Calculatrice de Taille d'Échantillon

TL;DR : Pour calculer l'intervalle de confiance d'une proportion échantillonnale, utilisez la formule p ± z × √(p(1-p)/n), où p est votre proportion échantillonnale, z est le score z correspondant à votre niveau de confiance (généralement 1,96 pour une confiance de 95 %), et n est la taille de votre échantillon ; pour un échantillon de 100 avec une proportion de 0,5 et une confiance de 95 %, l'erreur standard est de 0,05, la marge d'erreur est de 0,098, et votre intervalle de confiance à 95 % est [0,402, 0,598].

Qu'est-ce que le calculateur de taille d'échantillon ?

Le calculateur de taille d'échantillon est un outil statistique qui calcule la précision d'une proportion échantillonnale en dérivant l'erreur standard, la marge d'erreur et l'intervalle de confiance qui en résulte. C'est essentiel pour toute personne menant des enquêtes, des tests A/B, des sondages d'opinion ou des contrôles de qualité. L'outil évalue dans quelle mesure vous pouvez vous fier au pourcentage (proportion) observé dans votre échantillon par rapport à la population entière.

Par exemple, si vous interrogez 100 clients et que 50 % se disent satisfaits, ce calculateur vous indique si ce « 50 % » est une estimation solide ou un hasard statistique. Le public principal comprend les chercheurs en marketing, les analystes de données, les chefs de produit et les spécialistes des sciences sociales qui ont besoin de rapporter des résultats avec rigueur statistique. En saisissant seulement quatre valeurs — tamano_muestra (taille de l'échantillon), proportion (taux de succès observé), margen_error (précision souhaitée), et confianza (niveau de confiance) — vous obtenez les bornes numériques exactes dans lesquelles la proportion réelle de la population se situe probablement.

Ce calculateur se distingue d'un outil de « détermination de la taille d'échantillon », qui vous indique combien de répondants vous avez besoin avant de collecter des données. Au lieu de cela, cet outil en ligne fonctionne après la collecte des données pour vérifier la fiabilité de votre pourcentage observé. Il est particulièrement critique dans les essais médicaux où une différence de 5 % dans l'efficacité pourrait être significative, ou dans les sondages politiques où un changement de 2 % dans le soutien change le vainqueur projeté.

Comment utiliser le calculateur

L'utilisation de ce calculateur nécessite seulement quatre entrées numériques. Suivez ces étapes précisément pour obtenir des intervalles de confiance exacts :

1. Entrez la taille de l'échantillon (tamano_muestra) : Saisissez le nombre total d'observations dans votre échantillon. Par exemple, si vous avez collecté 100 réponses d'enquête, entrez 100. Cette valeur doit être un entier positif supérieur à 1.
2. Entrez la proportion observée (proportion) : Saisissez le pourcentage de « succès » ou de réponses « oui » sous forme décimale. Pour un succès de 50 %, entrez 0,5. Si 30 personnes sur 100 ont répondu « oui », entrez 0,3. La valeur doit être comprise entre 0 et 1 (inclus).
3. Entrez la marge d'erreur (margen_error) : Saisissez le niveau de précision souhaité sous forme décimale. Cela représente l'erreur ± que vous êtes prêt à accepter. Pour une marge de ±5 %, entrez 0,05. Les valeurs standard vont de 0,01 (très précise) à 0,10 (tolérante).
4. Entrez le niveau de confiance (confianza) : Saisissez la confiance statistique sous forme décimale. Pour une confiance de 95 %, entrez 0,95. Pour 99 %, entrez 0,99. Les valeurs courantes sont 0,90, 0,95 et 0,99.
5. Cliquez sur Calculer : L'outil calcule instantanément quatre sorties : standard_error (l'écart type de la distribution d'échantillonnage), margin_of_error (la différence maximale attendue par rapport à la valeur réelle), ci_lower (la borne inférieure de votre intervalle de confiance), et ci_upper (la borne supérieure).
6. Interprétez les résultats : L'intervalle de confiance [ci_lower, ci_upper] définit la plage où la proportion réelle de la population se situe probablement. Si l'intervalle est trop large, augmentez la taille de votre échantillon ou réduisez votre niveau de confiance.

Formule et méthode de calcul

Les mathématiques sous-jacentes de ce calculateur reposent sur le théorème central limite, qui stipule que les proportions échantillonnales suivent une distribution normale pour les grands échantillons. L'outil calcule d'abord l'erreur standard, puis l'utilise pour dériver la marge d'erreur et les bornes de l'intervalle de confiance.

