Les statisticiens utilisent un intervalle de confiance pour décrire le degré d’incertitude associé à une estimation d’échantillon d’un paramètre de la population.

Comment interpréter les intervalles de confiance

Supposons qu’un intervalle de certitude de 90 % exprime que la moyenne de la population est supérieure à 100 et inférieure à 200. Comment pourriez-vous traduire cette annonce ?

Quelques personnes pensent que cela implique qu’il y a 90% de chances que la moyenne de la population se situe entre 100 et 200. C’est faux. Comme tout paramètre de la population, la moyenne de la population est une variable constante et non pas irrégulière. Elle ne change pas. La probabilité qu’une constante se situe dans une fourchette aléatoire est constamment de 0,00 ou 1,00.

Le niveau de certitude décrit la vulnérabilité liée à une stratégie d’inspection. Supposons que nous ayons utilisé une technique d’examen similaire pour choisir différents exemples et pour trouver une autre mesure provisoire pour chaque exemple. Certaines évaluations intermédiaires incorporeraient le paramètre de la population réelle et d’autres non. Un niveau de certitude de 90 % implique que nous nous attendons à ce que 90 % des évaluations intermédiaires incorporent le paramètre de la population ; un niveau de certitude de 95 % implique que 95 % des évaluations intermédiaires incorporent le paramètre, etc.

Exigences en matière de données sur l’intervalle de confiance

Pour exprimer un intervalle de confiance, vous avez besoin de trois éléments d’information.

-Le niveau de confiance

-Statistique

-Marge d’erreur

Compte tenu de ces sources d’information, la plage de l’intervalle de confiance est définie par la statistique de l’échantillon + la marge d’erreur. Et l’incertitude associée à l’intervalle de confiance est spécifiée par le niveau de confiance.

Souvent, la marge d’erreur n’est pas indiquée ; vous devez la calculer. Nous avons décrit précédemment la manière de calculer la marge d’erreur.