Calculateur d'intervalle de confiance - moyenne et proportion
Calculez des intervalles de confiance pour une moyenne populationnelle à partir de statistiques d'échantillon ou de données brutes
Saisissez votre moyenne d'échantillon, l'écart type et la taille de l'échantillon — ou fournissez des données brutes — pour calculer des intervalles de confiance à 90 %, 95 % ou 99 %.
Calculateur d'intervalle de confiance - moyenne et proportion
Calculez des intervalles de confiance pour une moyenne populationnelle à partir de statistiques d'échantillon ou de données brutes
À propos du calculateur d'intervalle de confiance
Un intervalle de confiance (IC) est un ensemble de valeurs qui a de fortes chances de contenir le vrai paramètre de population — le plus souvent la moyenne de population — avec un niveau de confiance donné. Les intervalles de confiance comptent parmi les outils les plus utilisés en statistique inférentielle, car ils permettent de quantifier l'incertitude des estimations et de communiquer clairement leur précision.
La formule d'un intervalle de confiance pour une moyenne de population (lorsque l'écart type de population est inconnu et que la taille de l'échantillon est raisonnablement grande) est : CI = x̄ ± z* × (s / √n), où x̄ est la moyenne d'échantillon, s l'écart type d'échantillon, n la taille de l'échantillon, et z* la valeur critique de la loi normale standard correspondant au niveau de confiance choisi. Pour un IC à 95 %, z* = 1.96 ; pour 90 %, z* ≈ 1.645 ; pour 99 %, z* ≈ 2.576.
Le terme s / √n est appelé erreur type de la moyenne (ET). Il mesure à quel point la moyenne d'échantillon est susceptible de varier d'un échantillon à l'autre. Un échantillon plus grand réduit l'ET, ce qui produit un intervalle plus étroit et plus précis. La marge d'erreur (ME) est z* × ET ; la borne inférieure de l'IC est x̄ − ME et la borne supérieure est x̄ + ME.
Il est important d'interpréter correctement un intervalle de confiance. Un IC à 95 % ne signifie PAS qu'il y a 95 % de probabilité que la vraie moyenne se trouve dans cet intervalle précis. Cela signifie plutôt que si vous répétiez de nombreuses fois la même procédure d'échantillonnage et calculiez un IC à chaque fois, environ 95 % de ces intervalles contiendraient la vraie moyenne. La confiance porte sur la procédure, pas sur un intervalle unique.
Les intervalles de confiance sont utilisés dans les essais cliniques pour présenter les effets d'un traitement, dans les sondages pour indiquer les marges d'erreur, dans le contrôle qualité pour surveiller les moyennes de processus, et dans toute étude scientifique nécessitant une estimation à partir d'un échantillon. Ce calculateur utilise la distribution z (approximation normale), ce qui est précis pour les grands échantillons (n ≥ 30) ou lorsque la distribution de la population est approximativement normale. Pour de petits échantillons provenant de distributions inconnues, un intervalle basé sur la distribution t serait plus approprié.
Exemples
Le tableau ci-dessous montre des calculs d'intervalle de confiance pour des cas statistiques typiques.
| Entrées | IC à 95 % | Contexte |
|---|---|---|
| x̄=75, s=5, n=100, 95% CI | (74.02, 75.98) | Notes d'étudiants — grand échantillon |
| x̄=250, s=10, n=50, 99% CI | (246.36, 253.64) | Poids d'un produit en grammes — forte confiance |
| data: 22,25,21,24,23,26,20, 90% CI | (21.66, 24.34) | Températures quotidiennes — petit jeu de données brutes |
| x̄=35, s=8, n=200, 95% CI | (33.89, 36.11) | Temps moyen de livraison en minutes |
Comment utiliser le calculateur d'intervalle de confiance
- Choisissez « Statistiques résumées » si vous avez déjà la moyenne, l'écart type et la taille de l'échantillon ; ou choisissez « Données brutes » pour saisir des valeurs individuelles.
- Sélectionnez le niveau de confiance : 90 % (z=1.645), 95 % (z=1.96) ou 99 % (z=2.576). Un niveau de confiance plus élevé donne un intervalle plus large.
- Pour les statistiques résumées, saisissez la moyenne d'échantillon (x̄), l'écart type d'échantillon (s ≥ 0) et la taille de l'échantillon (n ≥ 2). Pour les données brutes, saisissez des nombres séparés par des virgules ou des espaces.
- Cliquez sur « Calculer » pour voir les bornes de l'intervalle de confiance, la marge d'erreur et l'erreur type.
- Interprétez le résultat : l'intervalle (borne inférieure, borne supérieure) est une plage qui capture la vraie moyenne de population avec le niveau de confiance choisi lors d'un échantillonnage répété.
Questions fréquentes
Que signifie un intervalle de confiance à 95 % ?
Un IC à 95 % signifie que si vous répétiez le même processus d'échantillonnage de nombreuses fois et calculiez un intervalle de confiance à chaque fois, environ 95 % de ces intervalles contiendraient la vraie moyenne de population. Cela ne veut pas dire qu'il y a 95 % de chances que la vraie moyenne se trouve dans cet intervalle précis — une fois calculé, l'intervalle contient la vraie moyenne ou non.
Qu'est-ce que la marge d'erreur ?
La marge d'erreur (ME) est la moitié de la largeur de l'intervalle de confiance : ME = z* × (s / √n). Elle quantifie l'écart maximal attendu entre la moyenne d'échantillon et la vraie moyenne de population au niveau de confiance choisi. Réduire la ME nécessite un échantillon plus grand, un écart type plus faible (moins de variabilité) ou un niveau de confiance plus bas.
Dois-je utiliser une distribution z ou t ?
Utilisez la distribution z (comme le fait ce calculateur) lorsque la taille de l'échantillon est grande (n ≥ 30) ou lorsque l'écart type de population est connu. Utilisez la distribution t lorsque n < 30 et que l'écart type de population est inconnu, car la distribution t a des queues plus lourdes et prend en compte l'incertitude supplémentaire liée à l'estimation de l'écart type à partir d'un petit échantillon.
Comment la taille de l'échantillon affecte-t-elle l'intervalle de confiance ?
L'augmentation de la taille de l'échantillon n diminue l'erreur type (s / √n) et resserre donc l'intervalle de confiance. Par exemple, doubler la taille de l'échantillon réduit la marge d'erreur d'un facteur √2 ≈ 1.41. C'est pourquoi les sondages avec de grands échantillons (par ex. n=1000) ont de petites marges d'erreur (~3 % à 95 %), tandis que les études pilotes avec n=20 peuvent avoir des intervalles très larges.
Que faire si mes données ne suivent pas une loi normale ?
Le théorème central limite garantit que la distribution des moyennes d'échantillon tend vers la normalité à mesure que n augmente, quelle que soit la distribution de la population. Pour n ≥ 30, l'intervalle basé sur z est généralement fiable. Pour les petits échantillons présentant des distributions fortement asymétriques ou à queues lourdes, envisagez des intervalles bootstrap ou des intervalles basés sur t, tous deux plus robustes.
Puis-je calculer un intervalle de confiance pour une proportion ?
Oui, mais la formule est différente. Pour une proportion d'échantillon p̂ sur n essais, l'IC de Wald est p̂ ± z* × √(p̂(1−p̂)/n). Ce calculateur est conçu pour les moyennes. Pour les proportions — par exemple estimer la fraction d'électeurs qui soutiennent un candidat — utilisez un outil dédié aux intervalles de confiance pour proportions. L'intervalle de Wilson est généralement préférable à la formule de Wald pour les petits échantillons ou les proportions proches de 0 ou 1.