Taille d'Échantillon

Comparer les Calculs

Téléchargements

Inclut vos données et résultats pour ce calcul, ainsi que tout calcul supplémentaire que vous avez comparé.

Trouver la Taille d’Échantillon Minimale pour une Enquête

La détermination de la taille d’échantillon trouve combien de répondants ou observations une enquête a besoin pour estimer une proportion de population dans une marge d’erreur choisie, à un niveau de confiance choisi. Choisissez un niveau de confiance, une marge d’erreur souhaitée, et (si vous en avez une) une proportion estimée, et ce calculateur trouve la taille d’échantillon minimale avant que vous ne collectiez une seule réponse.

C’est la question qui vient avant la propre question du Calculateur d’Intervalle de Confiance — ce calculateur vous dit à quel point un intervalle vos données ont déjà produit ; celui-ci vous dit combien de données collecter en premier lieu pour que l’intervalle résultant ne soit pas plus large que ce que vous êtes prêt à accepter.

Si vous avez une taille de population connue (le nombre total de personnes ou d’éléments que vous pourriez possiblement interroger), la saisir applique la correction de population finie, qui peut significativement réduire l’échantillon requis lorsque la population elle-même est petite. Laissez-le vide pour supposer une population grande ou inconnue, ce qui est le cas le plus sûr et le plus courant.

La Formule

n_0 = \frac{\vA{z}^2 \times \vB{p}(1-\vB{p})}{\vC{e}^2}

Où $\vA{z}$ est la valeur critique pour le niveau de confiance choisi, $\vB{p}$ est la proportion estimée (en décimale), et $\vC{e}$ est la marge d’erreur souhaitée (en décimale). Le résultat est arrondi vers le haut, puisqu’un échantillon ne peut pas inclure une fraction de répondant.

Lorsqu’une taille de population $\vD{N}$ est connue, la correction de population finie est appliquée :

n = \frac{n_0}{1 + \frac{n_0 - 1}{\vD{N}}}

$\vB{p} = 0,5$ (50%) est le choix le plus conservateur lorsque la vraie proportion est inconnue — $p(1-p)$ est à son plus grand à exactement 50%, ce qui maximise (et donc ne sous-estime jamais) la taille d’échantillon requise.

Exemple Concret

À un niveau de confiance de 95% (z = 1,96), une marge d’erreur souhaitée de ±5%, et une proportion estimée de 50% (la valeur par défaut conservatrice) :

Élever z au carré et multiplier par p(1-p) : $\vA{1,96}^2 \times \vB{0,5} \times (1 - \vB{0,5}) \approx 0,9604$ . 2. Diviser par e au carré : $0,9604 \div \vC{0,05}^2 = 384,16$ . 3. Arrondir vers le haut, puisqu’un échantillon ne peut pas inclure une fraction de répondant : $384,16 \rightarrow 385$ .

Vous auriez besoin de 385 répondants d’une population grande ou inconnue. Si à la place la vraie population n’est que de 1 000 personnes, la correction de population finie réduit cela à :

Soustraire 1 de n0 et diviser par la population : $(384,16 - 1) \div \vD{1\,000} \approx 0,38316$ .
Ajouter 1 : $1 + 0,38316 = 1,38316$ .
Diviser n0 par ce résultat : $384,16 \div 1,38316 \approx 277,74 \rightarrow 278$ .

Seulement 278 répondants sont nécessaires une fois que la population elle-même est connue pour être si petite.

