour 95 %, 2.576 pour 99 %). Ces intervalles basés sur z conviennent aux grands échantillons (n ≥ 30) ou lorsque la population est connue pour être normale. Pour de petits échantillons provenant de populations non normales, un intervalle basé sur t (avec t à n−1 degrés de liberté) est plus précis ; en pratique, z et t sont presque identiques pour n ≥ 30. Le SE est utilisé dans presque tous les domaines de la recherche quantitative. En médecine, les articles cliniques rapportent souvent les moyennes avec leurs SE ou leurs intervalles de confiance afin que les lecteurs puissent juger si les différences entre groupes de traitement sont cliniquement significatives. En fabrication, les évaluations de la capacité des procédés utilisent le SE pour déterminer si la moyenne de l’échantillon est bien à l’intérieur des limites de spécification. En sciences sociales, la marge d’erreur d’une moyenne rapportée dépend directement du SE. En analyse du risque financier, le SE sert à estimer l’incertitude autour des rendements moyens et d’autres statistiques. En apprentissage automatique, il sous-tend les intervalles de confiance bootstrap utilisés pour comparer les métriques de performance des modèles. Il est aussi important de savoir quand rapporter le SE plutôt que l’écart type (ET). L’ET décrit la dispersion des mesures individuelles ; il ne diminue pas quand on collecte plus de données (en supposant que la variabilité réelle de la population reste fixe). Le SE décrit la précision de l’estimation de la moyenne, et il diminue avec plus de données car SE = ET / √n. Si votre objectif est de communiquer la variabilité entre individus — par exemple la répartition des âges des patients dans une étude — rapportez l’ET. Si votre objectif est de communiquer la précision d’une estimation de moyenne — par exemple la fiabilité d’une baisse moyenne de la pression artérielle — rapportez le SE ou l’intervalle de confiance dérivé.