Estimation ponctuelle et par intervalle

L'estimation ponctuelle et l'estimation par intervalle sont les deux approches fondamentales pour synthétiser les informations qu'un échantillon nous fournit sur une quantité de population inconnue. Une estimation ponctuelle est une valeur unique considérée comme la meilleure approximation – par exemple, la moyenne de l'échantillon comme estimation de la vraie moyenne – tandis qu'une estimation par intervalle encadre cette approximation par une plage de valeurs qui contient plausiblement la quantité réelle. La présentation conjointe d'une estimation ponctuelle et d'un intervalle communique non seulement l'ampleur d'un effet, mais aussi la précision avec laquelle il a été mesuré.

Definition

Une estimation ponctuelle est une valeur unique calculée à partir de données d'échantillon pour approximer un paramètre de population inconnu ; une estimation par intervalle est une plage de valeurs, dérivée des mêmes données et d'une méthode spécifiée, destinée à contenir le paramètre avec un niveau de confiance spécifié.

Scope

Ce sujet aborde ce qui caractérise un bon estimateur ponctuel (par exemple, son absence de biais et son efficacité), comment l'erreur standard quantifie la précision d'une estimation, et comment les estimations ponctuelles sont étendues en estimations par intervalle. Il considère l'estimation comme une méthodologie de référence pour la conception et l'évaluation d'études, et non comme une règle clinique.

Core questions

• Quelle est la meilleure estimation unique de la quantité d'intérêt de la population ?
• Quelle est la précision de cette estimation – dans quelle mesure varierait-elle à travers des échantillons répétés ?
• Quelle plage de valeurs est plausiblement cohérente avec les données ?
• Quelles propriétés rendent un estimateur préférable à un autre ?

Key concepts

• Estimateur et estimation
• Paramètre de population
• Absence de biais
• Efficacité et précision
• Erreur standard
• Distribution d'échantillonnage
• Marge d'erreur
• Estimation par maximum de vraisemblance

Mechanisms

Un estimateur ponctuel est une règle qui associe des données d'échantillon à un nombre approximant un paramètre ; la moyenne de l'échantillon, la proportion de l'échantillon et les coefficients de régression en sont des exemples courants. Puisqu'un échantillon différent donnerait une valeur différente, chaque estimation ponctuelle possède une distribution d'échantillonnage dont la dispersion est résumée par l'erreur standard – des erreurs standard plus petites impliquent des estimations plus précises. Une estimation par intervalle est ensuite construite en combinant l'estimation ponctuelle avec un multiple de son erreur standard (ou, pour les quantités bornées comme une proportion, avec des méthodes exactes telles que la construction de Clopper-Pearson). Les bons estimateurs sont généralement évalués sur leur biais, leur efficacité et leur cohérence, de sorte qu'à mesure que la taille de l'échantillon augmente, l'estimation se concentre sur la vraie valeur.

Clinical relevance

Les tailles d'effet rapportées dans la recherche en santé – différences de moyennes, risques relatifs, chiffres de prévalence – sont des estimations ponctuelles, et leurs intervalles associés indiquent au lecteur le degré de confiance à leur accorder. Reconnaître qu'une estimation ponctuelle sans mesure de précision est incomplète est une compétence d'évaluation essentielle. Cette entrée explique comment ces estimations sont formées et ne constitue pas une base pour des décisions cliniques individuelles.

Evidence & guidelines

Les directives méthodologiques en sciences de la santé ont longtemps exhorté les auteurs à présenter les estimations d'effet avec leur précision plutôt que de se fier aux verdicts de signification. L'argument influent de Gardner et Altman en faveur de la présentation par intervalle, et le guide ultérieur sur la mauvaise interprétation par Greenland et ses collègues, définissent les conventions désormais attendues dans les revues médicales.

History

L'estimation ponctuelle a été établie sur des bases rigoureuses par les travaux de Fisher sur le maximum de vraisemblance dans les années 1920, tandis que l'estimation par intervalle s'est développée à la même période, incluant des constructions d'intervalles exacts comme les limites de Clopper-Pearson pour une proportion binomiale en 1934. L'accent mis sur la présentation systématique des estimations avec des intervalles en médecine s'est consolidé plus tard au cours du XXe siècle.

Key figures

• Ronald A. Fisher
• Jerzy Neyman
• Egon Pearson
• Douglas G. Altman

Seminal works

• gardner-altman-1986
• clopper-pearson-1934

Frequently asked questions

Quelle est la différence entre une estimation ponctuelle et une estimation par intervalle ?

Une estimation ponctuelle est un nombre unique, tel que la moyenne de l'échantillon, utilisé comme la meilleure approximation pour une quantité inconnue ; une estimation par intervalle est une plage autour de celle-ci qui indique avec quelle précision la quantité a été mesurée.

Que mesure l'erreur standard ?

Elle mesure la variabilité d'une estimation à travers des échantillons répétés hypothétiques – en substance, la précision de l'estimation. Une erreur standard plus petite signifie que l'estimation ponctuelle est plus étroitement déterminée par les données.