1. Échantillonnage aléatoire simple :
- Principe : Les éléments de la population sont tirés au hasard.
- Inconvénient : Contraignant en pratique, chaque individu doit être identifié aléatoirement (ex : étude de la production laitière des vaches françaises).
2. Échantillonnage systématique :
- Principe : Les éléments sont sélectionnés de manière régulière selon une progression arithmétique à partir d’un point de départ aléatoire.
- Formule : α, α + r, α + 2r, etc. où r est le pas entre les éléments et dépend de la taille de l’échantillon souhaité.
- Exemple : Contrôle qualité d’une chaîne de fabrication, en prenant un élément tous les r éléments.
3. Échantillonnage stratifié :
- Principe : La population est divisée en strates homogènes (ex : classes d’âge, production, etc.). Un tirage aléatoire est effectué dans chaque strate.
- Avantage : Précision accrue pour chaque groupe.
- Problème : Difficile de choisir les critères de stratification.
- Exemple : Étude des étudiants avec un emploi, stratification par département pour assurer une bonne précision dans chaque département.
4. Échantillonnage en grappes :
- Principe : La population est découpée en grappes (ex : villes, écoles, rues). Tous les éléments d’une grappe choisie sont inclus dans l’échantillon.
- Avantage : Adapté aux enquêtes de grande envergure.
- Exemple : Étude des sports pratiqués par les étudiants. On sélectionne quelques universités (grappes) et tous les étudiants de ces universités sont sondés.
Résumé des avantages et inconvénients :
- Aléatoire simple : Bonne représentativité mais difficile à mettre en œuvre.
- Systématique : Simple à appliquer mais biais possible si périodicité de la population.
- Stratifié : Très précis pour chaque groupe, mais stratification peut être complexe.
- Grappes : Pratique pour grandes populations, mais les grappes choisies doivent bien représenter la population totale.
