Plus quatre intervalles de confiance

Calcul plus précis de la valeur d'une proportion de population inconnue

Monty Rakusen/Getty Images

Dansstatistiques déductives, intervalles de confiance pour proportion de la population s'appuyer sur la distribution normale standard pour déterminer les paramètres inconnus d'une population donnée à partir d'un échantillon statistique de la population. L'une des raisons en est que, pour des tailles d'échantillon appropriées, la distribution normale standard fait un excellent travail pour estimer un distribution binomiale . Ceci est remarquable car si la première distribution est continue, la seconde est discrète.

Il y a un certain nombre de problèmes qui doivent être résolus lors de la construction d'intervalles de confiance pour les proportions. L'une d'entre elles concerne ce que l'on appelle un intervalle de confiance plus quatre, qui se traduit par un estimateur biaisé . Cependant, cet estimateur d'une proportion de population inconnue fonctionne mieux dans certaines situations que les estimateurs sans biais, en particulier les situations où il n'y a pas de succès ou d'échecs dans les données.

Dans la plupart des cas, la meilleure tentative d'estimer une proportion de population consiste à utiliser une proportion d'échantillon correspondante. On suppose qu'il y a une population avec une proportion inconnue p de ses individus contenant un certain trait, alors nous formons un échantillon aléatoire simple de taille n de cette population. Parmi ceux-ci n individus, on en compte le nombre Oui qui possèdent le trait qui nous intéresse. Maintenant, nous estimons p en utilisant notre échantillon. La proportion de l'échantillon oui/non est un estimateur sans biais de p.

Quand utiliser l'intervalle de confiance plus quatre

Lorsque nous utilisons un intervalle plus quatre, nous modifions l'estimateur de p . Nous faisons cela en ajoutant quatre au nombre total d'observations, expliquant ainsi la phrase plus quatre. Nous répartissons ensuite ces quatre observations entre deux réussites et deux échecs hypothétiques, ce qui signifie que nous ajoutons deux au nombre total de réussites. Le résultat final est que nous remplaçons chaque instance de oui/non avec ( Oui + 2)/( n + 4), et parfois cette fraction est notée p avec un tilde au-dessus.

La proportion de l'échantillon fonctionne généralement très bien pour estimer une proportion de la population. Cependant, il existe certaines situations dans lesquelles nous devons modifier légèrement notre estimateur. La pratique statistique et la théorie mathématique montrent que la modification de l'intervalle plus quatre est appropriée pour atteindre cet objectif.

Une situation qui devrait nous amener à considérer un intervalle plus quatre est un échantillon déséquilibré. Plusieurs fois, en raison du fait que la proportion de la population est si petite ou si grande, la proportion de l'échantillon est également très proche de 0 ou très proche de 1. Dans ce type de situation, nous devrions envisager un intervalle plus quatre.

Une autre raison d'utiliser un intervalle plus quatre est si nous avons un petit échantillon. Un intervalle plus quatre dans cette situation fournit une meilleure estimation d'une proportion de la population que l'utilisation de l'intervalle de confiance typique pour une proportion.

Règles d'utilisation de l'intervalle de confiance plus quatre

L'intervalle de confiance plus quatre est un moyen presque magique de calculer les statistiques inférentielles avec plus de précision en ce qu'en ajoutant simplement quatre observations imaginaires à un ensemble de données donné, deux succès et deux échecs, il est capable de prédire plus précisément la proportion d'un ensemble de données qui correspond aux paramètres.

Cependant, l'intervalle de confiance plus quatre n'est pas toujours applicable à tous les problèmes. Il ne peut être utilisé que lorsque l'intervalle de confiance d'un ensemble de données est supérieur à 90 % et que la taille de l'échantillon de la population est d'au moins 10. Cependant, l'ensemble de données peut contenir n'importe quel nombre de réussites et d'échecs, bien qu'il fonctionne mieux lorsqu'il y a sont soit aucun succès, soit aucun échec dans les données d'une population donnée.

Gardez à l'esprit que contrairement aux calculs de statistiques régulières, les calculs de statistiques inférentielles reposent sur un échantillonnage de données pour déterminer les résultats les plus probables au sein d'une population. Bien que l'intervalle de confiance plus quatre corrige un plus grand marge d'erreur , cette marge doit encore être prise en compte pour fournir l'observation statistique la plus précise.