Vous obtenez la marge en points de pourcentage et les hypothèses utilisées dans le calcul.
La marge d’erreur est la demi-largeur approximative d’un intervalle de confiance pour une proportion. Ce calculateur utilise toujours p=0,5, le scénario prudent, avec une approximation normale. Il combine taille d’échantillon et confiance ; si la population est indiquée, il applique aussi la correction finie. Le résultat est exprimé en points de pourcentage, et non en pourcentage relatif.
Avec 278 réponses, une population de 1 000 et une confiance de 95 %, la marge prudente est d’environ ±5,0 points. Un résultat observé de 60 % serait présenté comme environ 55 % à 65 %, selon les hypothèses du calcul.
Renseignez les champs ou commencez avec un exemple.
Renseignez les champs pour afficher ici le résultat et son interprétation.
La marge diminue lorsque le nombre de réponses augmente.
Un niveau de confiance plus élevé produit un intervalle plus large.
Cet outil fixe p à 50 %, l’estimation prudente pour une proportion.
Nous utilisons p = 0,5. Sans population, marge = z × √(0,25 ÷ n) ; avec N, nous multiplions par √[(N−n) ÷ (N−1)].
La marge couvre l’incertitude d’échantillonnage ; elle ne mesure ni biais, ni mauvaise question, ni réponse imprécise.
Oui. L’interface ne reçoit pas de proportion observée. Le choix de 50 % maximise la variance et produit une marge prudente pour l’échantillon indiqué.
Elle est affichée en points de pourcentage. Pour 60 % avec une marge de ±5 points, l’intervalle approximatif va de 55 % à 65 %.
En répétant la même méthode, environ 95 % des intervalles ainsi construits contiendraient la vraie proportion si les hypothèses étaient respectées.
Non. Sans elle, le calculateur utilise une grande population. Indiquez-la si le total est connu et si l’échantillon en représente une part notable.
Les références étayent les définitions et les hypothèses. La formule utilisée figure sur cette page et fait l’objet de tests automatisés.
Appliquez cet apprentissage à une véritable enquête et suivez chaque réponse dans NPSLab.