Chap 1

Sondages et Enquêtes
LPID 2020-2021
(M. Badaoui) Techniques de Sondages ESTO 1 / 64

Plan
1 Introduction
2 Recensement et sondage
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Plan
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Plan
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Plan
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Plan
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

1. Introduction
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

1. Introduction
Objectif
Exemple introductif
On désire connaı̂tre l’âge moyen de TOUS les étudiants d’Oujda.
Recensement : je demande l’âge à tous les étudiants et je calcule la
moyenne . . . ça risque d’être long!
Sondage : je choisis une partie des étudiants (échantillon), je calcule
la moyenne des âges sur cette partie en espérant que cette moyenne
soit ”proche” de l’âge moyen de tous les étudiants.

1. Introduction
Objectif
Exemple introductif
Nous voyons sur cet exemple que la mise au point d’un sondage nécessite
plusieurs choix pour le statisticien :
comment choisir les étudiants ?
combien d’étudiants doit-on choisir ?
comment doit-on formuler la réponse:
sous la forme d’une valeur, c’est à dire que l’on donne une estimation
de l’âge moyen sous la forme d’un réel (24.8 ans par exemple) ;
sous la forme d’un ensemble de valeurs. On pourra par exemple donner
une fourchette ou un intervalle ([23.4 ;26.3] par exemple).
est-ce que l’estimation est satisfaisante ? Dit autrement suis-je
capable de donner une estimation de l’erreur commise par la
prédiction. On pourra par exemple dire ”l’âge moyen des étudiants
d’Oujda se trouve dans l’intervalle [23.4 ;26.3] avec un niveau de
confiance de 95%.”.
1. Introduction
Objectif
Exemple introductif
1. Introduction
Objectif
Exemple introductif
1. Introduction
Objectif
Exemple introductif
1. Introduction
Objectif
Exemple introductif
1. Introduction
Objectif
Exemple introductif
1. Introduction
Objectif
Objectif
L’objectif de ce cours consiste à étudier des procédures de sondage pour
lesquelles nous pourrons répondre à ces questions, afin d’atteindre un
objectif précis : Comment, à partir d’une information partielle,
pouvons-nous obtenir certaines conclusions au niveau de la population
toute entière ?

Recensement et sondage
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Il existe deux approches pour connaı̂tre les caractéristiques statistiques

d’un caractère sur une population.
Définition
Recensement : Observation exhaustive de tous les éléments d’une
population.
Lorsque le recensement n’est pas possible pour des raisons de coût, de

temps ou à cause de certaines contraintes (test destructif par exemple), on
a recours à un sondage.
Définition
Sondage : Méthode qui permet de construire un échantillon et qui prélève
qu’une partie des informations existantes.

Remarque
Si l’échantillon est constitué de manière correcte, les caractéristiques
statistiques de l’échantillon seront proches de celles de la population totale.
Remarque
Si le recensement se révèle théoriquement meilleur qu’un sondage
parcequ’il est exhaustif, il n’en est pas moins vrai que le sondage se voit
souvent préféré.

Pourquoi le sondage se voit souvent préféré à un recensement ?
Parce qu’il est : plus facile à obtenir, d’un coût moins élevé.
Exemple
Pour fixer quelques ordres de grandeur, une opération telle que le
Recensement Général de la Population et de l’Habitat menée en Maroc à
peu près tous les 10 ans (1960, 1971, 1982, 1994, 2004 et 2014)
occasionne un cout global de 900 Millions DH pour 2014 (417 Millions DH
pour l’année 2004), il a duré 20 jours, et il a mobilisé 53.000 agents
recenseurs supervisés par environ 20.000 contrôleurs, selon le
Haut-Commissariat au Plan.
Remarque
Les 900 millions de DH couvrent les travaux cartographiques, l’exécution
et l’exploitation des données.
Autres avantages
Parallèlement à la question des couts, l’enquête par sondage présente
l’avantage, par rapport au recensement, de fournir des résultats
beaucoup plus rapidement disponibles, puisqu’elle limite de façon
évidente l’ampleur des tâches de saisie des données sur ordinateur, de
contrôle de leur qualité, de leur codification (attribution d’un code
numérique par modalité de réponse), et le volume de calculs.
Le sondage est souvent confié à une équipe réduite et spécialisée.
Ainsi nous évitons des erreurs dues : au caractère inexpérimenté des
personnes chargées de l’enquête aux difficultés d’être exhaustif.

