Partielo | Créer ta fiche de révision en ligne rapidement
Post-Bac
3

Suite diapo 1

Définition

échantillonnage probabiliste
chantillon considéré comme représentatif de la population
échantillonnage non probabiliste
Rapide et pratique Abordable (peu de frais de déplacement etc…)

probabiliste

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.


non probabiliste

1. Échantillonnage de convenance :

  • Principe : Échantillon choisi pour des raisons pratiques (accessibilité, coût).
  • Exemple : Dans la recherche universitaire, un échantillon de convenance peut être constitué d'étudiants.
  • Inconvénient : L'échantillon n'est souvent pas représentatif, ce qui peut entraîner un biais d'échantillonnage.

2. Échantillonnage par quotas :

  • Principe : L'échantillon est constitué en respectant les proportions de certaines caractéristiques présentes dans la population (âge, sexe, catégorie socio-professionnelle, etc.).
  • Inconvénient : Les individus sont choisis de manière non aléatoire, ce qui peut affecter la rigueur statistique


Post-Bac
3

Suite diapo 1

Définition

échantillonnage probabiliste
chantillon considéré comme représentatif de la population
échantillonnage non probabiliste
Rapide et pratique Abordable (peu de frais de déplacement etc…)

probabiliste

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.


non probabiliste

1. Échantillonnage de convenance :

  • Principe : Échantillon choisi pour des raisons pratiques (accessibilité, coût).
  • Exemple : Dans la recherche universitaire, un échantillon de convenance peut être constitué d'étudiants.
  • Inconvénient : L'échantillon n'est souvent pas représentatif, ce qui peut entraîner un biais d'échantillonnage.

2. Échantillonnage par quotas :

  • Principe : L'échantillon est constitué en respectant les proportions de certaines caractéristiques présentes dans la population (âge, sexe, catégorie socio-professionnelle, etc.).
  • Inconvénient : Les individus sont choisis de manière non aléatoire, ce qui peut affecter la rigueur statistique


Retour

Actions