Vous obtenez un objectif de réponses complètes et comprenez l’effet de la confiance et de la marge d’erreur.
Le calculateur estime les réponses complètes nécessaires pour mesurer une proportion avec le niveau de confiance et la marge d’erreur choisis. Il utilise p=0,5, le scénario prudent, avec une approximation normale. Sans population indiquée, il la traite comme grande ; avec un total connu, il applique la correction de population finie. L’estimation suppose un échantillon correctement sélectionné.
Pour une population de 100 000 personnes, un niveau de confiance de 95 % et une marge de ±5 points, la cible est de 383 réponses complètes. Sans population indiquée, l’estimation prudente est de 385 réponses.
Renseignez les champs ou commencez avec un exemple.
Renseignez les champs pour afficher ici le résultat et son interprétation.
Un niveau de confiance plus élevé ou une marge plus faible exige un échantillon plus grand.
Au-delà d’un certain point, une population bien plus grande modifie peu l’échantillon.
L’objectif concerne les réponses complètes, pas seulement les invitations envoyées.
Pour une grande population, n = z² × 0,25 ÷ e². Lorsque N est indiqué, nous utilisons n = N × z² × 0,25 ÷ [e² × (N − 1) + z² × 0,25].
Un grand échantillon réduit l’erreur aléatoire, mais ne corrige ni le biais de sélection ni les réponses de mauvaise qualité.
Le calculateur utilise la formule de grande population. Elle convient si le total est inconnu ou assez grand pour que la correction finie change peu le résultat.
Quand la proportion attendue est inconnue, 50 % produit la variance maximale et donc la cible la plus prudente pour la précision choisie.
Une confiance plus élevée ou une marge plus petite exige davantage de réponses. Une confiance moindre ou une marge plus large réduit la cible.
Non. Plus de réponses réduit l’erreur aléatoire, pas une mauvaise sélection, une couverture insuffisante, la non-réponse, les doublons ou les questions biaisées.
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.