Calculateur d'intervalle de confiance pour une proportion : formule, étapes et exemples
Un calculateur d'intervalle de confiance pour une proportion estime une fourchette plausible pour une proportion inconnue dans la population (par exemple le pourcentage d'électeurs qui soutiennent un candidat ou le taux de défauts sur une ligne de production) à partir d'un seul échantillon. Les étudiants et les chercheurs utilisent un calculateur d'intervalle de confiance pour une proportion pour présenter les résultats d'une enquête, vérifier la marge d'erreur d'un sondage ou déterminer la taille d'échantillon nécessaire pour atteindre la précision souhaitée. Ce guide présente la formule de l'intervalle de confiance pour une proportion en partant de zéro, déroule un exemple complet de 120 sur 500 avec des chiffres réels et montre comment choisir z*, vérifier la condition succès-échec et calculer la taille d'échantillon nécessaire pour une marge d'erreur cible.
Sommaire
- 01Qu'est-ce qu'un intervalle de confiance pour une proportion ?
- 02Comment fonctionne un calculateur d'intervalle de confiance pour une proportion ?
- 03Comment calculer étape par étape un intervalle de confiance à 95 % pour une proportion ?
- 04Comment vérifier la condition succès-échec avant de se fier à l'intervalle ?
- 05Comment choisir la valeur critique z* d'un intervalle de confiance ?
- 06Quelle taille d'échantillon faut-il pour atteindre une marge d'erreur donnée ?
- 07Quelles erreurs les étudiants font-ils souvent avec les intervalles de confiance pour une proportion ?
- 08Exercices : testez vos compétences sur l'intervalle de confiance pour une proportion
- 09Obtenir plus d'aide sur les intervalles de confiance pour une proportion
Qu'est-ce qu'un intervalle de confiance pour une proportion ?
Un intervalle de confiance pour une proportion estime la plage de valeurs plausibles d'une proportion inconnue dans la population (le vrai pourcentage d'électeurs qui soutiennent un candidat, le vrai taux de défauts sur une ligne de production ou la vraie part de patients qui répondent à un traitement) à partir d'un seul échantillon. Un calculateur d'intervalle de confiance pour une proportion ne demande que trois données (le nombre de succès, la taille de l'échantillon et un niveau de confiance). Il renvoie une fourchette construite autour de la proportion observée dans l'échantillon, ainsi que la marge d'erreur qui l'a produite. Un intervalle de confiance pour une moyenne repose sur une mesure continue comme la taille ou le temps. À l'inverse, un intervalle de confiance pour une proportion travaille sur des données de comptage : combien d'observations tombent dans la catégorie « succès » sur l'ensemble de l'échantillon. Cette distinction compte, car la formule de l'erreur type, la forme de la distribution d'échantillonnage et même les conditions de validité de l'intervalle diffèrent du cas de la moyenne. Pourtant, les deux aboutissent à une fourchette de la même forme : estimation ponctuelle ± marge d'erreur.
Formule de l'intervalle de confiance pour une proportion : p̂ ± z* × √[p̂(1 − p̂) ÷ n], où p̂ est la proportion de l'échantillon, z* la valeur critique associée au niveau de confiance choisi et n la taille de l'échantillon.
Comment calculer étape par étape un intervalle de confiance à 95 % pour une proportion ?
Le moyen le plus clair d'apprendre la formule de l'intervalle de confiance pour une proportion est de dérouler un exemple complet avec des chiffres réels. Voici un scénario typique des questions que l'on retrouve sans cesse en cours de statistiques et dans la présentation de vraies enquêtes.
1. Poser le problème
Une enquête nationale demande à 500 adultes choisis au hasard s'ils soutiennent un nouveau projet de transports en commun. 120 d'entre eux répondent oui. Trouvez un intervalle de confiance à 95 % pour la vraie proportion de la population qui soutient le projet.
2. Calculer la proportion de l'échantillon
p̂ = x ÷ n = 120 ÷ 500 = 0.24, soit 24 %.
3. Calculer l'erreur type
SE = √[p̂(1 − p̂) ÷ n] = √[0.24 × 0.76 ÷ 500] = √[0.1824 ÷ 500] = √0.0003648 ≈ 0.0191.