La formule de l'erreur standard (SE) d'une proportion est :

SE = √(p × (1 - p) / n)

Où p est la proportion (sous forme décimale) et n est la taille de l'échantillon. La marge d'erreur (ME) est ensuite calculée en multipliant l'erreur standard par le score z correspondant à votre niveau de confiance :

ME = z × SE

Pour une confiance de 95 %, z = 1,96. Pour 90 %, z = 1,645. Pour 99 %, z = 2,576. Enfin, l'intervalle de confiance est :

IC = p ± ME, ce qui produit la borne inférieure (p - ME) et la borne supérieure (p + ME).

Exemple concret : Supposons que vous ayez une taille d'échantillon (tamano_muestra) de 100, une proportion (proportion) de 0,5, une marge d'erreur saisie de 0,05 et un niveau de confiance (confianza) de 0,95.

Étape 1 : Calculez l'erreur standard.
SE = √(0,5 × (1 - 0,5) / 100) = √(0,25 / 100) = √0,0025 = 0,05.

Étape 2 : Calculez la marge d'erreur en utilisant le score z pour une confiance de 95 % (1,96).
ME = 1,96 × 0,05 = 0,098.

Étape 3 : Calculez les bornes de l'intervalle de confiance.
Borne inférieure (ci_lower) = 0,5 - 0,098 = 0,402.
Borne supérieure (ci_upper) = 0,5 + 0,098 = 0,598.

Étape 4 : Interprétez le résultat. Vous pouvez affirmer avec une confiance de 95 % que la proportion réelle de la population se situe entre 40,2 % et 59,8 %. Notez que la marge d'erreur saisie (0,05) est ignorée pour le calcul ; la marge d'erreur réellement calculée est de 0,098, ce qui est plus large que votre cible. Cet écart signale que la taille de votre échantillon est trop petite pour atteindre une précision de ±5 % à un niveau de confiance de 95 %. Pour atteindre ±5 %, vous auriez besoin d'une taille d'échantillon d'environ 385.

Exemples pratiques

Voici trois scénarios réalistes montrant comment les entrées changent les sorties et ce qu'elles signifient pour la prise de décision.

Scénario 1 : Une entreprise interroge 400 clients et constate que 60 % sont satisfaits. Avec une confiance de 95 %, l'intervalle est [55,2 %, 64,8 %]. L'entreprise peut affirmer de manière fiable que la majorité de tous les clients sont satisfaits car la borne inférieure dépasse 50 %.

Scénario 2 : Un sondage politique interroge seulement 100 électeurs, trouvant 52 % de soutien pour le candidat A. Avec une confiance de 90 %, l'intervalle est [43,8 %, 60,2 %]. Parce que cet intervalle inclut 50 %, le sondage est statistiquement non concluant—le candidat A pourrait être en tête ou en retard. Cela démontre pourquoi les sondages fiables nécessitent des échantillons plus grands.

Scénario 3 : Une usine teste 500 unités et trouve un taux de défauts de 2 %. Avec une confiance de 99 %, l'intervalle est [0,4 %, 3,6 %]. La borne supérieure de 3,6 % est critique : si le seuil de défauts acceptable est de 5 %, le processus est sous contrôle. Si le seuil était de 3 %, le processus nécessiterait un ajustement.

Conseils pour des résultats précis

Pour obtenir des calculs fiables, vous devez éviter les erreurs de saisie courantes et comprendre les hypothèses derrière la formule.

