Calculateur de taille d’échantillon pour une moyenne

Indiquez l’écart-type attendu de la population dans la même unité que la marge. Le calculateur convertit la confiance en valeur critique de la loi normale centrée réduite, applique la formule de planification reconnue, puis arrondit au nombre entier supérieur. Il facilite la préparation de mesures, d’enquêtes, d’études de laboratoire et de contrôles qualité avant toute collecte.

Choisissez des données adaptées à la mesure prévue

Commencez par définir clairement un résultat numérique et la population étudiée. La marge correspond à la plus grande distance acceptable entre la moyenne de l’échantillon et celle de la population, dans l’unité d’origine du résultat. Si le délai de livraison est mesuré en minutes et qu’une précision de deux minutes est requise, saisissez une marge de 2. L’écart-type est celui que vous prévoyez dans la population pour ce même résultat, également en minutes. Estimez-le à partir d’une étude pilote, d’une étude antérieure fiable, de données d’exploitation ou d’une population véritablement comparable. Des unités différentes rendent le calcul incohérent : ne saisissez donc pas une marge en pourcentage, sauf si le résultat mesuré est lui-même un pourcentage. La confiance est saisie sous forme décimale ; par exemple, 0.95 désigne un niveau de confiance bilatéral de 95 pour cent. La méthode suppose des observations indépendantes et un écart-type stable. Si son estimation est incertaine, calculez plusieurs scénarios, notamment avec une valeur prudemment plus élevée, car une variabilité accrue impose davantage d’observations. Définissez la population analysée, le protocole de mesure, la marge et la source de l’écart-type avant de consulter le résultat, afin que des valeurs commodes ne remplacent pas les besoins réels de l’étude.

Comprenez la formule et l’arrondi supérieur

Le calculateur transforme d’abord le niveau de confiance bilatéral demandé en valeur critique de la loi normale centrée réduite, souvent appelée score z. Il multiplie ensuite cette valeur par l’écart-type attendu, divise le produit par la marge visée et élève le résultat au carré. Symboliquement, le besoin non arrondi est le carré de z multiplié par l’écart-type divisé par la marge. La taille finale est toujours arrondie au nombre entier supérieur : une fraction d’observation ne peut pas être recueillie et un arrondi ordinaire pourrait placer le plan légèrement sous la précision annoncée. Le score z affiché est arrondi pour être lisible, mais le calcul emploie toute la précision interne. Une marge plus étroite accroît rapidement le besoin : la diviser par deux multiplie approximativement la taille par quatre si les autres données restent identiques. Un écart-type ou une confiance plus élevés augmentent également le besoin. Le résultat constitue un minimum de planification sous les hypothèses de la formule, et non la garantie que toute moyenne observée respectera la marge. La confiance décrit la couverture à long terme de la procédure d’intervalle sur des échantillons répétés ; le résultat réel dépend aussi de la qualité du prélèvement, des données manquantes et de la pertinence de la variabilité supposée.

Adaptez le minimum statistique au plan d’étude réel

Considérez la taille obtenue comme le nombre d’observations valides et indépendantes nécessaire à l’analyse. Elle n’intègre pas automatiquement les mesures inutilisables, les absences de réponse, les abandons, les pannes d’appareil ni les enregistrements retirés au nettoyage. Si seulement 80 pour cent des observations recrutées devraient rester valides, divisez l’effectif valide requis par 0.8 et arrondissez au supérieur pour planifier le recrutement. Les plans en grappes, tels que des patients regroupés par clinique ou des produits par lot de fabrication, nécessitent souvent une correction supplémentaire pour l’effet du plan, car les observations d’un même groupe peuvent être corrélées. Des mesures répétées chez une même personne ne correspondent pas automatiquement au même nombre de sujets indépendants. La formule utilise par ailleurs une valeur critique normale et suppose que l’écart-type est suffisamment connu pour planifier. De très petites études fondées sur un écart-type estimé peuvent exiger une méthode utilisant la loi t ou une approche itérative. Une correction de population finie peut réduire le besoin lorsqu’une part importante d’une petite population connue est échantillonnée, mais elle n’est pas appliquée ici. Consignez chaque ajustement et sa justification avec le minimum statistique initial. Les calculs automatisés par API coûtent $0.002 par requête et donnent un résultat déterministe identique pour les mêmes entrées.