4. Choisir z* et calculer la marge d'erreur
Pour un intervalle de confiance à 95 %, z* = 1.96. Marge d'erreur = 1.96 × 0.0191 ≈ 0.0374, soit environ 3.74 points de pourcentage.
5. Construire et interpréter l'intervalle
Intervalle de confiance à 95 % = 0.24 ± 0.0374 = (0.2026, 0.2774), soit environ (20.3%, 27.7%). Vous pouvez affirmer avec 95 % de confiance que la vraie proportion d'adultes qui soutiennent le projet de transports se situe entre environ 20.3 % et 27.7 %. Un calculateur d'intervalle de confiance pour cette proportion renverrait instantanément la même fourchette (20.3%, 27.7%), mais vous pouvez désormais vérifier vous-même chaque résultat intermédiaire.
Intervalle de confiance à 95 % pour une proportion : 0.24 ± 1.96 × 0.0191 = (0.2026, 0.2774), soit environ de 20.3 % à 27.7 %.
Comment vérifier la condition succès-échec avant de se fier à l'intervalle ?
La formule de l'intervalle de confiance pour une proportion fonctionne parce que, pour un échantillon assez grand, la distribution d'échantillonnage de p̂ suit approximativement une loi normale. Cette approximation ne tient plus pour les petits échantillons ni pour les proportions proches de 0 ou de 1. C'est pourquoi tout calcul d'intervalle de confiance pour une proportion exige une vérification rapide de cette condition avant de se fier au résultat.
1. La règle : les deux effectifs attendus doivent être d'au moins 10
Vérifiez que n × p̂ ≥ 10 (succès attendus) et n × (1 − p̂) ≥ 10 (échecs attendus). Certains manuels utilisent un seuil plus souple de 5 au lieu de 10. Le seuil de 10 reste le plus courant et le plus prudent en AP Statistics et dans la plupart des cours d'introduction.
2. Vérifier la condition pour l'enquête sur les transports
n × p̂ = 500 × 0.24 = 120 ≥ 10. n × (1 − p̂) = 500 × 0.76 = 380 ≥ 10. Les deux conditions sont largement remplies. L'approximation normale, et donc l'intervalle de confiance fondé sur z* qui en découle, est valable ici.
3. Que faire quand la condition n'est pas remplie
Si l'un des effectifs attendus est inférieur à 10, l'intervalle z standard peut être imprécis, surtout quand p̂ est proche de 0 ou de 1. Dans ce cas, utilisez plutôt une méthode exacte comme l'intervalle de score de Wilson ou l'intervalle de Clopper-Pearson. Ces deux méthodes traitent les petits échantillons et les proportions extrêmes de façon bien plus fiable que la formule standard.
Condition succès-échec : n p̂ ≥ 10 et n(1 − p̂) ≥ 10. Sans cette vérification, un calculateur d'intervalle de confiance peut renvoyer une fourchette qui représente très mal l'incertitude réelle.
Comment choisir la valeur critique z* d'un intervalle de confiance ?
La valeur critique z* détermine la largeur de l'intervalle et dépend directement du niveau de confiance choisi. Un niveau de confiance plus élevé implique toujours un z* plus grand, donc un intervalle plus large, mais plus fiable.
1. Confiance à 90 %
z* = 1.645. On l'utilise quand un intervalle plus étroit compte davantage qu'une très grande certitude, par exemple dans une recherche exploratoire en phase initiale.
2. Confiance à 95 %
z* = 1.96. C'est le choix par défaut dans la plupart des cours de statistiques, des articles de recherche et des présentations de sondages dans les médias, car il offre un bon équilibre entre précision et certitude.
3. Confiance à 99 %
z* = 2.576. On l'utilise quand une erreur coûte cher (essais cliniques, tests de sécurité ou décisions de contrôle qualité) et qu'un intervalle plus large est un compromis acceptable en échange d'une plus grande certitude.
4. Comparer les trois niveaux
Avec l'enquête sur les transports (p̂ = 0.24, SE ≈ 0.0191) : à 90 % de confiance, marge d'erreur = 1.645 × 0.0191 ≈ 0.0314, ce qui donne (0.2086, 0.2714). À 95 %, marge d'erreur ≈ 0.0374, ce qui donne (0.2026, 0.2774). À 99 %, marge d'erreur = 2.576 × 0.0191 ≈ 0.0492, ce qui donne (0.1908, 0.2892). Chaque hausse du niveau de confiance élargit l'intervalle, car celui-ci doit couvrir une plus grande part des résultats d'échantillonnage possibles.
z* = 1.645 pour 90 % de confiance, z* = 1.96 pour 95 % de confiance, z* = 2.576 pour 99 % de confiance : les trois valeurs critiques les plus utilisées par tout calculateur d'intervalle de confiance pour une proportion.
