Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Erreur type de mesure : définition & Exemple



Une erreur type de mesure , souvent notée SE m , estime la variation autour d’un « vrai » score pour un individu lorsque des mesures répétées sont prises.

Il est calculé comme suit :

SE m = s√ 1-R

où:

  • s : l’écart type des mesures
  • R : Le coefficient de fiabilité d’un test

Notez qu’un coefficient de fiabilité varie de 0 à 1 et est calculé en administrant deux fois un test à plusieurs individus et en calculant la corrélation entre leurs résultats aux tests.

Plus le coefficient de fiabilité est élevé, plus un test produit souvent des scores cohérents.

Exemple : Calcul d’une erreur standard de mesure

Supposons qu’un individu passe 10 fois au cours d’une semaine un certain test visant à mesurer l’intelligence globale sur une échelle de 0 à 100. Il reçoit les scores suivants :

Notes : 88, 90, 91, 94, 86, 88, 84, 90, 90, 94

La moyenne de l’échantillon est de 89,5 et l’écart type de l’échantillon est de 3,17.

Si l’on sait que le test a un coefficient de fiabilité de 0,88, alors nous calculerions l’erreur type de mesure comme suit :

SE m = s√ 1-R = 3,17√ 1-0,88 = 1,098

Comment utiliser SE m pour créer des intervalles de confiance

En utilisant l’erreur standard de mesure, nous pouvons créer un intervalle de confiance susceptible de contenir le « vrai » score d’un individu à un certain test avec un certain degré de confiance.

Si un individu obtient un score de x à un test, nous pouvons utiliser les formules suivantes pour calculer différents intervalles de confiance pour ce score :

  • Intervalle de confiance à 68 % = [ x – SE m , x + SE m ]
  • Intervalle de confiance à 95 % = [ x – 2*SE m , x + 2*SE m ]
  • Intervalle de confiance à 99 % = [ x – 3*SE m , x + 3*SE m ]

Par exemple, supposons qu’un individu obtienne un 92 à un certain test dont on sait qu’il a un SE m de 2,5. Nous pourrions calculer un intervalle de confiance à 95 % comme :

  • Intervalle de confiance à 95 % = [92 – 2*2,5, 92 + 2*2,5] = [87, 97]

Cela signifie que nous sommes sûrs à 95 % que le « vrai » score d’un individu à ce test se situe entre 87 et 97.

Fiabilité et erreur type de mesure

Il existe une relation simple entre le coefficient de fiabilité d’un test et l’erreur type de mesure :

  • Plus le coefficient de fiabilité est élevé, plus l’erreur type de mesure est faible.
  • Plus le coefficient de fiabilité est faible, plus l’erreur type de mesure est élevée.

Pour illustrer cela, considérons un individu qui passe un test 10 fois et qui a un écart type des scores de 2 .

Si le test a un coefficient de fiabilité de 0,9 , alors l’erreur type de mesure serait calculée comme suit :

  • SE m = s√ 1-R = 2√ 1-.9 = 0,632

Cependant, si le test a un coefficient de fiabilité de 0,5 , alors l’erreur type de mesure serait calculée comme suit :

  • SE m = s√ 1-R = 2√ 1-.5 = 1,414

Cela devrait avoir du sens intuitivement : si les scores d’un test sont moins fiables, alors l’erreur dans la mesure du « vrai » score sera plus élevée.

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *