Calculateur d'Intervalle de Confiance

Un intervalle de confiance est une plage de valeurs qui contient probablement un paramètre de population inconnu (comme une moyenne ou une proportion). Par exemple, un intervalle de confiance à 95% de [45, 55] pour la taille moyenne signifie que nous sommes confiants à 95% que la vraie moyenne de la population se situe entre 45 et 55. Il se compose d'une estimation ponctuelle plus/moins une marge d'erreur. La largeur de l'intervalle dépend du niveau de confiance, de la taille de l'échantillon et de la variabilité. Intervalles plus larges = plus de confiance mais moins de précision.

Un intervalle de confiance à 95% signifie : si nous répétions l'étude plusieurs fois, environ 95% des intervalles calculés contiendraient le vrai paramètre de la population. Cela NE signifie PAS qu'il y a une probabilité de 95% que la vraie valeur soit dans cet intervalle spécifique—la vraie valeur est soit dedans, soit dehors. Interprétation courante : 'Nous sommes confiants à 95% que la vraie moyenne/proportion se situe entre [limite inférieure] et [limite supérieure].' Le niveau de confiance reflète notre précision à long terme.

Des niveaux de confiance plus élevés produisent des intervalles plus larges. À 90% de confiance, z = 1,645 ; à 95%, z = 1,96 ; à 99%, z = 2,576. Exemple : Pour une moyenne d'échantillon de 50 avec erreur standard 5 : IC 90% = [41,8, 58,2] (largeur 16,4), IC 95% = [40,2, 59,8] (largeur 19,6), IC 99% = [37,1, 62,9] (largeur 25,8). Il y a un compromis : confiance plus élevée = intervalle plus large = moins de précision. La plupart des recherches utilisent 95% comme équilibre.

Utilisez les intervalles de confiance pour la moyenne quand vos données sont continues/numériques (tailles, poids, scores, revenus). Formule : x̄ ± z(s/√n). Utilisez les intervalles de confiance pour la proportion quand vous comptez les succès/échecs ou les résultats oui/non (pourcentage de réussite, taux d'approbation, taux de défauts). Formule : p̂ ± z√(p̂(1-p̂)/n). Pour les proportions, assurez-vous que np̂ ≥ 10 et n(1-p̂) ≥ 10 pour que l'approximation normale soit valide.

Des échantillons plus grands produisent des intervalles plus étroits et plus précis. La formule de la marge d'erreur montre pourquoi : ME = z(s/√n). Doubler la taille de l'échantillon réduit la marge d'erreur de √2 ≈ 1,41. Directives générales : Pour les moyennes, n ≥ 30 permet d'appliquer le Théorème Central Limite. Pour les proportions, assurez-vous que np̂ ≥ 10 et n(1-p̂) ≥ 10. Les sondages nécessitent généralement 400+ répondants pour ±5% de marge d'erreur à 95% de confiance.