Quelle taille d'échantillon faut-il pour atteindre une marge d'erreur donnée ?
Pour planifier une enquête ou une expérience, on part souvent de la formule de l'intervalle de confiance à l'envers. Au lieu de calculer la marge d'erreur à partir d'une taille d'échantillon fixée, on choisit d'abord une marge d'erreur cible, puis on cherche la taille d'échantillon nécessaire pour l'atteindre. En isolant n dans la formule de la marge d'erreur, on obtient la formule de taille d'échantillon qu'utilise tout calculateur de taille d'échantillon pour une proportion.
1. La formule de la taille d'échantillon
n = (z* ÷ E)² × p̂(1 − p̂), où E est la marge d'erreur souhaitée (en décimal) et p̂ une estimation préalable de la proportion. Le résultat s'arrondit au nombre entier supérieur, puisqu'on ne peut pas interroger une fraction de personne.
2. Exemple avec une estimation issue d'une étude pilote
Supposons que l'enquête sur les transports ci-dessus serve d'étude pilote, avec p̂ = 0.24 obtenu à partir de x = 120 et n = 500. Une étude de suivi plus vaste vise un intervalle de confiance à 95 % plus serré, avec une marge d'erreur d'au plus 3 points de pourcentage (E = 0.03). n = (1.96 ÷ 0.03)² × 0.24 × 0.76 = (65.33)² × 0.1824 ≈ 4268.4 × 0.1824 ≈ 778.6, arrondi à 779 répondants.
3. Exemple sans estimation préalable
Sans données pilotes pour estimer p̂, utilisez la valeur prudente p̂ = 0.5, car p̂(1 − p̂) est maximal quand p̂ = 0.5, ce qui donne la plus grande taille d'échantillon requise. Pour la même marge E = 0.03 à 95 % de confiance : n = (1.96 ÷ 0.03)² × 0.5 × 0.5 ≈ 4268.4 × 0.25 ≈ 1067.1, arrondi à 1068 répondants. C'est nettement plus que les 779 nécessaires quand on dispose d'une estimation préalable raisonnable.
4. Pourquoi la marge d'erreur diminue moins vite que la taille d'échantillon n'augmente
Comme l'erreur type, la marge d'erreur est inversement proportionnelle à √n, et non à n lui-même. Passer de n = 500 à n = 2000, soit quatre fois plus (avec p̂ ≈ 0.24), fait passer la marge d'erreur d'environ 0.0374 à environ 0.0187. Elle est divisée exactement par deux, et non par quatre, car SE = √(0.1824 ÷ 2000) ≈ 0.00955 et 1.96 × 0.00955 ≈ 0.0187. C'est pourquoi les enquêtes qui visent des marges d'erreur très serrées ont besoin d'échantillons beaucoup plus grands pour chaque point de pourcentage de précision supplémentaire.
Taille d'échantillon pour une marge d'erreur cible : n = (z* ÷ E)² × p̂(1 − p̂). Utilisez p̂ = 0.5 en l'absence d'estimation préalable : cette valeur donne la taille d'échantillon la plus grande et la plus sûre.
Quelles erreurs les étudiants font-ils souvent avec les intervalles de confiance pour une proportion ?
La plupart des erreurs dans un intervalle de confiance pour une proportion viennent d'une confusion entre les formules ou d'une vérification de condition oubliée, pas d'un calcul difficile. Surveillez ces cinq erreurs.
1. Utiliser la formule de la moyenne au lieu de celle de la proportion
La formule pour une proportion utilise √[p̂(1 − p̂) ÷ n], et non s ÷ √n comme pour la moyenne. Injecter une proportion dans la formule de l'erreur type de la moyenne (ou l'inverse) produit un intervalle dénué de sens.
2. Oublier la condition succès-échec
Construire un intervalle de confiance sans vérifier que n p̂ ≥ 10 et n(1 − p̂) ≥ 10 peut produire une fourchette qui semble raisonnable mais n'est pas statistiquement valable, surtout pour les petits échantillons ou les proportions proches des extrêmes.
