Sélectionner un thème dans la liste

Estimation et erreur standard de l’estimation

Les résultats publiés dans les tableaux IFN sont des estimations portant sur des paramètres de la forêt suisse (paramètres de population) dont les valeurs réelles ne sont pas connues et qui sont donc extrapolées (estimées) à partir des données de l’échantillon de l’IFN. Les extrapolations contiennent des incertitudes. Cependant, la précision de l’extrapolation opérée à partir de l’échantillon aléatoire de l’IFN peut être estimée de façon fiable. Pour ce faire, tous les tableaux IFN indiquent une seconde valeur à côté de l’estimation: l’erreur standard de l’estimation.

La plupart des tableaux indiquent l’erreur standard relative (« ±% »), mais parfois, surtout pour les pourcentages estimés, c’est l’erreur standard absolue (« ± ») qui est indiquée. Le rapport entre l’erreur standard absolue et relative est le suivant:

erreur standard relative = erreur standard absolue / estimation x 100

erreur standard absolue = erreur standard relative × estimation / 100

Les données sur la desserte sont issues d’un recensement complet des routes forestières. Dans ce cas, il n’est pas nécessaire d’indiquer d’erreur standard puisqu’il n’existe pas d’incertitude liée à l’échantillonnage.

Intervalle de confiance de l’estimation

À l’aide de l’estimation et de son erreur standard, il est possible de calculer l’intervalle de confiance de l’estimation en indiquant:

sa limite inférieure
estimation - tQ × erreur standard absolue

et sa limite supérieure
estimation + tQ × erreur standard absolue

Si le calcul se fait avec l’erreur standard simple (tQ = 1), on obtient l’«intervalle de confiance à 68%». On peut alors admettre que la valeur réelle du paramètre de la population se situe avec une probabilité de 68% dans cet intervalle de confiance. Si l’on utilise l’erreur standard double pour le calcul (tQ = 2), la valeur réelle du paramètre se situe avec une probabilité de 95% dans l’intervalle de confiance, à savoir l’«intervalle de confiance à 95%».

Significativité de l’estimation

L’intervalle de confiance permet d’examiner statistiquement si le paramètre de population estimé est plus grand ou plus petit qu’une certaine valeur de référence, respectivement si deux paramètres de population estimés se distinguent effectivement (dans la population réelle). Dans la pratique, le processus adopté est le suivant: lorsqu’une valeur de référence est située hors de l’intervalle de confiance, on admet que la valeur estimée pour la population se distingue significativement de la référence; si la valeur de référence se situe à l’intérieur de l’intervalle, on interprète la différence entre valeur estimée et valeur de référence comme aléatoire et donc non significative. Pour comparer deux paramètres de population, on considère qu’ils se distinguent de façon significative lorsque leurs intervalles de confiances ne se superposent pas.

Traitement de valeurs manquantes

Lors du calcul des résultats, on ne dispose pas toujours de données pour toutes les combinaisons de catégories des variables de classification et du découpage régional^*. Cela indique dans la plupart des cas que le paramètre estimé à l’aide de la variable cible n’apparaît pas ou seulement très rarement. Généralement, on introduit (« impute ») alors la valeur 0. Mais comme cette valeur n’est pas issue de mesures directes, l’erreur standard correspondante est représentée par un point [.]. Lorsqu’on se réfère à la valeur supposée de 0 lors d’un calcul, par exemple pour indiquer des pourcentages ou certaines estimations de changements, il n’est pas possible d’indiquer une valeur. Dans ce cas, on introduit un point [.] pour la valeur estimée et l’erreur standard.

Par exemple, on n’a jusqu’ici ni trouvé ni mesuré d’arole sur le Plateau (volume des aroles selon les régions de production). On peut donc admettre que si les valeurs manquent, c’est que l’arole n’est effectivement pas présent dans cette région et que son volume doit y être de 0.

^* p. ex. combinaison de la catégorie « arole» de la variable de classification « essence » et de la catégorie « Plateau » du découpage régional

Changements

L’IFN distingue deux types de changements:

Le premier concerne des variables cibles spécifiques pour des composantes de changement telles que l’accroissement, l’exploitation, la mortalité ou les disparitions. Ces variables cibles ne sont disponibles que pour deux cycles d’inventaires successifs, p. ex. IFN3-IFN4. Lors de leur évaluation, la catégorie de la variable de classification du second cycle d'inventaire est attribuée à celle du premier cycle d'inventaire. Ces évaluations ne tiennent donc pas compte du changement de la catégorie d’un inventaire à l'autre (p. ex. de la propriété privée à la propriété publique).

Pour le second type de changements, on utilise les différences de variables cibles telles que le nombre de tiges, le volume sur pied ou la surface forestière afin d’établir un bilan du changement entre deux cycles d’inventaire. Ces variables cibles sont habituellement utilisées pour représenter des états, p. ex. dans l’IFN4, mais peuvent aussi révéler les changements entre deux inventaires quels qu’ils soient, p. ex. LFI1-LFI4. Lors de leur évaluation, on tient compte du changement d’une catégorie de la variable de classification. Ainsi, il est possible de constater p. ex. que la surface de la forêt sans la forêt buissonnante a augmenté. Cela n’a d’effet que pour les variables de classification qui peuvent effectivement changer de caractéristiques, p. ex. l’appartenance à la surface forestière ou l’état de l’arbre.

