Calculateur d'intervalle de confiance pour la différence de proportions

Qu'est-ce qu'un intervalle de confiance pour la différence de proportions ?

Lors de la comparaison des taux de réussite entre deux groupes—réponse médicament vs. placebo, conversion site web A vs. B, taux de guérison traitement vs. contrôle—vous voulez savoir : quelle est la différence entre les proportions ?

Un intervalle de confiance pour (p₁ - p₂) fournit une plage :

« Le nouveau traitement avait un taux de réussite de 12 % supérieur (IC 95 % : 7 % à 17 %) »

Cela capte à la fois la différence estimée et sa précision.

La formule

Intervalle standard (Wald) :

IC = (p̂₁ - p̂₂) ± z* × √[p̂₁(1-p̂₁)/n₁ + p̂₂(1-p̂₂)/n₂]

Où :

• p̂₁, p̂₂ = proportions échantillonnales
• n₁, n₂ = tailles d'échantillon
• z* = valeur z critique (1,96 pour 95 %)

Méthodes améliorées :

L'intervalle Agresti-Caffo ajoute 1 succès et 1 échec à chaque groupe avant de calculer :

p̃₁ = (x₁ + 1) / (n₁ + 2) p̃₂ = (x₂ + 1) / (n₂ + 2)

Cela fournit une meilleure couverture, surtout pour les petits échantillons ou les proportions extrêmes.

Interprétation

Zéro dans l'intervalle

IC : (-3 % à +5 %)

• Zéro est inclus
• On ne peut pas conclure que les proportions diffèrent
• La différence n'est pas statistiquement significative

Zéro n'est pas dans l'intervalle

IC : (3 % à 9 %)

• Zéro est exclu
• Les proportions diffèrent vraiment
• La différence est statistiquement significative

Applications

Essais cliniques

« Groupe traitement : 78 % améliorés vs. Contrôle : 62 % améliorés » « Différence : 16 points de pourcentage (IC 95 % : 10 % à 22 %) »

Les cliniciens peuvent voir à la fois l'ampleur et la précision de l'effet du traitement.

Tests A/B

« Version A : 4,2 % de conversion vs. Version B : 5,1 % de conversion » « Différence : 0,9 point de pourcentage (IC 95 % : 0,2 % à 1,6 %) »

L'intervalle exclut zéro, suggérant que la version B performe vraiment mieux.

Santé publique

« Taux de vaccination en région A : 72 % vs. Région B : 65 % » « Différence : 7 points de pourcentage (IC 95 % : 3 % à 11 %) »

Les décideurs peuvent évaluer si les différences régionales sont réelles.

Comparaisons de sondages

« Soutien en 2023 : 54 % vs. 2024 : 48 % » « Différence : 6 points de pourcentage (IC 95 % : 2 % à 10 %) »

Les sondeurs peuvent affirmer qu'un véritable changement s'est produit si zéro est en dehors de l'intervalle.

Pourquoi ne pas simplement soustraire ?

Rapporter simplement 78 % - 62 % = 16 % manque l'incertitude. Avec de petits échantillons, cette différence de 16 % pourrait être cohérente avec de vraies différences allant de 5 % à 27 %—ou même incluant zéro.

L'intervalle de confiance révèle si la différence observée est probablement réelle ou juste du bruit d'échantillonnage.

Contexte historique

La comparaison de proportions a des racines dans la théorie des probabilités précoce. Abraham de Moivre et Pierre-Simon Laplace ont développé les fondements au XVIIIe siècle.

Le cadre moderne a émergé avec le test du khi-deux de Karl Pearson (1900) et a été affiné tout au long du XXe siècle.

Agresti et Caffo (2000) ont montré que des ajustements simples—ajouter des pseudo-observations—améliorent considérablement la couverture de l'intervalle. Leur travail a démontré que l'intervalle de Wald standard a souvent une couverture réelle bien inférieure à la nominale, surtout pour les petits échantillons.

Le problème de couverture

Comme l'IC pour une seule proportion, l'intervalle standard pour les différences a des problèmes de couverture :

• Près de proportions extrêmes (proches de 0 % ou 100 %)
• Avec de petites tailles d'échantillon
• Lorsque les proportions sont très différentes

L'ajustement Agresti-Caffo—ajouter 1 succès et 1 échec à chaque groupe—fournit une couverture proche de la nominale dans tous les scénarios.

Différence absolue vs. relative

Différence absolue (ce que ce calculateur donne) : « Le traitement a amélioré les résultats de 16 points de pourcentage »

Différence relative : Risque relatif : 78 %/62 % = 1,26 (26 % d'amélioration relative) Rapport de cotes : Calcul différent encore

Les deux sont valides ; ils répondent à des questions différentes :

• Absolue : Combien de plus sur 100 ?
• Relative : Combien de fois plus élevé est le taux ?

Considérations de taille d'échantillon

La marge d'erreur dépend de :

• Les deux tailles d'échantillon (plus grandes = IC plus étroit)
• Les deux proportions (plus proche de 50 % = IC plus large)
• Niveau de confiance

Pour des proportions égales (p₁ ≈ p₂ ≈ p) :

ME ≈ z* × √[2p(1-p)/n] lorsque n₁ = n₂ = n

La planification nécessite de spécifier les proportions attendues et la précision désirée.

Chevauchement des IC individuels

Une erreur courante : conclure que les proportions sont significativement différentes si leurs IC individuels ne se chevauchent pas, ou pas différentes s'ils se chevauchent.

C'est faux parce que :

• Des IC non-chevauchants signifient presque toujours signification
• MAIS des IC qui se chevauchent ne signifient pas toujours non-signification

Toujours utiliser l'IC pour la différence, pas l'inspection visuelle des IC individuels.

Intervalles unilatéraux

Parfois vous vous souciez seulement d'une direction :

• « Le nouveau traitement est-il au moins aussi bon ? »
• « Le taux de défaut est-il plus faible ? »

L'IC unilatéral à 95 % utilise z* = 1,645 au lieu de 1,96, donnant une borne dans une seule direction.

Analyse de non-infériorité

Dans les essais cliniques, vous pourriez tester si un nouveau traitement n'est « pas pire de plus de Δ » :

Si la borne inférieure de l'IC > -Δ (la marge de non-infériorité), la non-infériorité du nouveau traitement est établie.

Exemple : IC = (-2 % à 8 %), marge de non-infériorité = -5 % Puisque -2 % > -5 %, la non-infériorité est établie.

Calculs connexes

• Intervalle de confiance pour proportion — Proportion unique
• Erreur standard de proportion — Composante de l'IC
• Calculateur de risque relatif — Rapport de proportions
• Calculateur de rapport de cotes — Mesure de comparaison alternative
• Calculateur de valeur critique (z*) — Valeurs z*

Résumé

Les intervalles de confiance pour la différence de proportions quantifient comment les taux de réussite diffèrent entre les groupes et la précision de cette estimation. Que ce soit pour comparer des traitements, tester des versions de sites web ou suivre les changements de sondages au fil du temps, l'intervalle révèle à la fois l'ampleur de la différence et si elle est statistiquement significative. L'ajustement Agresti-Caffo améliore la couverture pour les petits échantillons. Rappelez-vous : ce qui compte est de savoir si zéro se trouve à l'intérieur de l'intervalle—si ce n'est pas le cas, la différence est statistiquement significative au niveau de confiance correspondant.