Remarque
il ne faut cependant pas opposer systématiquement les recensements et les
sondages, car les deux modes de collecte d’information présentent des
aspects complémentaires on traite une partie de l’information collectée lors
des recensements par sondages (), on mesure à tous niveaux la qualité
d’un recensement par sondage (pour mesurer la qualité de la couverture du
Recensement Général de la Population, on échantillonne des aires
géographiques et on y réalise une seconde opération de recensement, dont
on compare les résultats à la première), on teste les formulaires de
recensement par sondage (pour mesurer les taux d’erreurs de saisie, on
échantillonne des formulaires de recensement, on les fait ressaisir par un
opérateur qui n’est pas l’opérateur titulaire, et on compare avec la saisie
d’origine). A l’inverse, les recensements fournissent des bases de sondage,
de l’information auxiliaire fort utile lors du tirage d’échantillon ou pour les
redressements.
Terminologie
1 Introduction
3 Terminologie
Définitions
Sources d’erreurs dans une enquête
Objectif d’un sondage
4 Plan de sondage
5 Le π-estimateur

Terminologie Définitions
Définitions
Population : ensemble des unités sur lesquelles porte l’étude (notons

N la taille de la population).
U = {u1 ; u2 ; . . . ; uN } = {1; 2; . . . ; N}
Exemples de population:
L’ensemble des touristes d’un pays, l’ensemble des étudiant d’une ville,
l’ensemble des ménages d’un pays, la production de pièces mécaniques
d’une usine . . .
individu: élément uk ∈ U, il est trés important que l’individu uk ∈ U
doit être repérer précisément et sans aucune ambiguité : identifiant k.

Définitions
Échantillon : sous-ensemble d’unités de population (notons n la taille

de l’échantillon).
S = {uk1 ; uk2 ; . . . ; ukn } ,
avec
{k1 ; k2 ; . . . ; kn } ⊂ {1; 2; . . . ; N}

Définitions
Sondage : toute forme d’échantillonnage qui permet de constituer un

échantillon S à partir de la population U.
L’ensemble des techniques de prélèvement de l’échantillon se compose
essentiellement de deux approches:
1 Méthodes aléatoires (sondage probabiliste): les individus sont
échantillonnées (sélectionnés) selon un procédé probabiliste p(s) ou
chaque individu a une probabilité donnée connue d’avance πk
d’appartenir à l’échantillon;
2 Méthodes non aléatoires (sondage non probabiliste): sont des
méthodes où le concept de ”chance égale” est absent, en générale ces
méthodes sont peu fiables. Elles ne nécessite pas de base de sondage et
elles sont souvent utilisées pour des études exploratoires, pour réduire
les coûts ou lorsqu’il est impossible ou non envisageable d’utiliser les
méthodes aléatoires.

Définitions
Base de sondage : liste des unités de la population. Il existe de

types de bases:
Les nomenclatures: Liste de noms et d’adresses qui donnent
directement accès à des unités (exemple: liste des élèves inscrit à
l’ESTO)
Les bases aréolaire: Liste de ”régions” qui donnent accès indirectement
à des unités (exemple: Départements de l’ESTO)
Taux de sondage : rapport entre la taille de l’échantillon n et la
taille de la population N.
Estimateur : résultat estimé à partir des données observées dans
l’échantillon qui représente la valeur vraie du phénomène dans la
population, avec un certain degré d’incertitude.