Facteurs Clés à Considérer

Une marge d’erreur souhaitée plus petite nécessite une taille d’échantillon disproportionnée plus grande, pas proportionnellement plus grande. Puisque la marge d’erreur apparaît au carré au dénominateur de la formule, réduire la marge d’erreur de moitié QUADRUPLE approximativement la taille d’échantillon requise — c’est exactement pourquoi des marges d’erreur très serrées (comme ±1%) demandent dramatiquement plus de répondants qu’un ±5% plus typique.
Un niveau de confiance plus élevé augmente aussi l’échantillon requis, bien que moins dramatiquement que resserrer la marge d’erreur. Passer de 90% à 95% à 99% de confiance augmente la valeur critique z utilisée dans la formule, ce qui élève la taille d’échantillon requise — le compromis exact entre niveau de confiance et taille d’échantillon est une véritable décision de planification, pas une règle fixe.
Cette formule estime la taille d’échantillon pour une proportion unique (comme « quel pourcentage de personnes préfère X »), pas tout type de question statistique. Estimer une moyenne numérique (comme les dépenses moyennes) ou détecter une différence entre deux groupes utilisent toutes deux des formules de taille d’échantillon apparentées mais distinctes — ce calculateur est spécifiquement limité au cas d’estimation de proportion, le scénario d’enquête le plus courant.
La correction de population finie ne réduit significativement l’échantillon requis que lorsque la population elle-même est relativement petite. Pour une grande population (dans les dizaines de milliers ou plus), la correction a un effet négligeable sur la taille d’échantillon requise — c’est pourquoi la méthodologie d’enquête traite couramment « grande population » et « population inconnue » comme fonctionnellement le même cas, les deux revenant par défaut à la formule non corrigée.

Erreurs Courantes

Saisir la taille de population comme le nombre de personnes que vous prévoyez de contacter, pas la population totale dans laquelle vous puisez. La correction de population finie ne s’applique qu’au groupe TOTAL que vous pourriez possiblement sonder (par ex. les 1 000 employés d’une entreprise) — saisir combien de réponses vous espérez recueillir va à l’encontre du but du calcul.
Supposer qu’une marge d’erreur plus petite nécessite seulement un échantillon légèrement plus grand. Puisque la marge d’erreur est au carré dans la formule, la diviser par deux quadruple approximativement l’échantillon requis — planifier une marge serrée sans budgétiser le coût en taille d’échantillon est une surprise courante.
Confondre ce calculateur avec le Calculateur d’Intervalle de Confiance. Celui-ci répond à « combien de répondants ai-je besoin avant de collecter des données » ; l’autre répond à « quelle précision avaient les données que j’ai déjà collectées » — ils fonctionnent dans des directions opposées et ne sont pas interchangeables.

Utile à Savoir

Avez-vous déjà collecté les réponses de votre enquête et voulez-vous savoir à quel point vos résultats sont vraiment précis ? Calculateur d'Intervalle de Confiance calcule la marge d’erreur résultante à partir de données réelles.
Avez-vous besoin de calculer d’autres statistiques récapitulatives à partir de vos réponses collectées, comme la moyenne ou l’écart-type ? Calculateur de Statistiques couvre cela directement.
Curieux de savoir comment la taille d’échantillon se rapporte aux chances d’un résultat particulier ? Calculateur de Probabilité couvre les calculs de probabilité d’événements simples et combinés de façon plus générale.

Source : Formule standard de taille d'échantillon en méthodologie d'enquête.

Questions Fréquentes

Pourquoi ce calculateur fixe-t-il par défaut la proportion estimée à 50% ?

50% est l'hypothèse la plus conservatrice lorsque vous ne connaissez pas déjà la vraie proportion — cela maximise le terme p x (1-p) dans la formule, ce qui signifie qu'il ne sous-estime jamais combien de répondants vous avez réellement besoin. Si vous avez de vraies données antérieures suggérant une proportion différente, la saisir peut réduire la taille d'échantillon requise.

Qu'est-ce que la correction de population finie, et quand devrais-je l'utiliser ?

C'est un ajustement qui réduit la taille d'échantillon requise lorsque vous échantillonnez d'une population totale petite et CONNUE — échantillonner une grande fraction d'une petite population garantit déjà une précision, donc vous n'avez pas besoin d'autant de répondants que ne le suggère la formule standard (population infinie). Laissez la taille de population vide si votre population est grande ou inconnue, ce qui est le cas le plus courant.

Quelle est la différence entre ceci et le Calculateur d'Intervalle de Confiance ?

Ce calculateur fonctionne AVANT que vous ne collectiez des données — il vous dit combien de répondants vous avez besoin pour atteindre une précision cible. Le Calculateur d'Intervalle de Confiance fonctionne APRÈS que vous ayez des données — il vous dit à quel point l'intervalle résultant est réellement large, étant donné l'échantillon que vous avez déjà collecté.