Effectif de l'échantillon pour l'estimation
Sample Size for Estimation planifie une étude dont le but est de mesurer précisément une moyenne ou une proportion plutôt que de tester une différence. Saisissez des marges d'erreur cibles pour obtenir des effectifs d'échantillon, ou des effectifs d'échantillon pour obtenir des marges. Une moyenne exige un écart-type supposé et utilise la distribution t ; une proportion exige une valeur de planification, 0.5 par défaut, et utilise l'approximation normale.
Dernière révision
Point clé
Calcule le nombre d'observations nécessaires pour estimer une moyenne ou une proportion avec une marge d'erreur choisie (demi-largeur de l'intervalle de confiance), ou la marge qu'atteint un échantillon donné.
Sur cette page
Objectif
Sample Size for Estimation détermine combien d'observations sont nécessaires pour estimer une moyenne ou une proportion avec une précision choisie, ou quelle sera la précision de l'estimation avec un échantillon donné. La précision s'exprime par la marge d'erreur : la demi-largeur de l'intervalle de confiance, de sorte que l'estimation s'écrit « valeur ± marge ». Utilisez-le lorsque le but est de bien mesurer quelque chose, comme le temps de cycle moyen, la masse moyenne de revêtement ou la part de commandes en retard, plutôt que de tester une différence (pour cela, utilisez les outils de puissance et d'effectif d'échantillon des tests d'hypothèse).
Principales fonctionnalités
- Estime une Mean (avec un écart-type supposé) ou une Proportion (avec une valeur de planification).
- Détermine l'effectif de l'échantillon à partir de marges d'erreur cibles, ou la marge d'erreur à partir d'effectifs d'échantillon prévus : laissez vide celui que vous voulez obtenir.
- Plusieurs valeurs à la fois, par ex. des marges « 0.5 1 », donnent une ligne chacune.
- Lors de la détermination de l'effectif de l'échantillon, indique le nombre entier d'observations et la marge d'erreur qu'il atteint réellement.
- Tout niveau de confiance de 75 à 100%.
Méthodes statistiques
Pour une moyenne, l'écart-type saisi est une valeur de planification plutôt qu'une valeur connue : la marge d'erreur utilise donc la distribution t, comme l'intervalle de confiance que vous calculerez ensuite à partir des données (Minitab procède de la même façon lorsque σ n'est pas connu). Pour une proportion, l'outil utilise l'approximation normale. Avec un niveau de confiance C, α = 1 − C/100 ; z = z₁₋α/₂ (1.960 pour 95%) et t = t₁₋α/₂ avec n − 1 degrés de liberté.
Pour une moyenne d'écart-type supposé σ, la marge d'erreur avec n observations est E = t·σ/√n. Comme t dépend de n, l'effectif de l'échantillon pour une marge cible E est le plus petit n dont la marge est au plus égale à E : l'outil part de la réponse normale (z·σ/E)², arrondie à l'entier supérieur, et augmente n un par un. Pour une proportion de valeur de planification p, la marge est E = z·√(p(1 − p)/n), donc n = z²·p(1 − p)/E², arrondi à l'entier supérieur. Dans les deux cas, la marge au n indiqué est affichée comme marge d'erreur réelle, qui est au plus égale à la cible.
La marge diminue comme la racine carrée de n : diviser la marge par deux exige environ quatre fois plus d'observations. Pour une moyenne, la marge suppose que l'écart-type de l'échantillon sera proche de la valeur de planification ; si les données sont plus variables, l'intervalle sera plus large. Pour une proportion, une valeur de planification de 0.5 donne le plus grand effectif d'échantillon (le plus sûr) ; n'utilisez une valeur plus petite que si vous êtes certain que la proportion est loin de 0.5. Le résultat suppose un échantillon aléatoire issu d'un procédé stable.
