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.

IFN5
volume du bois fort de tige (UCB 2010)
assortiment · classes d'assortiments (USC 2010)
découpage régional: canton
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		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
assortiment	classes d'assortiments (USC 2010)	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
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	.
	petit bois	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
	classes 1 et 2	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
	classes 3 et 4	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
	classes 5 et 6	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
	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 résineux	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	.
	petit bois	0	.	0	.	0	100	1	100	0	.	2	93	0	.	0	.	5	69	0	.	0	.	0	.	0	100	0	.	5	57	0	.	0	.	0	.	2	100	0	.	0	.	0	.	5	87	0	.	0	.	19	34
	classes 1 et 2	0	.	0	.	9	100	54	100	0	.	87	76	0	.	0	.	146	61	0	.	0	.	0	.	13	100	0	.	193	59	0	.	0	.	0	.	34	100	0	.	0	.	0	.	151	75	0	.	0	.	689	30
	classes 3 et 4	0	.	0	.	0	0	23	100	0	.	232	72	0	.	0	.	109	86	0	.	0	.	0	.	15	100	0	.	160	58	0	.	0	.	0	.	0	0	0	.	0	.	0	.	97	85	0	.	0	.	636	36
	classes 5 et 6	0	.	0	.	0	0	0	0	0	.	41	75	0	.	0	.	22	100	0	.	0	.	0	.	0	0	0	.	58	87	0	.	0	.	0	.	0	0	0	.	0	.	0	.	8	100	0	.	0	.	129	49
	total	0	.	0	.	10	100	78	100	0	.	362	72	0	.	0	.	282	71	0	.	0	.	0	.	28	100	0	.	417	52	0	.	0	.	0	.	36	100	0	.	0	.	0	.	260	71	0	.	0	.	1473	30
bois court résineux	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	.
	petit bois	39	20	9	37	18	33	260	8	12	34	42	18	0	100	21	27	344	7	4	65	106	15	1	100	14	52	50	25	60	19	9	37	30	25	49	19	39	22	86	14	49	21	70	17	222	9	7	47	67	18	1607	3
	classes 1 et 2	1420	18	684	33	889	30	10738	7	397	26	1853	19	41	100	828	25	13105	6	119	69	3607	12	22	100	569	44	1749	22	2455	15	579	29	1075	19	1903	16	1396	23	3151	13	1938	19	2978	14	8244	8	388	36	2446	16	62576	3
	classes 3 et 4	1581	20	1239	32	1450	30	15224	7	510	35	3033	17	32	100	1676	22	17530	6	115	63	5052	13	111	100	581	40	1514	21	4513	14	719	29	1198	19	3377	16	1266	21	4567	16	2167	20	4740	13	8889	9	402	37	3418	14	84907	2
	classes 5 et 6	525	30	341	46	340	36	6043	10	170	59	1148	22	0	0	1044	29	6446	8	22	76	1860	17	114	100	154	51	400	29	2665	19	153	35	210	39	1413	23	397	38	2064	21	678	27	1761	17	2782	12	113	45	1088	20	31933	4
	total	3565	17	2273	32	2697	28	32265	7	1090	32	6076	16	73	100	3569	22	37425	6	260	65	10626	12	249	100	1319	37	3714	20	9693	13	1461	26	2514	17	6742	15	3098	19	9867	14	4833	19	9549	13	20137	8	909	35	7020	13	181022	2
bois mi-long résineux	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	.
	petit bois	4	88	0	.	0	.	82	24	13	50	14	55	0	.	0	.	27	48	21	54	65	33	13	61	6	79	34	50	42	37	10	73	8	50	0	.	4	71	40	45	0	.	35	36	108	27	0	.	13	45	538	11
	classes 1 et 2	13	74	0	.	0	.	528	21	120	51	180	65	0	.	0	.	138	43	110	58	500	33	109	59	125	85	206	51	267	34	8	79	53	49	0	.	50	95	101	50	0	.	225	40	747	24	0	.	125	60	3603	11
	classes 3 et 4	84	93	0	.	0	.	1430	23	123	58	208	58	0	.	0	.	435	43	203	46	935	31	61	59	157	74	420	52	647	41	55	78	176	47	0	.	103	71	295	44	0	.	386	43	1579	25	0	.	200	44	7498	10
	classes 5 et 6	34	100	0	.	0	.	1125	26	111	82	107	65	0	.	0	.	239	50	48	80	322	50	26	100	101	83	180	62	423	42	25	100	0	0	0	.	75	100	83	51	0	.	152	50	435	36	0	.	59	59	3545	13
