Contexte théorique : Intervalle de confiance pour la différence entre deux proportions
Un intervalle de confiance pour la différence entre deux proportions de population (\(p_1 - p_2\)) fournit une plage de valeurs estimée qui est susceptible d'inclure la vraie différence entre les proportions dans deux populations indépendantes. Ceci est couramment utilisé dans les tests A/B, les essais cliniques comparant les effets des traitements, et toute comparaison de proportions entre deux groupes.
Entrées clés et estimations ponctuelles
- \(x_1\) : Nombre de succès dans l'échantillon 1
- \(n_1\) : Taille d'échantillon du groupe 1
- \(x_2\) : Nombre de succès dans l'échantillon 2
- \(n_2\) : Taille d'échantillon du groupe 2
- \(\alpha\) : Niveau de signification
Les estimations ponctuelles pour les proportions de population sont les proportions d'échantillon :
L'estimation ponctuelle pour la différence est :
Intervalle de Wald pour la différence de proportions
L'intervalle de Wald pour la différence entre deux proportions utilise l'approximation normale et suppose des échantillons indépendants. La formule utilise soit l'approche d'erreur standard combinée (pooled) soit non combinée (unpooled).
Approche par proportion combinée (Recommandée pour les tests d'hypothèses)
Lors du test de \(p_1 = p_2\), nous utilisons souvent la proportion combinée :
L'erreur standard utilisant la proportion combinée est :
Approche non combinée (variances séparées)
Pour les intervalles de confiance (pas pour tester une hypothèse nulle spécifique), l'approche non combinée est généralement recommandée :
Formule de l'intervalle de confiance
L'intervalle de confiance pour \(p_1 - p_2\) est :
Où \(Z_{\alpha/2}\) est la valeur critique de la distribution normale standard. Ce calculateur utilise l'approche d'erreur standard non combinée pour les intervalles de confiance.
Conditions pour l'approximation normale : Pour des résultats fiables, il est généralement recommandé que : \[ n_1\hat{p}_1 \ge 10, \quad n_1(1-\hat{p}_1) \ge 10, \quad n_2\hat{p}_2 \ge 10, \quad n_2(1-\hat{p}_2) \ge 10 \] Lorsque ces conditions ne sont pas remplies, des méthodes exactes ou des corrections de continuité peuvent être plus appropriées.
Interprétation de l'intervalle de confiance
Un intervalle de confiance de \( (1-\alpha) \times 100\% \) pour \(p_1 - p_2\) est interprété comme : "Nous sommes confiants à \( (1-\alpha) \times 100\% \) que la vraie différence dans les proportions de population (\(p_1 - p_2\)) se situe entre la borne inférieure et la borne supérieure de l'intervalle."
Points clés d'interprétation :
- Si l'intervalle contient 0 : Il n'y a pas de différence statistiquement significative entre les proportions au niveau de confiance de \( (1-\alpha) \times 100\% \).
- Si tout l'intervalle est au-dessus de 0 : \(p_1\) est significativement supérieur à \(p_2\).
- Si tout l'intervalle est en dessous de 0 : \(p_1\) est significativement inférieur à \(p_2\).
- La largeur de l'intervalle : Un intervalle plus étroit indique une estimation plus précise de la différence.
Exemple : Dans un essai clinique comparant deux traitements, si l'intervalle de confiance à 95% pour la différence des taux de réussite est [0.03, 0.15], cela signifie que nous sommes confiants à 95% que le Traitement 1 a un taux de réussite entre 3% et 15% plus élevé que le Traitement 2.
Hypothèses et limitations
- Échantillons indépendants : Les deux échantillons doivent être indépendants l'un de l'autre.
- Échantillonnage aléatoire : Les échantillons doivent être sélectionnés aléatoirement dans leurs populations respectives.
- Données binomiales : Chaque observation doit être indépendante avec seulement deux résultats possibles (succès/échec).
- Taille d'échantillon : L'approximation normale fonctionne mieux avec des tailles d'échantillon plus grandes.
Méthodes alternatives
- Intervalle d'Agresti-Caffo : Une méthode améliorée qui ajoute des pseudo-observations pour améliorer la couverture.
- Intervalle de score hybride de Newcombe : Combine les intervalles de score de Wilson pour chaque proportion.
- Méthodes exactes : Basées sur le test exact de Fisher pour les petits échantillons.
Note : Ce calculateur utilise l'intervalle de Wald standard avec erreur standard non combinée, ce qui est approprié pour construire des intervalles de confiance (par opposition aux tests d'hypothèses où la variance combinée est typiquement utilisée).