Calculateur de Taille d'Échantillon
Calculez la taille d'échantillon requise pour les sondages et études.
À propos de cet outil
Un calculateur de taille d'échantillon vous indique combien de répondants vous devez interroger pour que vos résultats soient fiables. Il résout un problème courant dans la recherche : avec trop peu de réponses, les conclusions ne sont pas statistiquement fiables, et avec trop de réponses, vous gaspillez du temps et du budget.
Pour l'utiliser, définissez le niveau de confiance souhaité, la marge d'erreur acceptable, la taille totale de la population et la distribution des réponses attendue ; l'outil renvoie alors la taille d'échantillon requise. Il est pratique pour les enquêtes de marché, la recherche universitaire, la planification de tests A/B et les sondages d'opinion.
Gardez à l'esprit qu'un niveau de confiance plus élevé ou une marge d'erreur plus petite exige toujours un échantillon plus grand. Tous les calculs s'exécutent localement dans votre navigateur, de sorte que vos données ne quittent jamais votre appareil.
Questions Fréquentes
Implémentation du Code
import math
# Z-values for common confidence levels
Z_VALUES = {80: 1.282, 85: 1.440, 90: 1.645, 95: 1.960, 99: 2.576}
def sample_size(confidence: int, margin_of_error: float, population: int = None) -> int:
"""
Calculate required sample size.
confidence: confidence level (80, 85, 90, 95, or 99)
margin_of_error: as a decimal (e.g. 0.05 for 5%)
population: total population size (None for infinite)
"""
z = Z_VALUES[confidence]
p = 0.5 # worst-case proportion
n = (z ** 2 * p * (1 - p)) / (margin_of_error ** 2)
if population is not None and population > 0:
n = n / (1 + (n - 1) / population)
return math.ceil(n)
# Examples
print(sample_size(95, 0.05)) # 385 (infinite population)
print(sample_size(95, 0.05, 1000)) # 278 (adjusted for N=1000)
print(sample_size(99, 0.03)) # 1842
print(sample_size(90, 0.05)) # 271
Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.