	total	135	92	0	.	0	.	3165	22	366	53	509	52	0	.	0	.	840	40	382	47	1822	29	208	54	389	71	840	51	1378	35	97	77	238	43	0	.	232	71	519	43	0	.	797	37	2869	23	0	.	397	42	15183	10
bois long résineux	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	.
	petit bois	103	52	49	71	74	63	971	17	49	85	518	26	5	90	0	.	22	100	851	16	35	100	1453	15	0	.	67	100	147	40	55	71	63	78	0	.	104	40	0	.	0	.	1567	14	164	49	0	.	105	42	6402	6
	classes 1 et 2	30	83	51	100	54	86	631	24	23	78	507	31	0	0	0	.	14	100	795	24	0	0	651	19	0	.	28	100	142	50	7	100	7	100	0	.	115	54	0	.	0	.	1205	19	56	60	0	.	57	53	4373	9
	classes 3 et 4	319	53	307	72	417	60	3477	17	169	89	1340	31	12	100	0	.	74	100	2875	19	133	100	3931	14	0	.	220	100	695	43	156	59	213	78	0	.	275	46	0	.	0	.	3656	14	341	57	0	.	404	47	19013	7
	classes 5 et 6	239	57	54	100	35	100	532	30	63	100	341	56	0	0	0	.	0	0	924	29	122	100	1336	21	0	.	165	100	81	72	129	100	106	73	0	.	193	53	0	.	0	.	728	31	222	56	0	.	85	73	5356	11
	total	691	50	462	71	579	61	5611	15	305	89	2706	25	17	77	0	.	110	100	5444	17	290	100	7370	12	0	.	480	100	1065	42	346	65	389	73	0	.	688	43	0	.	0	.	7155	13	783	49	0	.	651	45	35143	6
bois rond feuillus	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	.
	petit bois	24	14	1	52	3	35	62	9	12	20	18	17	3	56	9	27	26	15	18	17	20	18	9	20	6	38	6	31	31	14	9	22	24	15	11	22	12	20	101	8	6	31	44	11	16	18	1	51	21	13	493	3
	classes 1 et 2	1839	13	59	57	452	30	5849	8	1192	19	1856	15	92	52	569	24	2319	14	1554	16	1569	14	889	15	577	39	599	29	2857	14	746	24	1874	15	796	22	1107	17	8379	7	653	31	3891	10	1726	14	142	43	2329	11	43915	3
	classes 3 et 4	3121	14	203	48	446	32	8076	8	1609	21	2412	18	167	53	885	27	1412	18	2734	15	2378	18	955	20	483	38	713	31	4183	13	1266	21	2722	15	1263	25	1640	17	4072	8	525	36	4919	11	642	25	271	48	3135	12	50232	3
	classes 5 et 6	1611	18	26	71	51	51	2596	15	382	33	555	23	65	100	190	38	364	30	597	27	744	27	60	56	33	100	216	44	1065	24	298	42	835	25	401	41	1029	33	1314	20	177	52	1414	20	141	39	64	69	1545	19	15774	5
	total	6595	13	289	47	952	30	16584	7	3196	18	4841	16	328	57	1653	24	4122	14	4902	14	4712	15	1911	15	1100	35	1534	27	8137	13	2319	20	5455	13	2471	22	3789	17	13866	6	1361	30	10268	10	2525	15	478	43	7030	11	110414	2
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	.
	petit bois	170	32	59	59	95	49	1377	12	86	50	592	23	9	70	29	21	424	8	893	16	227	20	1475	15	27	36	156	45	285	22	84	48	125	40	59	17	160	27	226	10	55	19	1716	13	514	17	8	41	206	22	9059	4
	classes 1 et 2	3301	12	795	31	1404	24	17800	5	1732	17	4484	12	133	56	1398	19	15723	5	2577	14	5676	10	1670	13	1284	29	2583	17	5913	11	1339	20	3010	13	2700	14	2702	15	11631	6	2591	18	8299	8	10924	7	529	31	4958	10	115155	2
	classes 3 et 4	5104	12	1750	28	2313	25	28229	5	2411	19	7225	12	211	52	2561	19	19561	6	5928	13	8498	11	5058	12	1236	29	2868	19	10199	10	2195	19	4309	13	4640	15	3285	15	8934	9	2693	19	13701	8	11548	8	673	34	7156	10	162285	1
	classes 5 et 6	2410	15	421	40	425	31	10296	8	727	27	2192	16	65	100	1234	26	7072	8	1591	20	3048	14	1536	20	288	41	961	27	4293	14	605	32	1151	22	1814	21	1694	24	3461	14	855	26	4054	12	3588	11	177	41	2777	14	56736	3
	total	10986	11	3024	29	4237	23	57702	5	4956	17	14494	11	418	54	5221	19	42780	5	10989	12	17449	10	9739	11	2835	26	6568	17	20690	10	4223	18	8595	12	9213	14	7842	14	24252	7	6194	17	27770	7	26574	7	1387	32	15097	9	343236	1

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. 1387523. Birmensdorf, Swiss Federal Research Institute WSL

page précedente