L'incertitude d'une quantité estimée, telle que la moyenne, plutôt que la dispersion des données.L'erreur standard est une mesure de la précision avec laquelle vous connaissez une quantité estimée, telle que la moyenne d'un ensemble de données. Ce n'est pas la dispersion des points de données individuels (c'est l'écart type), mais plutôt l'incertitude de l'estimation elle-même. Si vous preniez à plusieurs reprises de nouveaux échantillons et calculiez la moyenne à chaque fois, l'erreur standard vous indique à quel point ces moyennes varieraient. C'est l'écart type de la distribution d'échantillonnage de la statistique.
Le concept a été formalisé par le statisticien britannique Ronald Fisher dans les années 1920, qui a introduit le terme « erreur standard » pour le distinguer de l'écart type des données elles-mêmes.
L'erreur standard est calculée en prenant l'écart type des données et en le divisant par la racine carrée de la taille de l'échantillon (ES = σ/√N). Cette formule découle du fait que la moyenne de nombreuses mesures indépendantes réduit le bruit aléatoire. Plus vous avez de données, plus la distribution des moyennes possibles devient étroite, donc l'erreur standard diminue. C'est le nombre clé pour construire des intervalles de confiance et effectuer des tests d'hypothèse.
Elle est utilisée dans tous les domaines scientifiques qui rapportent des moyennes — des essais cliniques (les barres d'erreur sur l'efficacité des médicaments) à l'économie (l'incertitude dans les estimations du taux de chômage).
L'erreur standard de la moyenne est toujours plus petite que l'écart type des données, ce qui explique pourquoi le calcul de la moyenne est un outil si puissant pour réduire le bruit.




