Calculateur d'erreur standard d'une proportion
Calculez l'ES pour une proportion d'échantillon.
Nombre de résultats favorables
Observations totales
Entrez les succès et la taille de l'échantillon
Calculer l'erreur standard d'une proportion
Qu'est-ce que l'erreur standard d'une proportion ?
L'erreur standard d'une proportion (ESp) mesure combien une proportion d'échantillon varierait entre différents échantillons de la même population. Elle quantifie la précision de votre proportion d'échantillon comme estimation de la vraie proportion de population.
La formule :
ESp = √[p(1-p)/n]
Où :
- p = proportion d'échantillon (ou proportion de population estimée)
- n = taille d'échantillon
Pour un échantillon où 60% soutiennent une politique (p = 0,60) avec n = 400 :
ESp = √[0,60 × 0,40 / 400] = √[0,0006] = 0,0245 = 2,45%
Pourquoi l'erreur standard est importante
Construction des intervalles de confiance
La marge d'erreur est directement proportionnelle à l'ES :
ME = z* × ESp
Pour une confiance de 95% : ME = 1,96 × ESp
Évaluation de la précision de l'estimation
Une petite ES indique une estimation précise. Une grande ES signifie une incertitude substantielle.
Résultat de sondage : 52% (ES = 1,5%) → Assez précis Résultat de sondage : 52% (ES = 5%) → Haute incertitude
Tests d'hypothèse
Les statistiques de test divisent l'effet estimé par l'ES :
z = (p̂ - p₀) / ESp
L'ES fournit l'échelle pour évaluer la signification statistique.
Facteurs affectant l'ES d'une proportion
Taille d'échantillon
ESp ∝ 1/√n
Quadrupler la taille d'échantillon divise par deux l'erreur standard.
| n | ES (quand p = 0,5) |
|---|---|
| 100 | 5,0% |
| 400 | 2,5% |
| 1 000 | 1,58% |
| 2 500 | 1,0% |
Valeur de la proportion
L'ES est maximisée quand p = 0,5 et diminue vers 0 ou 1 :
| p | ES (quand n = 400) |
|---|---|
| 0,50 | 2,50% |
| 0,30 ou 0,70 | 2,29% |
| 0,10 ou 0,90 | 1,50% |
| 0,05 ou 0,95 | 1,09% |
Pourquoi ? Quand p est proche de 0 ou 1, il y a moins de variation possible.
Applications
Sondages politiques
L'ES détermine avec quelle précision nous avons mesuré le soutien :
« Soutien : 48%, ES = 1,5% »
L'IC 95% est approximativement 48% ± 3% = (45%, 51%).
Contrôle qualité
Estimation des taux de défauts :
« Taux de défauts : 2,3%, ES = 0,4% »
Le vrai taux se situe probablement entre 1,5% et 3,1%.
Essais cliniques
Taux de succès du traitement :
« Taux de succès : 72%, ES = 3,2% »
Fournit un contexte pour la précision des résultats de l'essai.
Études de marché
Estimations de préférence de marque :
« Préférence : 35%, ES = 2,8% »
Les marketeurs comprennent l'incertitude dans leur estimation.
Erreur standard vs écart type
Ces concepts sont liés mais distincts :
Écart type d'une proportion : σp = √[p(1-p)]
C'est l'écart type de population pour une variable de Bernoulli.
Erreur standard d'une proportion : ESp = √[p(1-p)/n] = σp/√n
C'est l'écart type de la distribution d'échantillonnage de p̂.
La relation reflète l'erreur standard de la moyenne : ES = ET/√n.
La connexion à la distribution de Bernoulli
Chaque observation est binaire (succès/échec), suivant une distribution de Bernoulli :
- Variance de chaque observation : p(1-p)
- Pour n observations indépendantes, variance de la proportion d'échantillon : p(1-p)/n
- Erreur standard : √[p(1-p)/n]
Développement historique
L'erreur standard pour les proportions a émergé des travaux d'Abraham de Moivre sur l'approximation normale de la distribution binomiale (1733). Il a montré que pour grand n, les proportions d'échantillon sont approximativement normalement distribuées.
Pierre-Simon Laplace a développé ces idées davantage, établissant les fondements du théorème central limite.
Karl Pearson a formalisé le concept d'erreur standard à la fin du 19e siècle, l'intégrant dans son cadre plus large pour l'inférence statistique.
Quand la formule s'applique
La formule standard suppose :
- Échantillonnage aléatoire : Chaque unité a une probabilité connue de sélection
- Indépendance : Les sélections sont indépendantes
- Échantillon assez grand : n × p ≥ 5 et n × (1-p) ≥ 5
Pour les petits échantillons ou les proportions extrêmes, des modifications peuvent être nécessaires.
Correction pour population finie
Si vous échantillonnez sans remplacement à partir d'une petite population :
ES_corrigée = ESp × √[(N-n)/(N-1)]
Où N est la taille de la population. Ceci compte quand n > 0,05N.
Utilisation de p échantillon vs p hypothétisé
Pour les intervalles de confiance : Utilisez p̂ (proportion d'échantillon)
ESp = √[p̂(1-p̂)/n]
Pour les tests d'hypothèse : Parfois utilisez p₀ (valeur hypothétisée)
ES₀ = √[p₀(1-p₀)/n]
Le choix dépend de si vous estimez ou testez.
Ajustement du score de Wilson
Pour une meilleure couverture, surtout avec petit n ou p extrême, l'intervalle de score de Wilson utilise une approche modifiée qui ne repose pas sur la formule ES standard.
Comparaison de deux proportions
Pour la différence de proportions :
ES_diff = √[p̂₁(1-p̂₁)/n₁ + p̂₂(1-p̂₂)/n₂]
C'est l'ES de (p̂₁ - p̂₂).
Calculs associés
- Intervalle de confiance pour une proportion — Utilise l'ES
- Calculateur de marge d'erreur — ME = z* × ES
- Calculateur de valeur critique (z*) — Pour les intervalles de confiance
- Calculateur d'erreur standard — Concepts généraux d'ES
- IC pour la différence de proportions — ES pour les différences
Résumé
L'erreur standard d'une proportion quantifie avec quelle précision une proportion d'échantillon estime la proportion de population. Dépendant de la taille d'échantillon (plus grande = plus petite ES) et de la valeur de la proportion (extrêmes = plus petite ES), l'ES permet la construction d'intervalles de confiance, le calcul des marges d'erreur et l'évaluation de la signification statistique. Comprendre l'ES distingue les vraies différences du bruit d'échantillonnage et guide les décisions sur la taille d'échantillon pour la précision désirée.