Qu'est-ce que l'erreur-type de la moyenne ?
L'erreur-type de la moyenne (SEM ou SE, de l'anglais standard error of the mean) mesure l'écart probable entre la moyenne de votre échantillon et la véritable moyenne de la population. Tandis que l'écart-type décrit la dispersion des données individuelles, l'erreur-type indique la précision avec laquelle vous estimez la moyenne. Plus l'échantillon est grand, plus l'erreur-type est faible : votre estimation de la moyenne gagne alors en fiabilité.
Comment utiliser ce calculateur
Saisissez deux valeurs : l'écart-type de votre échantillon (s) et la taille de l'échantillon (n). Le calculateur divise l'écart-type par la racine carrée de la taille de l'échantillon pour vous renvoyer l'erreur-type de la moyenne. Cette formule statistique est universelle et s'applique à tous les domaines : biologie, finance, psychologie, ingénierie, et bien d'autres.
La formule expliquée
L'équation est $$\text{SE} = \frac{\text{Standard Deviation }(s)}{\sqrt{\text{Sample Size }(n)}}$$ Ici, s désigne l'écart-type de l'échantillon et n le nombre d'observations. Comme \(n\) se trouve sous une racine carrée, il faut quadrupler la taille de l'échantillon pour diviser l'erreur-type par deux — un point essentiel à garder en tête lors de la conception d'une étude.
Exemple concret
Imaginons un échantillon dont l'écart-type est de 15 et qui compte 25 observations. L'erreur-type vaut alors $$15 \div \sqrt{25} = 15 \div 5 = 3$$ La moyenne de l'échantillon est donc estimée à environ 3 unités près de la véritable moyenne de la population (soit une erreur-type).
FAQ
Quelle est la différence entre l'écart-type et l'erreur-type ? L'écart-type mesure la variabilité entre les données ; l'erreur-type mesure la précision de l'estimation de la moyenne de l'échantillon.
Un échantillon plus grand réduit-il l'erreur-type ? Oui. Lorsque \(n\) augmente, \(\sqrt{n}\) augmente et l'erreur-type diminue, ce qui donne une estimation plus précise de la moyenne.
Puis-je utiliser l'écart-type de la population à la place ? Si vous connaissez le véritable écart-type de la population (\(\sigma\)), vous pouvez appliquer \(\text{SE} = \sigma / \sqrt{n}\). Mais le plus souvent, vous ne disposez que de l'écart-type de l'échantillon \(s\).