• Ne saisissez jamais de valeurs nulles ou négatives : La formule nécessite une taille d'échantillon positive (n > 1) et une proportion strictement comprise entre 0 et 1 (0 < p < 1). Saisir n = 0 provoque une division par zéro ; saisir p = 0 ou p = 1 produit une erreur standard nulle, impliquant une certitude fausse. Si votre proportion observée est de 0 % ou 100 %, utilisez une correction (par exemple, 0,5/n ou 1 - 0,5/n).
• Utilisez le format décimal, pas les pourcentages : Entrez la proportion 0,5, pas 50. Entrez la confiance 0,95, pas 95. Le calculateur suppose des entrées décimales ; saisir des nombres entiers produira des intervalles incorrects (par exemple, saisir 95 pour la confiance tentera de calculer un score z pour un niveau de confiance de 9500 %).
• Ne confondez pas la marge souhaitée avec la marge réelle : L'entrée margen_error n'est pas utilisée dans le calcul. Elle est fournie comme cible de comparaison. Le calculateur calcule toujours la marge réelle en fonction de votre taille d'échantillon et de votre confiance. Si votre marge réelle dépasse votre marge souhaitée, vous avez besoin d'un échantillon plus grand.
• Vérifiez le score z du niveau de confiance : L'outil utilise les scores z normaux standard. Pour 95 %, il utilise 1,96, pour 99 %, 2,576, pour 90 %, 1,645. Si vous passez une confiance inhabituelle (par exemple, 0,92), le calculateur doit interpoler un score z ; les outils en ligne standard arrondissent généralement au niveau de confiance commun le plus proche.
• Soyez conscient de l'hypothèse sur la taille de l'échantillon : La formule d'approximation normale fonctionne bien lorsque n × p > 5 et n × (1-p) > 5. Si votre échantillon est petit (n < 30) ou si votre proportion est extrême (près de 0 ou 1), envisagez plutôt l'intervalle de Wilson. Votre ci_lower calculé pourrait être négatif ou ci_upper pourrait dépasser 1 ; dans ces cas, ajustez les bornes à 0 et 1 pour l'interprétation.

Questions fréquemment posées

1. Pourquoi ma marge d'erreur calculée est-elle différente de celle que j'ai saisie ?
La marge d'erreur saisie (margen_error) sert de cible pour la conception de votre étude, pas de variable dans le calcul. Le calculateur calcule la marge d'erreur atteinte directement à partir de votre taille d'échantillon et de votre proportion. Pour une taille d'échantillon de 100 avec p = 0,5 à une confiance de 95 %, la marge atteinte est de ±9,8 %, que vous ayez saisi 0,05 ou 0,10. Si vous avez besoin de ±5 %, vous devez augmenter la taille de votre échantillon à environ 385 (calculée comme (1,96/0,05)² × 0,25). La marge saisie est simplement un repère pour comparer avec la marge calculée en sortie.

2. Que signifie si mon intervalle de confiance inclut 0 ou 1 ?
Si le ci_lower est négatif ou le ci_upper dépasse 1, cela indique que l'approximation normale n'est pas fiable pour vos données. Cela se produit généralement lorsque la proportion est très proche de 0 ou 1, ou lorsque la taille de l'échantillon est petite. Par exemple, avec n = 20 et p = 0,98, la formule de l'erreur standard donne √(0,98 × 0,02 / 20) = 0,0313, et à une confiance de 95 %, la borne supérieure devient 0,98 + 1,96 × 0,0313 = 1,041. Les proportions ne peuvent pas dépasser 100 %, donc interprétez la borne supérieure comme effectivement 1,0. Statistiquement, vous devriez passer à l'intervalle de Wilson ou à la méthode exacte de Clopper-Pearson pour des bornes fiables.

3. Puis-je utiliser ce calculateur pour déterminer la taille de mon échantillon ?
Non, ce calculateur spécifique est purement descriptif—il évalue la précision d'un échantillon existant. Il ne résout pas la taille d'échantillon requise (n). Pour déterminer la taille de l'échantillon, vous réorganiseriez la formule : n = (z² × p(1-p)) / ME². Par exemple, avec une confiance de 95 % (z=1,96), une marge d'erreur de 0,05 et une proportion supposée de 0,5, vous avez besoin de n = (1,96² × 0,5 × 0,5) / 0,05² = 384,16, arrondi à 385. Cependant, un « calculateur de détermination de taille d'échantillon » standard utiliserait des entrées pour la confiance, la marge et la proportion estimée pour produire cela directement. Utilisez cet outil uniquement pour quantifier l'incertitude que vous avez déjà.

4. Pourquoi l'erreur standard devient-elle plus grande lorsque la proportion est proche de 0,5 ?
C'est une propriété mathématique de la variance binomiale. Le produit p(1-p) est maximisé lorsque p = 0,5 (donnant 0,25) et s'approche de zéro lorsque p s'approche de 0 ou 1. Par exemple, avec n = 100, l'erreur standard à p = 0,5 est √(0,25/100) = 0,05, mais à p = 0,1, elle est √(0,09/100) = 0,03. Cela signifie que les enquêtes rapportant des résultats près de 50 % ont l'incertitude la plus grande possible—une conclusion de 50 % est moins précise qu'une conclusion de 90 % ou 10 %, pour une même taille d'échantillon. C'est pourquoi les sondeurs supposent généralement p = 0,5 lors du calcul des tailles d'échantillon requises ; cela représente le scénario le plus défavorable (le plus conservateur).