Sources d’erreurs dans une enquête
Les méthodes de sondage peuvent être sources d’erreurs. Un certain

nombre d’erreurs pourront être éliminées, certaines pourront être réduites,
mais d’autres persisteront. On distingue:
Erreur d’échantillonnage: Le fait d’étudier un échantillon plutôt qu’un
autre engendre forcément une erreur. Cette erreur est inévitable.
Erreur de mesure: erreur due à l’appareil de mesure. Un instrument
est fidèle s’il répond exactement de la même façon quand il est placé
dans deux situations identiques. Une question claire est dite fidèle
quand tout le monde la comprend de la même façon. Il est valide
lorsqu’il mesure vraiment ce qu’il est censé mesurer.
Erreur de couverture: erreur liée au fait que la population
échantillonnée n’est pas celle que l’on voulait étudier.
Non-réponses : absence de mesure pour certaines unités de
l’échantillon.
Objectif
Relever auprès de chaque individu uk de la population U, à l’aide d’un
questionnaire ou d’un autre moyen de collecte, la valeur d’une ou de
plusieurs variables d’intérêt.
Définition
Soit une variable Y , appelée variable d’intérêt, dont les valeurs associées
à chaque unité de sondage sont notées y1 ; . . . ; yN (elle prend la valeur yk
pour l’individu k).

Retour aux exemples

U = touristes ⇒ Y = budget dépensé
U = étudiants d’Oujda ⇒ Y = âge de l’étudiant
U = pièces produites ⇒ Y = pièce défectueuse ou non
Remarque
Les deux premières variables sont quantitatives et la dernière est
qualitative.

Remarque
La dernière variable est dichotomique. Pour représenter cette variable,
nous la quantifions au moyen d’une fonction indicatrice selon laquelle la
valeur Y prise par la pièce est égale à 1 si la pièce est défectueuse, 0 sinon.
Remarque
Ce processus se généralise dès que nous avons à faire à une variable
dichotomique.

L’objectif d’un sondage :

obtenir l’information sur un paramètre θ qui est une fonction de yk ,
θ = θ (y1 ; . . . ; yN ).
Le paramètre θ est inconnu.
Si Y est quantitative, alors θ peut être
P
1 ty = k∈U yk le total de Y dans la population U
µy = N1 k∈U yk la moyenne de Y
P
2
3 le quantile (médiane) de Y
4 la variance et l’écart-type
Si Y est qualitative, alors θ peut être essentiellement des
pourcentages d’individus de la population dont la variable prend telle
ou telle modalité.

Chaque individu k de l’échantillon S est interrogé et on note yk .

On obtient
{(k; yk ); k ∈ S}
Les valeurs yk ; avec k ∈ S sont utilisées pour construire un
estimateur θbn (yk ; k ∈ S) de θ (yk ; k ∈ U).
On veut inférer les résultats de l’échantillon S à la population U.
On regarde la précision de θbn ;
faire presque aussi bien qu’un recensement mais avec un coût beaucoup
plus faible.

La précision dépend de 3 éléments :

la taille n de l’échantillon : plus l’échantillon est grand, plus
l’éstimation est précise.
La variance de la variable d’interet : plus une population est
homogène (variance faible), plus le sondage est éfficace. Si tous les
individus sont caracterisés par des valeurs yi identiques, un seul suffit
a les représenter. A l’inverse, sonder dans une population très
hétérogene nécessite des échantillons de taille importante, ou un
découpage préalable en sous populations homogènes (principe de
stratification).
Le taux de sondage f = Nn : si le taux de sondage est egal a 1,

l’échantillon est la population entière et il n’y a plus d’erreur. Mais,

dans la trés grande majorité des sondages, les taux de sondage sont
trés faibles.

Plan de sondage
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Plan de sondage
Plan de sondage
La notion du plan de sondage est spécifique à la théorie des sondages.
La sélection de l’échantillon aléatoire S se fait à l’aide d’un plan de

sondage p sur U, c’est à dire à l’aide d’une loi de probabilité sur les parties
de U : X
∀s ⊂ U p(s) ≥ 0 et p(s) = 1
s⊂U
On note S l’échantillon aléatoire, et on distinguera

l’estimateur θbn (yk ; k ∈ S) ≡ θbn (S),
l’estimation θbn (yk ; k ∈ s) ≡ θbn (s).
On appelle algorithme d’échantillonnage une méthode pratique permettant
de sélectionner un échantillon selon le plan de sondage choisi.