IFN3
nombre de tiges de bois mort
bois mort: résistance du bois (3 classes) · bois mort: colonisation par des arbustes (5 classes)
découpage régional: région économique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
état 2004/06
		région économique
		Ouest du Jura		Est du Jura		Ouest du Plateau		Centre du Plateau		Est du Plateau		Ouest des Préalpes		Centre des Préalpes		Est des Préalpes		Nord-ouest des Alpes		Centre des Alpes		Nord-est des Alpes		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		Suisse
bois mort: résistance du bois (3 classes)	bois mort: colonisation par des arbustes (5 classes)	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
pas d'indication	pas d'indication	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	0-1	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	2-10	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
bois frais ou dur	pas d'indication	2300	8	652	19	756	17	649	16	1284	14	1314	14	2599	13	2002	15	1394	15	712	20	953	17	2705	11	2878	9	4648	9	24846	3
	0-1	793	13	149	30	287	20	297	24	588	19	966	17	1129	14	656	17	842	19	149	45	335	33	1196	12	1619	12	1364	13	10371	5
	2-10	55	42	0	.	0	.	0	.	4	100	0	.	15	100	4	100	9	71	0	.	0	.	8	71	4	100	0	.	98	30
	11-20	0	.	0	.	0	.	0	.	10	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	100	0	.	14	77
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	100	0	.	0	.	4	100
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	3148	7	801	17	1044	15	947	16	1886	12	2280	12	3742	10	2662	13	2244	13	861	20	1288	16	3913	9	4505	8	6013	8	35334	3
bois pourri	pas d'indication	332	19	118	53	154	34	74	41	78	32	251	22	310	26	299	22	287	25	83	33	207	32	547	17	490	18	932	14	4162	6
	0-1	241	23	51	40	176	30	90	37	219	29	347	23	319	21	236	23	535	24	80	44	197	31	1138	12	922	13	752	15	5305	6
	2-10	4	100	0	.	0	.	0	.	0	.	0	.	11	100	0	.	25	54	0	.	8	71	12	58	22	54	5	100	87	27
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	4	100	0	.	0	.	0	.	0	.	4	100	0	.	0	.	8	71
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	100	0	.	0	.	0	.	0	.	4	100	0	.	13	76
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	577	15	169	40	330	25	164	31	297	23	598	18	644	20	544	17	847	19	164	29	412	28	1701	11	1438	11	1689	10	9574	4
bois en décomposition ou vermoulu	pas d'indication	222	23	20	100	41	45	49	43	51	45	26	53	82	32	110	38	173	30	24	61	17	63	149	27	128	29	321	21	1412	9
	0-1	225	26	67	42	105	32	70	38	107	30	169	26	176	27	113	33	422	23	133	33	132	36	886	15	944	16	509	16	4058	7
	2-10	11	100	0	.	0	.	0	.	0	.	9	100	9	100	21	100	8	71	10	100	0	.	35	51	32	58	11	100	146	28
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	100	0	.	0	.	0	.	26	62	0	.	36	53
	21-50	0	.	0	.	0	.	0	.	0	.	9	100	0	.	0	.	10	100	0	.	0	.	0	.	10	100	0	.	28	58
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	100	4	100	0	.	0	.	0	.	12	100	0	.	19	67
	total	457	19	86	40	146	26	119	31	158	25	212	25	267	21	248	26	628	19	167	29	149	33	1070	14	1151	15	841	13	5700	6
total	pas d'indication	2854	8	789	18	951	16	771	15	1413	13	1590	13	2991	12	2411	14	1854	14	819	18	1177	16	3401	9	3496	8	5902	8	30419	3
	0-1	1259	11	267	24	569	17	458	19	914	15	1483	15	1624	12	1006	14	1800	16	362	25	664	22	3220	9	3485	10	2625	10	19734	4
	2-10	70	37	0	.	0	.	0	.	4	100	9	100	34	59	25	85	42	38	10	100	8	71	55	36	58	42	16	75	332	17
	11-20	0	.	0	.	0	.	0	.	10	100	0	.	4	100	0	.	10	100	0	.	0	.	4	100	30	55	0	.	58	39
	21-50	0	.	0	.	0	.	0	.	0	.	9	100	0	.	9	100	10	100	0	.	0	.	4	100	14	76	0	.	45	43
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	100	4	100	0	.	0	.	0	.	12	100	0	.	19	67
	total	4183	7	1056	15	1519	14	1229	14	2341	10	3091	12	4653	10	3454	11	3719	12	1192	17	1849	15	6684	8	7094	7	8543	7	50607	3

Table citation

Abegg, M.; Ahles, P.; Allgaier Leuch, B.; Cioldi, F.; Didion, M.; Düggelin, C.; Fischer, C.; Herold, A.; Meile, R.; Rohner, B.; Rösler, E.; Speich, S.; Temperli, C.; Traub, B.,
2023: Swiss national forest inventory - Result table No. 1235245. Birmensdorf, Swiss Federal Research Institute WSL

page précedente