Calculateur d'intervalle de confiance pour une proportion

Qu'est-ce qu'un intervalle de confiance pour une proportion ?

Lorsque vous observez que 60 % d'un échantillon soutient une politique, vous voulez estimer la vraie proportion de population. Un intervalle de confiance donne une plage : « Nous sommes confiants à 95 % que le vrai soutien se situe entre 55 % et 65 % ».

Cet intervalle capture à la fois l'estimation (60 %) et l'incertitude de l'échantillonnage (±5 %).

Les méthodes

Intervalle de Wald (approximation normale)

La méthode la plus simple et la plus courante :

$IC = \hat{p} \pm z^* \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$

Où :

• $\hat{p}$ = proportion échantillonnale (succès/total)
• $z^*$ = valeur z critique (1,96 pour 95 %)
• $n$ = taille d'échantillon

Limitation : Performe mal lorsque p est proche de 0 ou 1, ou lorsque n est petit.

Intervalle de score de Wilson

Plus précis, surtout pour les proportions extrêmes :

$\tilde{p} = \frac{\hat{p} + \frac{z^{*2}}{2n}}{1 + \frac{z^{*2}}{n}}$

$IC = \frac{\tilde{p} \pm z^* \sqrt{\frac{\hat{p}(1-\hat{p})}{n} + \frac{z^{*2}}{4n^2}}}{1 + \frac{z^{*2}}{n}}$

L'intervalle de Wilson est centré sur $\tilde{p}$ (une estimation modifiée) plutôt que $\hat{p}$.

Quand utiliser lequel

• Wald : Calculs rapides, grands échantillons, p non extrême
• Wilson : Petits échantillons, proportions proches de 0 ou 1, calcul informatique

Ce calculateur utilise Wilson par défaut pour de meilleures performances dans tous les scénarios.

Interprétation

« Le soutien au candidat était de 52 % (IC 95 % : 49 % à 55 %) »

L'intervalle s'étend de 49 % à 55 %, ce qui inclut 50 %—ce qui signifie que nous ne pouvons pas affirmer avec confiance que le candidat est en tête. Si l'intervalle était de 52 % à 58 %, l'avance serait statistiquement significative.

Applications

Sondages politiques

« Le sondage montre 48 % d'approbation (marge d'erreur ±3 %) »

La marge d'erreur est la moitié de la largeur de l'intervalle de confiance. L'approbation vraie se situe probablement entre 45 % et 51 %.

Contrôle qualité

« Taux de défaut : 2,3 % (IC 95 % : 1,8 % à 2,9 %) »

La direction peut voir à la fois l'estimation ponctuelle et la plage plausible.

Études médicales

« Taux de réussite du traitement : 78 % (IC 95 % : 71 % à 84 %) »

Les cliniciens ont besoin de connaître non seulement le taux observé mais aussi son incertitude.

Étude de marché

« Notoriété de la marque : 62 % (IC 95 % : 57 % à 67 %) »

Les décisions marketing devraient tenir compte de la plage, pas seulement de l'estimation ponctuelle.

Tests A/B

« Taux de conversion : 4,2 % (IC 95 % : 3,8 % à 4,7 %) »

Comparer les intervalles entre variantes pour évaluer les différences significatives.

Exigences de taille d'échantillon

L'approximation normale fonctionne raisonnablement lorsque :

• $np \geq 5$
• $n(1-p) \geq 5$

Par exemple, avec p = 0,05, vous avez besoin d'au moins n = 100.

L'intervalle de Wilson fonctionne bien même lorsque ces conditions ne sont pas remplies.

Contexte historique

Abraham de Moivre (1733) a d'abord dérivé l'approximation normale pour les proportions binomiales, établissant que les proportions échantillonnales sont approximativement normalement distribuées pour les grands échantillons.

Edwin Bidwell Wilson (1927) a développé l'intervalle de score de Wilson, s'attaquant aux problèmes avec l'intervalle de Wald près des limites. Malgré près de 100 ans, la méthode de Wilson est souvent sous-utilisée.

Theodore Brown et collègues dans les années 1990-2000 ont renouvelé l'intérêt pour les méthodes d'intervalle, démontrant que la mauvaise performance de l'intervalle de Wald près de p = 0 ou p = 1 était pire qu'apprécié auparavant.

Aujourd'hui, de nombreuses organisations statistiques recommandent Wilson ou des intervalles ajustés similaires plutôt que la simple méthode de Wald.

Pourquoi l'intervalle de Wilson est meilleur

Le problème des limites

Lorsque la vraie proportion est proche de 0 :

• L'intervalle de Wald peut inclure des valeurs négatives (impossible)
• L'intervalle de Wald peut être trop étroit
• La probabilité de couverture chute en dessous du niveau de confiance déclaré

L'intervalle de Wilson évite ces problèmes par conception.

Probabilité de couverture

L'IC « déclaré » à 95 % devrait contenir la vraie proportion 95 % du temps. Les études montrent :

• Intervalle de Wald : La couverture peut chuter à 80-85 % dans les cas extrêmes
• Intervalle de Wilson : La couverture reste proche de 95 %

Déterminants de largeur

La largeur de l'intervalle dépend de :

1. Taille d'échantillon : n plus grand → intervalle plus étroit
2. Valeur de proportion : p = 0,5 donne l'intervalle le plus large ; p extrême donne plus étroit
3. Niveau de confiance : Confiance plus élevée → intervalle plus large

La largeur maximale se produit à p = 0,5. Si vous concevez une étude sans estimation préalable, supposer p = 0,5 pour une planification conservatrice.

Marge d'erreur

Pour les proportions, la marge d'erreur est approximativement :

$ME \approx z^* \times \sqrt{\frac{p(1-p)}{n}}$

À 95 % de confiance ($z^* = 1,96$) avec p = 0,5 :

$ME \approx \frac{1}{\sqrt{n}}$

Cela donne la règle empirique : 1 000 répondants → environ 3 % de marge d'erreur.

Correction de continuité

Pour les proportions discrètes, une correction de continuité peut améliorer la précision :

$IC = \hat{p} \pm \left[z^* \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} + \frac{1}{2n}\right]$

L'ajustement de $+\frac{1}{2n}$ tient compte de la nature discrète des comptages. Cela devient négligeable pour les grands n.

Proportions multiples

Lors de l'estimation de proportions pour de nombreuses catégories :

• Chaque proportion a son propre IC
• Des ajustements pour comparaisons multiples peuvent être nécessaires
• Considérer les régions de confiance multinomiales

L'IC pour différence de proportions gère la comparaison de deux proportions.

Calculs connexes

• Erreur standard de proportion — ET = √[p(1-p)/n]
• Calculateur de marge d'erreur — Moitié de la largeur de l'IC
• Calculateur de valeur critique (z*) — Trouver les valeurs z*
• IC pour différence de proportions — Comparer deux groupes
• Calculateur de taille d'échantillon — Planifier pour la précision désirée

Résumé

Les intervalles de confiance pour les proportions traduisent les pourcentages échantillonnaux en plages de valeurs de population plausibles. Bien que l'intervalle de Wald (approximation normale) soit le plus simple, l'intervalle de score de Wilson fournit une couverture plus fiable, surtout pour les proportions proches de 0 ou 1. Que ce soit pour interpréter les résultats de sondages, les taux de qualité ou le succès de traitement, l'intervalle communique non seulement l'estimation mais aussi l'incertitude qui accompagne toute inférence basée sur un échantillon.