Connectez-vous via MCP →

Entrez le calcul

Formule

Show calculation steps (3)
  1. Laplace Estimate

    Laplace Estimate: Calculateur d'estimation ponctuelle

    Laplace (add-one) = (x + 1) / (n + 2)

  2. Jeffreys Estimate

    Jeffreys Estimate: Calculateur d'estimation ponctuelle

    Jeffreys = (x + 0.5) / (n + 1)

  3. Wilson Estimate

    Wilson Estimate: Calculateur d'estimation ponctuelle

    Wilson point with z = 1.96; numerator x + z^2/2, denominator n + z^2

Publicité

Résultats

Estimation ponctuelle (EMV)
0,8
proportion de l'échantillon p̂ = x/n
Estimateur Estimation
EMV (x/n) 0,8
Laplace (x+1)/(n+2) 0,75
Jeffreys (x+0,5)/(n+1) 0,7727
Wilson (z=1,96) 0,7167

Qu'est-ce que le calculateur d'estimation ponctuelle ?

Une estimation ponctuelle est la meilleure valeur unique pour approcher un paramètre inconnu d'une population — ici, une proportion. À partir de x succès sur n essais, ce calculateur fournit plusieurs estimations ponctuelles courantes de la vraie proportion p. La plus connue est l'estimation du maximum de vraisemblance (EMV), tout simplement \(x/n\). Mais avec de petits échantillons ou des comptages extrêmes (0 ou n succès), les estimateurs lissés comme Laplace, Jeffreys et l'estimation de Wilson donnent des résultats plus fiables.

Comment l'utiliser

Saisissez le nombre de succès (x) et le nombre total d'essais (n). Le calculateur affiche instantanément la proportion brute de l'échantillon ainsi que trois estimations corrigées. Utilisez l'EMV pour les grands échantillons bien réguliers ; préférez Laplace ou Wilson lorsque n est petit ou que x est proche de 0 ou de n, car ces méthodes évitent de renvoyer exactement 0 ou 1.

Les formules expliquées

EMV :

$$\hat{p}_{\text{MLE}} = \frac{\text{Succès }(x)}{\text{Essais }(n)}$$

Laplace (« ajout d'une unité ») :

$$\hat{p}_{\text{Laplace}} = \frac{\text{Succès }(x) + 1}{\text{Essais }(n) + 2}$$

Jeffreys :

$$\hat{p}_{\text{Jeffreys}} = \frac{\text{Succès }(x) + 0{,}5}{\text{Essais }(n) + 1}$$

Estimation de Wilson :

$$\hat{p}_{\text{Wilson}} = \frac{\text{Succès }(x) + \frac{z^{2}}{2}}{\text{Essais }(n) + z^{2}}, \quad z = 1{,}96$$

le centre de l'intervalle de score de Wilson, avec \(z = 1{,}96\) pour un niveau de confiance de 95 %. Chaque terme de lissage rapproche doucement l'estimation de 0,5, ce qui réduit le biais et la variance sur les petits échantillons.

Publicité
Comparaison de quatre formules d'estimation ponctuelle sous forme de proportions ajustées
Chacun des quatre estimateurs ajoute des termes de correction différents aux succès (x) et aux essais (n).

Exemple chiffré

Supposons que 8 essais sur 10 réussissent. EMV :

$$\text{EMV} = \frac{8}{10} = 0{,}8$$

Laplace :

$$\text{Laplace} = \frac{8+1}{10+2} = \frac{9}{12} = 0{,}75$$

Jeffreys :

$$\text{Jeffreys} = \frac{8+0{,}5}{10+1} = \frac{8{,}5}{11} \approx 0{,}7727$$

Wilson avec \(z^{2} = 3{,}8416\) :

$$\text{Wilson} = \frac{8 + 1{,}9208}{10 + 3{,}8416} = \frac{9{,}9208}{13{,}8416} \approx 0{,}7168$$

Les estimations lissées ramènent la valeur brute de 0,8 vers le milieu.

Droite numérique montrant quatre points d'estimation près d'une proportion réelle
Chaque méthode place l'estimation légèrement différemment sur l'échelle de 0 à 1.

FAQ

Quelle estimation faut-il retenir ? Pour la plupart des présentations de résultats, l'EMV (proportion de l'échantillon) reste la norme. Pour les petits échantillons ou les événements rares, Laplace ou Wilson sont plus fiables.

Pourquoi Wilson utilise-t-il z ? L'estimation ponctuelle de Wilson correspond au point central de l'intervalle de confiance de score de Wilson, qui dépend de la valeur z associée au niveau de confiance choisi (1,96 ≈ 95 %).

Que se passe-t-il si x = 0 ou x = n ? L'EMV donne 0 ou 1, ce qui est souvent peu plausible ; les estimateurs lissés renvoient quant à eux des valeurs strictement comprises entre 0 et 1.

Dernière mise à jour: