Convertisseur d'Intervalle de Confiance en Écarts Types | Calculer les Scores Z
Convertissez instantanément les intervalles de confiance (95%, 99%, 90%) en écarts types et scores Z. Calculateur gratuit pour l'analyse statistique, les tests d'hypothèses et l'interprétation des données de recherche.
Visualisation
Documentation
Calculateur de conversion d’un intervalle de confiance en écart-type
Un calculateur de conversion d’un intervalle de confiance en écart-type convertit un niveau de confiance, comme 95 %, en score z. Un score z indique le nombre d’écarts-types séparant une valeur de la moyenne d’une distribution normale. Cette conversion est utilisée en statistique pour transformer un niveau de confiance donné en multiplicateur nécessaire aux calculs de marge d’erreur et d’intervalles.
Qu’est-ce qu’un intervalle de confiance ?
Un intervalle de confiance est une plage de valeurs censée contenir une valeur réelle de la population, comme une moyenne, avec un niveau de confiance donné. Un intervalle de confiance à 95 % signifie que, si la même étude était répétée un grand nombre de fois, environ 95 % des intervalles calculés contiendraient la vraie valeur. Dans une distribution normale, chaque niveau de confiance correspond à un nombre fixe d’écarts-types de part et d’autre de la moyenne.
Formule de conversion d’un intervalle de confiance en score z
La conversion utilise l’inverse de la fonction de répartition cumulative de la loi normale standard, également appelée fonction quantile ou fonction probit :
z = Φ⁻¹((1 + CI / 100) / 2)
Ici, CI est l’intervalle de confiance exprimé en pourcentage entre 0 et 100, et Φ⁻¹ est l’inverse de la fonction de répartition cumulative de la loi normale standard. Le résultat, z, est le nombre d’écarts-types au-dessus de la moyenne qui marque la limite supérieure de l’intervalle. La limite inférieure se situe à la même distance sous la moyenne, de sorte que l’intervalle complet couvre ±z écarts-types.
Comment calculer les écarts-types à partir d’un intervalle de confiance
- Prendre le niveau de confiance sous forme de pourcentage, par exemple 95.
- Le diviser par 100 pour obtenir une fraction, puis appliquer la formule : p = (1 + 0.95) / 2 = 0.975.
- Rechercher le score z pour lequel la courbe normale standard atteint cette probabilité cumulative : z = Φ⁻¹(0.975).
- Arrondir le résultat. Pour 95 %, z ≈ 1,9600.
Exemple de calcul
Pour un intervalle de confiance à 99 % :
- p = (1 + 0.99) / 2 = 0.995
- z = Φ⁻¹(0.995) ≈ 2.5758
Ainsi, un intervalle de confiance à 99 % s’étend sur environ 2,5758 écarts-types au-dessus et au-dessous de la moyenne.
Intervalles de confiance courants et leurs scores z
| Intervalle de confiance | Écarts-types (z) |
|---|---|
| 50 % | ±0,6745 |
| 68,27 % | ±1,0000 |
| 90 % | ±1,6449 |
| 95 % | ±1,9600 |
| 99 % | ±2,5758 |
| 99,73 % | ±3,0000 |
| 99,9 % | ±3,2905 |
Le calculateur affiche le score z avec quatre décimales. Les niveaux 68,27 %, 95,45 % et 99,73 % correspondent, après arrondi, à 1, 2 et 3 écarts-types. Ils ne sont pas exacts : un, deux et trois écarts-types couvrent respectivement 68,2689 %, 95,4500 % et 99,7300 % d’une distribution normale.
Cas particuliers
- Confiance de 0 % : z = 0. Un intervalle à 0 % n’a aucune largeur ; il se réduit donc à la moyenne elle-même, qui est le point central de la distribution.
- Confiance de 100 % : z est infini. Pour inclure toutes les valeurs possibles d’une distribution normale, il faut un intervalle de largeur infinie, car la courbe n’atteint jamais complètement zéro.
- Confiance de 50 % : z ≈ 0,6745, parfois appelé erreur probable ; la distribution est alors divisée en deux moitiés égales autour de la moyenne.
La saisie valide est tout pourcentage compris entre 0 et 100. Les valeurs en dehors de cette plage ne constituent pas des niveaux de confiance significatifs et sont refusées.
Utilisations de cette conversion
- Tests d’hypothèse : choix d’une valeur critique de z pour un niveau de signification donné.
- Marge d’erreur : dans un intervalle de confiance, la marge d’erreur est égale à z multiplié par l’erreur standard ; le score z est donc une donnée nécessaire.
- Tests A/B : interprétation d’une différence mesurée afin de déterminer si elle est probablement réelle ou due au hasard.
- Contrôle qualité : définition de limites de contrôle situées à un nombre fixe d’écarts-types de la moyenne d’un processus.
Ces utilisations supposent que les données sous-jacentes, ou la distribution d’échantillonnage d’une statistique telle qu’une moyenne, sont approximativement normales. Pour les petits échantillons ou les données asymétriques, d’autres méthodes, comme la loi de Student, sont plus appropriées.
Foire aux questions
Comment convertir un intervalle de confiance à 95 % en écarts-types ?
Un intervalle de confiance à 95 % correspond à environ ±1,9600 écart-type par rapport à la moyenne. Cela provient de la résolution de z = Φ⁻¹(0.975).
Quel intervalle de confiance correspond à 1 écart-type ?
Un écart-type de chaque côté de la moyenne (±1σ) couvre environ 68,27 % d’une distribution normale.
Pourquoi utilise-t-on 1,96 pour les intervalles de confiance à 95 % ?
Parce qu’un intervalle à 95 % laisse 2,5 % de l’aire sous la courbe normale dans chacune des deux queues. Le score z correspondant au 97,5e percentile est d’environ 1,96.
Que se passe-t-il avec une confiance de 0 % ou de 100 % ?
Un intervalle de confiance à 0 % a une largeur nulle et correspond à 0 écart-type, c’est-à-dire à la moyenne elle-même. Un intervalle de confiance à 100 % doit couvrir toute la distribution, ce qui nécessite un nombre infini d’écarts-types.
Cette conversion fonctionne-t-elle pour des données non normales ?
Non. Elle suppose que les données, ou la distribution d’échantillonnage pertinente, sont normales. Des données asymétriques ou provenant d’un petit échantillon nécessitent généralement une loi de Student ou une méthode de rééchantillonnage.
Comment obtenir la marge d’erreur à partir d’un score z ?
La marge d’erreur est égale à z multiplié par l’erreur standard de l’estimation : z × (σ / √n), où σ est l’écart-type et n la taille de l’échantillon.