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: régénération (3 classes)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2004/06
		canton
		AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
bois mort: résistance du bois (3 classes)	bois mort: régénération (3 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	±%	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	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	pas de plante	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 plante	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	.
	2 plantes ou plus	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	.
	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	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	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	.
	pas de plante	673	21	156	58	383	33	4556	12	460	25	1794	21	211	60	754	29	4629	10	668	22	2095	23	308	31	205	37	517	33	1958	18	219	41	623	25	996	44	427	38	4382	11	643	32	2424	14	3669	14	103	53	792	21	33646	4
	1 plante	7	100	0	.	0	.	64	53	0	.	17	100	0	.	0	.	48	64	0	.	7	100	0	.	0	.	0	.	15	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	37	71	0	.	13	71	209	28
	2 plantes ou plus	7	100	0	.	0	.	32	64	0	.	0	.	0	.	7	100	24	58	0	.	15	71	0	.	0	.	0	.	28	50	0	.	0	.	0	.	0	.	0	.	0	.	19	100	25	76	0	.	0	.	157	27
	total	686	21	156	58	383	33	4652	12	460	25	1812	20	211	60	761	29	4701	10	668	22	2117	23	308	31	205	37	517	33	2001	18	219	41	623	25	996	44	427	38	4382	11	643	32	2443	14	3730	14	103	53	805	21	34011	4
bois pourri	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	.
	pas de plante	213	54	30	71	127	44	1093	21	49	54	509	27	17	100	108	51	1507	15	186	33	84	47	60	77	36	71	347	44	343	27	35	70	186	43	168	42	0	.	1098	18	127	44	502	28	1330	14	0	.	182	37	8336	6
	1 plante	0	.	0	.	0	.	17	100	0	.	33	71	0	.	17	100	14	71	0	.	0	.	0	.	0	.	15	100	26	77	0	.	0	.	15	100	0	.	0	.	18	100	18	100	22	58	0	.	17	100	213	26
	2 plantes ou plus	0	.	0	.	0	.	122	35	7	100	0	.	0	.	26	77	64	62	0	.	15	100	0	.	0	.	0	.	20	58	0	.	0	.	51	87	0	.	8	100	0	.	0	.	95	34	0	.	17	100	425	20
	total	213	54	30	71	127	44	1233	20	56	49	542	27	17	100	151	41	1586	14	186	33	99	42	60	77	36	71	362	43	389	26	35	70	186	43	234	36	0	.	1106	17	145	40	520	27	1447	14	0	.	215	38	8974	6
bois en décomposition ou vermoulu	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	.
	pas de plante	96	56	18	100	0	.	787	20	24	77	163	38	0	.	48	58	1151	18	224	50	91	45	0	.	45	74	65	49	158	36	0	.	100	40	217	45	17	100	474	24	96	45	217	30	823	21	0	.	76	46	4890	8
	1 plante	0	.	0	.	0	.	47	54	0	.	17	100	0	.	0	.	38	71	0	.	22	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	0	.	7	100	36	71	0	.	0	.	174	31
	2 plantes ou plus	17	100	0	.	18	100	130	34	0	.	15	100	0	.	7	100	79	42	0	.	0	.	0	.	0	.	0	.	38	69	0	.	0	.	18	100	0	.	0	.	0	.	0	.	108	45	0	.	0	.	430	20
	total	113	49	18	100	18	100	964	19	24	77	195	36	0	.	55	52	1269	18	224	50	113	41	0	.	45	74	65	49	195	32	0	.	100	40	235	42	17	100	481	23	96	45	224	30	967	21	0	.	76	46	5494	8
total	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	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	pas de plante	981	20	204	49	510	32	6437	11	533	25	2466	19	228	62	910	26	7288	9	1078	21	2270	22	368	31	287	35	929	33	2459	16	254	36	909	23	1380	34	444	36	5954	10	866	27	3143	14	5822	12	103	53	1049	18	46871	4
	1 plante	7	100	0	.	0	.	129	41	0	.	67	81	0	.	17	100	100	42	0	.	29	79	0	.	0	.	15	100	41	61	0	.	0	.	15	100	0	.	7	100	18	100	25	78	95	41	0	.	30	64	595	18
	2 plantes ou plus	24	77	0	.	18	100	283	24	7	100	15	100	0	.	40	55	167	33	0	.	31	61	0	.	0	.	0	.	86	37	0	.	0	.	70	90	0	.	8	100	0	.	19	100	228	32	0	.	17	100	1012	14
	total	1012	19	204	49	527	31	6849	11	540	25	2549	19	228	62	968	25	7555	9	1078	21	2329	22	368	31	287	35	944	33	2585	16	254	36	909	23	1465	33	444	36	5968	10	884	27	3188	14	6144	12	103	53	1096	18	48478	4

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. 1322004. Birmensdorf, Swiss Federal Research Institute WSL

page précedente