Qu'est-ce qu'un intervalle de confiance à 99 % ?
Un intervalle de confiance à 99 % est une plage de valeurs qui a 99 % de chances de contenir la véritable moyenne de la population. On le calcule à partir de la moyenne de l'échantillon, de son écart-type et de sa taille. Plus l'intervalle est large, plus vous pouvez être sûr qu'il englobe la moyenne réelle : un niveau de 99 % produit d'ailleurs un intervalle plus large que le niveau de 95 %, plus couramment utilisé.
Comment utiliser ce calculateur
Saisissez trois valeurs : la moyenne de votre échantillon (\(\bar{x}\)), son écart-type (\(s\)) et sa taille (\(n\)). Le calculateur détermine l'erreur type, la marge d'erreur ainsi que les bornes inférieure et supérieure de l'intervalle de confiance à 99 %. Il repose sur une distribution normale (loi z), pertinente lorsque \(n\) est suffisamment grand (en général \(n \geq 30\)).
La formule expliquée
La formule s'écrit $$IC = \bar{x} \pm 2{,}576 \times \dfrac{s}{\sqrt{n}}$$ La valeur 2,576 est le score z qui laisse 0,5 % de la distribution dans chaque queue, soit 99 % au centre. Le terme \(s / \sqrt{n}\) correspond à l'erreur type, qui diminue à mesure que l'échantillon grandit : autrement dit, plus l'échantillon est grand, plus l'intervalle est resserré et précis.
Exemple concret
Supposons \(\bar{x} = 100\), \(s = 15\) et \(n = 30\). L'erreur type vaut $$SE = \frac{15}{\sqrt{30}} = \frac{15}{5{,}4772} \approx 2{,}7386$$ La marge d'erreur est de \(2{,}576 \times 2{,}7386 \approx 7{,}0547\). L'intervalle de confiance à 99 % est donc \(100 \pm 7{,}05\), soit environ 92,95 à 107,05.
Scores Z pour les niveaux de confiance courants
Un intervalle de confiance pour une moyenne utilise un score z critique qui dépend du niveau de confiance choisi. Plus la confiance est élevée, plus le score z est grand et plus l'intervalle est large. Les valeurs ci-dessous sont les valeurs critiques bilatérales de la distribution normale standard, avec la zone correspondante restant dans chaque queue.
| Niveau de confiance | Score Z bilatéral | Zone de queue par côté |
|---|---|---|
| 80% | 1.282 | 0.100 |
| 90% | 1.645 | 0.050 |
| 95% | 1.960 | 0.025 |
| 98% | 2.326 | 0.010 |
| 99% | 2.576 | 0.005 |
| 99.9% | 3.291 | 0.0005 |
Pour un intervalle à 99%, la zone de queue totale est \(1 - 0.99 = 0.01\), divisée en \(0.005\) de chaque côté. Le score z qui laisse 0.005 dans la queue supérieure est approximativement 2.576, c'est pourquoi cette calculatrice multiplie l'erreur type par 2.576.
Interpréter votre intervalle de confiance
Un intervalle de confiance à 99% est une déclaration sur une procédure à long terme, non sur un résultat unique. Si vous aviez à dessiner à plusieurs reprises des échantillons aléatoires et à construire un intervalle à 99% à partir de chacun, environ 99% de ces intervalles contiendraient la vraie moyenne de la population. Il est incorrect de dire qu'il y a 99% de probabilité que la vraie moyenne se situe à l'intérieur de votre intervalle spécifique — pour un intervalle calculé donné, la vraie moyenne est soit à l'intérieur, soit à l'extérieur, et le 99% décrit la fiabilité de la méthode à travers de nombreux échantillons.
Une interprétation valide dépend de quelques hypothèses :
- Échantillonnage aléatoire : les données doivent être un échantillon aléatoire et indépendant de la population d'intérêt. Les échantillons biaisés ou de convenance peuvent produire des intervalles qui manquent systématiquement la vraie moyenne.
- Normalité approximative : la distribution d'échantillonnage de la moyenne doit être approximativement normale. Avec de grands échantillons, cela vaut par le théorème de la limite centrale, même si les données brutes sont asymétriques ; avec de petits échantillons, cela dépend davantage des données sous-jacentes étant approximativement normales.
- Écart-type connu ou grand échantillon : l'utilisation du score z 2.576 suppose que l'écart-type est connu ou que l'échantillon est suffisamment grand pour que l'approximation normale soit adéquate. Pour les petits échantillons avec un écart-type estimé, un intervalle basé sur t est plus précis.
Finalement, l'intervalle estime la moyenne de la population, non la dispersion des valeurs individuelles. Un intervalle de confiance à 99% de 96.14 à 103.86 indique où la moyenne est susceptible de se situer — cela ne signifie pas que 99% des observations individuelles se situent dans cette plage. Pour décrire les valeurs individuelles, vous auriez besoin d'un intervalle de prédiction ou de tolérance à la place.
FAQ
Pourquoi utiliser 2,576 ? C'est la valeur z critique correspondant à un niveau de confiance de 99 % bilatéral selon la loi normale centrée réduite.
Quand faut-il plutôt utiliser la loi de Student (t) ? Lorsque l'échantillon est petit (\(n < 30\)) et que l'écart-type de la population est inconnu, le score t fournit un intervalle plus exact.
Un intervalle plus large signifie-t-il moins de précision ? Non : un intervalle plus large traduit un niveau de confiance plus élevé. Un intervalle à 99 % est plus large qu'un intervalle à 95 % parce qu'il doit être plus certain de contenir la véritable moyenne.
