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
réseau: réseau 1,4 km
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	694	16	161	42	293	28	4643	9	530	21	1592	15	158	51	755	21	5528	7	709	16	1778	17	290	23	227	31	644	21	1936	13	174	32	668	19	1041	25	457	33	4942	9	565	25	2554	10	3867	9	112	38	665	16	34983	3
	1 plante	4	100	0	.	0	.	50	41	0	.	10	100	0	.	4	100	27	64	4	100	4	100	0	.	0	.	0	.	9	100	0	.	0	.	25	61	0	.	4	100	4	100	27	62	28	54	0	.	8	71	208	20
	2 plantes ou plus	14	77	0	.	0	.	26	54	0	.	0	.	0	.	4	100	17	50	0	.	18	61	0	.	0	.	0	.	16	50	0	.	0	.	11	100	0	.	0	.	0	.	15	77	18	64	0	.	4	100	143	22
	total	712	16	161	42	293	28	4720	8	530	21	1603	15	158	51	763	21	5573	7	713	16	1800	17	290	23	227	31	644	21	1961	13	174	32	668	19	1077	25	457	33	4945	9	569	25	2595	10	3913	9	112	38	677	16	35334	3
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	178	38	28	58	140	32	1200	14	56	47	413	22	10	100	114	37	1595	11	238	24	58	42	43	63	44	62	311	35	432	27	20	71	157	32	157	31	9	100	1416	11	101	35	512	19	1609	11	0	.	203	26	9042	5
	1 plante	0	.	0	.	4	100	36	48	0	.	19	71	0	.	10	100	29	44	0	.	0	.	0	.	0	.	9	100	18	64	0	.	0	.	18	71	0	.	0	.	10	100	10	100	26	50	0	.	10	100	199	20
	2 plantes ou plus	0	.	0	.	0	.	69	35	4	100	0	.	0	.	14	77	64	40	0	.	9	100	0	.	0	.	10	100	25	59	0	.	0	.	28	86	0	.	23	70	0	.	0	.	67	30	0	.	20	71	332	17
	total	178	38	28	58	144	32	1305	14	60	44	433	22	10	100	138	33	1688	10	238	24	66	39	43	63	44	62	330	33	475	26	20	71	157	32	203	28	9	100	1440	11	111	33	522	18	1701	11	0	.	232	28	9574	4
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	115	34	10	100	0	.	699	16	41	44	162	26	0	.	29	58	1253	13	182	38	94	33	19	71	35	61	59	37	162	31	0	.	89	31	193	32	23	61	606	15	69	41	248	22	967	14	31	74	61	39	5146	6
	1 plante	0	.	0	.	0	.	51	44	0	.	10	100	0	.	0	.	50	43	0	.	11	100	0	.	4	100	0	.	0	.	0	.	0	.	20	71	0	.	23	54	0	.	18	65	34	52	0	.	0	.	221	20
	2 plantes ou plus	9	100	0	.	15	77	103	30	0	.	18	71	0	.	4	100	59	36	0	.	12	100	0	.	0	.	4	100	26	61	0	.	0	.	10	100	0	.	0	.	0	.	4	100	69	42	0	.	0	.	333	17
	total	124	32	10	100	15	77	852	15	41	44	190	26	0	.	33	52	1362	13	182	38	116	33	19	71	40	56	63	35	188	28	0	.	89	31	223	29	23	61	629	15	69	41	270	21	1070	14	31	74	61	39	5700	6
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	987	14	199	37	433	26	6542	8	628	20	2167	14	168	53	898	19	8376	7	1129	15	1930	16	352	23	306	27	1014	22	2530	13	194	30	913	17	1392	21	489	31	6964	7	735	22	3313	10	6442	8	143	40	929	14	49171	3
	1 plante	4	100	0	.	4	100	137	30	0	.	40	81	0	.	14	77	106	29	4	100	15	77	0	.	4	100	9	100	27	54	0	.	0	.	62	39	0	.	27	48	14	77	55	41	88	30	0	.	18	65	628	13
	2 plantes ou plus	23	61	0	.	15	77	198	22	4	100	18	71	0	.	22	55	140	25	0	.	38	48	0	.	0	.	15	77	67	34	0	.	0	.	49	74	0	.	23	70	0	.	19	71	154	28	0	.	24	61	808	11
	total	1014	14	199	37	451	25	6877	8	632	20	2225	14	168	53	934	19	8622	7	1133	15	1983	16	352	23	310	27	1038	22	2624	12	194	30	913	17	1503	20	489	31	7014	7	750	22	3387	10	6684	8	143	40	970	14	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. 1322025. Birmensdorf, Swiss Federal Research Institute WSL

page précedente