Champs de saisie et options
Champ | Description |
Parameter to estimate | Mean (default) ou Proportion. |
Sample sizes | Valeurs séparées par des espaces ou des virgules, par ex. « 10 20 30 ». Laissez vide pour déterminer l'effectif de l'échantillon. |
Margins of error | Valeurs séparées par des espaces ou des virgules, par ex. « 1 2 ». La demi-largeur de l'intervalle de confiance, en unités de mesure pour une moyenne ou sous forme de fraction (par ex. 0.03) pour une proportion. Laissez vide pour déterminer la marge d'erreur. |
Assumed standard deviation | Obligatoire lorsque Parameter = Mean. Estimation historique ou issue d'un essai pilote de l'écart-type, utilisée comme valeur de planification (la marge utilise la distribution t). |
Planning value for the proportion | Obligatoire lorsque Parameter = Proportion ; 0.5 par défaut, entre 0.0001 et 0.9999. 0.5 est le choix le plus prudent (plus grand effectif d'échantillon). |
Confidence level | Par défaut 95 ; de 75 à 100. |
Title | Titre affiché sur les résultats. |

Figure 1 — Détermination de l'effectif de l'échantillon pour une moyenne : Margins of error = 0.5 1, Assumed standard deviation = 3, avec une confiance de 95%.
Description des résultats
- Settings — ce qui a été déterminé, le paramètre, le niveau de confiance et l'écart-type supposé (pour une moyenne) ou la valeur de planification (pour une proportion).
- Results — une ligne par valeur : marge d'erreur, effectif de l'échantillon et marge d'erreur réelle lors de la détermination de l'effectif de l'échantillon, ou effectif de l'échantillon et marge d'erreur lors de la détermination de la marge d'erreur.
- Export PDF via Download.

Figure 2 — Résultats de l'exemple : 141 cycles pour une marge de ±0.5 s et 38 cycles pour une marge de ±1 s avec une confiance de 95%.
Exemple résolu
Un ingénieur méthodes industrielles a besoin du temps de cycle moyen d'un poste d'assemblage manuel pour une étude d'équilibrage de ligne. Un court essai pilote montre un écart-type d'environ 3 secondes. L'ingénieur voudrait connaître la moyenne à ±0.5 s près, mais pourrait accepter ±1 s. Avec Parameter to estimate = Mean, il laisse Sample sizes vide, saisit Margins of error = 0.5 1 et Assumed standard deviation = 3, avec une confiance de 95%.
L'outil exige 141 cycles chronométrés pour une marge de ±0.5 s (marge réelle 0.499 s) et 38 cycles pour ±1 s (marge réelle 0.986 s) : diviser la marge par deux multiplie le travail par environ quatre. Saisir Sample sizes = 20 50 à la place montre que 20 cycles donnent une marge de ±1.40 s et 50 donnent ±0.85 s. À une confiance de 99%, les exigences passent à 243 et 64 cycles. Pour une proportion, par exemple la part de cycles comportant une étape de reprise, une marge de ±0.03 exige 1068 observations avec la valeur de planification prudente 0.5, mais 385 si la part est connue pour être d'environ 0.1.
Questions fréquentes
Comment calculer l'effectif de l'échantillon pour estimer une proportion ?
Pour une proportion de valeur de planification p, la marge d'erreur est E = z fois la racine carrée de p(1 - p)/n, donc n = z au carré fois p(1 - p) divisé par E au carré, arrondi à l'entier supérieur. Une valeur de planification de 0.5 donne le plus grand effectif d'échantillon, la plus sûre ; dans un exemple résolu, une marge de 0.03 avec une confiance de 95% exige 1068 observations avec 0.5, mais 385 avec 0.1.
Comment calculer l'effectif de l'échantillon pour estimer une moyenne ?
Pour une moyenne d'écart-type supposé sigma, la marge d'erreur avec n observations est E = t fois sigma divisé par la racine carrée de n. Comme t dépend de n, l'outil part de la réponse normale (z fois sigma / E) au carré et augmente n jusqu'à ce que la marge soit au plus égale à la cible. La marge réelle à ce n est indiquée.
Comment la marge d'erreur évolue-t-elle avec l'effectif de l'échantillon ?
La marge d'erreur diminue comme la racine carrée de n : diviser la marge par deux exige donc environ quatre fois plus d'observations. Dans un exemple résolu avec un écart-type de 3 secondes et une confiance de 95%, une marge de 1 seconde exige 38 cycles, tandis qu'une marge de 0.5 seconde en exige 141.
Quand utiliser l'effectif de l'échantillon pour l'estimation plutôt que la puissance et l'effectif de l'échantillon ?
Utilisez l'effectif de l'échantillon pour l'estimation lorsque le but est de bien mesurer quelque chose, comme un temps de cycle moyen, une masse moyenne de revêtement ou la part de commandes en retard. Lorsque le but est de tester une différence, utilisez plutôt les outils de puissance et d'effectif d'échantillon des tests d'hypothèse. Le résultat suppose un échantillon aléatoire issu d'un procédé stable.
