Un service observe un échantillon fictif de 25 dossiers indépendants. Le délai moyen est de 42 jours et l’écart-type empirique, calculé avec le diviseur 24, vaut 10 jours. On suppose une population normale pour utiliser une inférence exacte en petit échantillon. L’erreur-type de la moyenne est 10/√25 = 2 jours. Le quantile de Student à 97,5 % avec 24 degrés de liberté vaut environ 2,064.
L’intervalle de confiance bilatéral à 95 % est donc 42 ± 2,064 × 2, soit de 37,872 à 46,128 jours. Pour tester une moyenne de 40 jours contre une alternative bilatérale, la statistique vaut (42 − 40)/2 = 1. Sa valeur absolue est inférieure à 2,064 : on ne rejette pas au seuil de 5 %. La p-value est d’environ 0,327. Cela ne prouve pas que la moyenne vaut exactement 40 jours ; les données restent compatibles avec plusieurs valeurs.
Supposons qu’une décision exige de détecter une hausse de deux jours. L’intervalle obtenu est trop large pour conclure précisément sur une différence de cet ordre. Une réflexion sur la puissance et l’effectif nécessaire serait utile avant une nouvelle collecte. Si les 25 dossiers provenaient en réalité de quelques équipes fortement dépendantes, l’erreur-type de deux jours pourrait être inadaptée. Le calcul reste arithmétiquement correct, mais son interprétation dépend des conditions d’échantillonnage annoncées.