3. Utiliser le mauvais z* pour le niveau de confiance
Confondre 1.645 (90 %), 1.96 (95 %) et 2.576 (99 %) est une source fréquente de marge d'erreur fausse, même quand toutes les autres étapes sont correctes. Vérifiez le niveau de confiance demandé dans l'énoncé avant de chercher z*.
4. Arrondir p̂ ou SE trop tôt
Arrondir p̂ ou l'erreur type à une ou deux décimales avant de calculer la marge d'erreur peut décaler sensiblement l'intervalle final. Gardez au moins quatre décimales jusqu'à la toute dernière étape.
5. Supposer p̂ = 0.5 alors qu'une meilleure estimation existe
Prendre p̂ = 0.5 dans un calcul de taille d'échantillon n'est le choix prudent par défaut que s'il n'existe aucune information préalable. Si une étude pilote ou des données antérieures fournissent déjà un p̂ raisonnable, utilisez-le : la taille d'échantillon requise sera généralement plus petite et tout aussi valable.
Exercices : testez vos compétences sur l'intervalle de confiance pour une proportion
Résolvez ces exercices à la main, puis comparez votre démarche avec un calculateur d'intervalle de confiance pour une proportion. Les solutions complètes sont fournies pour vous permettre de vérifier chaque étape.
1. Exercice 1 : IC à 95 %, n = 150
Dans un échantillon de 150 clients, 45 préfèrent le paiement en ligne au paiement en magasin. Trouvez un intervalle de confiance à 95 % pour la vraie proportion. Solution : p̂ = 45 ÷ 150 = 0.3. SE = √[0.3 × 0.7 ÷ 150] = √0.0014 ≈ 0.0374. Marge d'erreur = 1.96 × 0.0374 ≈ 0.0733. IC = 0.3 ± 0.0733 = (0.2267, 0.3733), soit environ (22.7%, 37.3%).
2. Exercice 2 : IC à 90 %, n = 200
Dans un échantillon de 200 utilisateurs d'une application, 80 ont activé les notifications push. Trouvez un intervalle de confiance à 90 %. Solution : p̂ = 80 ÷ 200 = 0.4. SE = √[0.4 × 0.6 ÷ 200] = √0.0012 ≈ 0.0346. Marge d'erreur = 1.645 × 0.0346 ≈ 0.0570. IC = 0.4 ± 0.0570 = (0.343, 0.457), soit environ (34.3%, 45.7%).
3. Exercice 3 : taille d'échantillon sans estimation préalable
Un chercheur veut un intervalle de confiance à 99 % avec une marge d'erreur d'au plus 5 points de pourcentage (E = 0.05), sans données pilotes disponibles. Solution : utilisez la valeur prudente p̂ = 0.5. n = (2.576 ÷ 0.05)² × 0.5 × 0.5 = (51.52)² × 0.25 ≈ 2654.3 × 0.25 ≈ 663.6, arrondi à 664 répondants.
4. Exercice 4 : vérifier la condition succès-échec
Une petite enquête pilote auprès de 40 personnes compte 8 succès. Peut-on se fier à un intervalle z standard ? Solution : p̂ = 8 ÷ 40 = 0.2. n p̂ = 40 × 0.2 = 8, ce qui est inférieur à 10. La condition succès-échec n'est donc pas remplie, même si n(1 − p̂) = 32 ≥ 10 est satisfaite. On ne peut pas se fier au résultat fondé sur l'approximation normale d'un calculateur d'intervalle de confiance standard. Utilisez plutôt une méthode exacte comme l'intervalle de score de Wilson.
5. Exercice 5 : comparer la précision quand la taille d'échantillon augmente
Enquête A : n = 500, p̂ = 0.24, d'où SE ≈ 0.0191 et une marge d'erreur à 95 % ≈ 0.0374. Enquête B : n = 2000 (4× plus grand), même p̂ ≈ 0.24, d'où SE = √(0.1824 ÷ 2000) ≈ 0.00955 et une marge d'erreur à 95 % ≈ 0.0187. L'intervalle de l'enquête B est environ deux fois plus étroit que celui de l'enquête A, ce qui confirme que multiplier la taille d'échantillon par quatre divise la marge d'erreur par deux.