Plan de sondage
Plan de sondage
Définition
Un plan de sondage p(.) est dit de taille fixe, égale à n, si seuls les
échantillons de taille n ont une probabilité non nulle d’être tirés :
Card(s) 6= n =⇒ p(s) = 0
Définition
Un plan de sondage p(.) est dit simple si deux échantillons de même taille
ont la même probabilité d’être sélectionnés :
Card(s1 ) = Card(s2 ) =⇒ p(s1 ) = p(s2 )

Plan de sondage
Plan de sondage
Remarque
Clairement, on a CNn échantillons (non ordonnés) de taille n dans U. Ainsi
si le plan est simple et de taille fixe on a pour tout s ∈ S
(
1
CNn Card(s) = n;
p(s) =
0 Card(s) 6= n.

Plan de sondage
Plan de sondage
Exemple
Soit une population U = {1; 2; 3; 4} et R =le revenu moyen de cette
population.
On a R1 = 6000; R2 = 12000; R3 = 8000; R4 = 6000.
On veut interroger que deux personnes, alors on a six échantillons de
tailles 2 sans remise:
s1 = {1; 2}; s2 = {1; 3}; s3 = {1; 4} s4 = {2; 3};s5 = {2; 4}; s6 = {3; 4}
On prend
p(s1 ) = 0, 25; p(s2 ) = 0, 25; p(s3 ) = 0, 2; p(s4 ) = 0; 1; p(s5 ) = 0, 1;
p(s6 ) = 0, 1;

Plan de sondage
Plan de sondage
Remarque
La variable aléatoire S prend ses valeurs dans
{{1; 2} ; {1; 3} ; {1; 4} ; {2; 3} {2; 4} ; {3; 4}}
On a par exemple
P (S = {1; 2}) = p ({1; 2}) = 0, 2

Plan de sondage
Variable indicatrice
Définition
On appelle variable indicatrice la variable aléatoire Ik = Ik (S) définie de la
façon suivante :
1, k ∈ S;
Ik =
0, k 6∈ S.
L’utilisation de la variable Ik , indiquant l’appartenance à l’échantillon de

l’unité k, permet souvent de simplifier les calculs.

Plan de sondage
Probabilités d’inclusion d’ordre 1 (premier degré)
On note πk la probabilité d’inclusion de l’unité k, c’est à dire la probabilité

que l’unité k soit retenue dans l’échantillon :
X
πk = P(k ∈ S) = P (Ik = 1) = p(s)
s
k∈s
Notons également que par définition, πk = Ep [Ik ].

En pratique, les probabilités d’inclusion πk sont fixées avant le tirage à
l’aide d’une information auxiliaire. On utilise ensuite un plan de sondage
qui respecte ces probabilités d’inclusion.

Plan de sondage
Probabilités d’inclusion d’ordre 2 (deuxième degré)
On note πkl la probabilité que deux unités distinctes k et l soient

sélectionnées conjointement dans l’échantillon :
X
πkl = P(k; l ∈ S) = P (Ik Il = 1) = p(s)
s
k,l∈s
Notons que comme précédemment, πkl = Ep [Ik Il ].

Ces probabilités doubles interviennent notamment dans la variance des
estimateurs. Il est souvent difficile de les calculer exactement, sauf pour
des plans de sondage particuliers.

Plan de sondage
Plan de sondage
Les plans de taille fixe ont des probabilités d’inclusion bien spécifiques.
Théorème
Si un plan est de taille fixe n, alors
P
πk = n
Pk∈U
k∈U πkl = (n − 1)πl , l ∈U
P k6=l
k∈U ∆kl = 0, l ∈U
avec
Cov (Ik ; Il ) = πk,l − πk πl , l 6= k;
∆kl =
V (Ik ) = πk (1 − πk ) , l = k.