Obtenir plus d'aide sur les intervalles de confiance pour une proportion
Une fois que vous savez calculer p̂, vérifier la condition succès-échec, choisir z* et construire la marge d'erreur, les intervalles de confiance pour une proportion ne relèvent plus d'une formule mystérieuse, mais d'une mise en place rigoureuse. Si les chiffres d'un exercice ne tombent pas juste, le solveur étape par étape de Solvify peut refaire le même calcul d'intervalle de confiance que dans ce guide : la proportion de l'échantillon, l'erreur type, la valeur critique et l'intervalle final. Vous voyez ainsi exactement où votre démarche s'écarte de la bonne.
Avant de vous fier à un calculateur d'intervalle de confiance pour une proportion, vérifiez d'abord la condition succès-échec : la validité de la formule en dépend autant que l'exactitude des calculs.
Articles connexes
Calculateur d'erreur type : comment calculer l'erreur type pour les moyennes et les proportions
La formule de l'erreur type sur laquelle repose directement l'intervalle de confiance pour une proportion, avec d'autres exemples détaillés pour les moyennes et les proportions.
Calculateur de score z en percentile : formule, étapes et exemples
Un regard approfondi sur la loi normale centrée réduite et les valeurs z à l'origine des valeurs critiques z* utilisées dans tout intervalle de confiance pour une proportion.
Calculateur du khi-deux : comment effectuer un test du khi-deux à la main
Une autre méthode statistique pour les données catégorielles, utile quand vous êtes prêt à tester les liens entre des proportions de plusieurs groupes.
Solveurs mathématiques
Solutions étape par étape
Obtenez chaque étape d'un intervalle de confiance pour une proportion en détail : la proportion de l'échantillon, l'erreur type et la marge d'erreur.
Solveur Smart Scan
Prenez en photo une question sur un intervalle de confiance ou une marge d'erreur et obtenez instantanément une solution entièrement détaillée.
Tuteur de maths IA
Posez des questions complémentaires sur les intervalles de confiance, les valeurs z* ou les cas où appliquer la condition succès-échec.
Matières connexes
Aide en statistiques
Statistiques descriptives, tests d'hypothèse et intervalles de confiance : les notions qui s'appuient directement sur les intervalles de confiance pour une proportion.
Préparer ses examens avec un tuteur IA
Comment un tuteur IA peut vous guider dans les exercices sur les intervalles de confiance et la marge d'erreur avant un examen de statistiques.
Comment fonctionne un calculateur d'intervalle de confiance pour une proportion ?
Tout calculateur d'intervalle de confiance pour une proportion demande les mêmes quelques données et renvoie le même ensemble de résultats, quel que soit le niveau de confiance choisi. Savoir ce qui entre et ce qui sort permet de poser un problème correctement, que vous calculiez l'intervalle à la main ou que vous utilisiez un calculateur pour vérifier votre travail.
1. Les données dont un calculateur d'intervalle de confiance pour une proportion a besoin
Le nombre de succès (x) observés dans l'échantillon, la taille totale de l'échantillon (n) et un niveau de confiance (souvent 90 %, 95 % ou 99 %). Certains calculateurs demandent directement la proportion de l'échantillon p̂ au lieu de x et n séparément. Dans ce cas, p̂ = x ÷ n est déjà calculé pour vous.
2. Les résultats qu'un calculateur d'intervalle de confiance peut renvoyer
p̂ : la proportion de l'échantillon, exprimée en décimal ou en pourcentage. SE : l'erreur type de la proportion. Marge d'erreur : SE multipliée par la valeur critique z* du niveau de confiance choisi. Bornes de l'intervalle de confiance : la proportion de l'échantillon plus et moins la marge d'erreur, prêtes à être présentées sous forme de fourchette, par exemple (20.3%, 27.7%).
3. Pourquoi apprendre quand même la méthode manuelle
Les devoirs, les comptes rendus de TP et les examens exigent presque toujours de montrer toute la démarche : calculer p̂, vérifier la condition succès-échec, choisir z* et construire la marge d'erreur. Un simple résultat décimal sorti d'un calculateur d'intervalle de confiance ne suffit pas. Appliquer la formule à la main développe aussi l'intuition nécessaire plus tard pour les tests d'hypothèse sur les proportions et pour comparer deux proportions dans un test A/B.