Plan de sondage
Application
Calcul de πk :
π1 = P(1 ∈ S) = p(s1 ) + p(s2 ) + p(s3 ) = 0, 7

π2 = P(2 ∈ S) = p(s1 ) + p(s4 ) + p(s5 ) = 0, 45
π3 = P(3 ∈ S) = p(s2 ) + p(s4 ) + p(s6 ) = 0, 45
π4 = P(4 ∈ S) = p(s3 ) + p(s5 ) + p(s6 ) = 0, 4
Calcul deπkl :
π12 = P(1; 2 ∈ S) = p(s1 ) = 0, 25

π13 = P(1; 3 ∈ S) = p(s2 ) = 0, 25
π14 = P(1; 4 ∈ S) = p(s3 ) = 0, 2
π23 = π24 = π34 = 0, 1

Plan de sondage
Mesures de précision
L’espérance d’un estimateur θbn (S) se définit par :
X
E θbn (S) = θbn (s)P(S = s)
s⊂U
X
= θbn (s)p(s)
s⊂U
La variance d’un estimateur θbn (S) se définit par :

X 2
Var θbn (S) = θbn (S) − E θbn (S) P(S = s)
s⊂U
La covariance de deux estimateurs θbn1 (S) et θbn2 (S) se définit par :

X
Cov θbn1 (S); θbn2 (S) = θbn1 (S) − E θbn1 (S)
s⊂U

× θbn2 (S) − E θbn2 (S) P(S = s)

Plan de sondage
Mesures de précision
Le biais d’un estimateur θbn (S) correspond à son erreur moyenne :

B θbn (S) = E θbn (S) − θ
Xh i
= θbn (s) − θ p(s)
s⊂U
Remarque
On préfère θbn (S) sans biais ou peu biaisé
L’erreur quadratique moyenne d’un estimateur θbn (S)

h i2
EQM θbn (S) = E θbn (S) − θ

= Var θbn (S) + B2 θbn (S)

Plan de sondage
Application: Mesures de précision
Le vrai revenu moyen est θ = R1 +R2 +R 4

3 +R4
= 8000: On considère les
échantillons de taille 2 et comme estimateur de θ la moyenne dans chaque
échantillon :
R1 + R2
θbn (s1 ) = = 9000 . . .
2
échantillon;s p(s) θb2 p(s).θb2
{1; 2} 0,25 9000 2250
{1; 3} 0,25 7000 1750
{1; 4} 0,2 6000 1200
{2; 3} 0,1 10000 1000
{2; 4} 0,1 9000 900
{3; 4} 0,1 7000 700

Plan de sondage
Application : Mesures de précision
L’espérance de l’estimateur θb2 (S) :

X
E θb2 (S) = θbn (s)p(s)
s⊂U
= 0, 25 × 9000 + 0, 25 × 7000 + . . . + 0, 1 × 7000
= 7800
Le biais de l’estimateur θb2 (S) :

B θb2 (S) = E θbn (S) − θ
= 7800 − 8000
= −200

Plan de sondage
Application : Mesures de précision
La variance de l’estimateur θb2 (S) est :

X 2
Var θb2 (S) = θbn (S) − E θbn (S) P(S = s)
s⊂U
= 0, 25 × (9000 − 7800)2 + 0, 25 × (7000 − 7800)2 +
. . . + 0, 1 × (7000 − 7800)2 = 1860000
L’erreur quadratique moyenne d’un estimateur θb2 (S)

EQM θb2 (S) = Var θbn (S) + B2 θbn (S)
= 1860000 + (−200)2 = 1900000

Plan de sondage
”sans biais” signifie que le résultat est bon en moyenne mais pas que le
résultat obtenu à partir d’un échantillon est exact.
Figure: Biais et précision
cas 1= estimateur sans biais (la moyenne des toutes les positions est
le centre) ;
cas 2= estimateur précis mais biaisé (les positions sont très proches
les unes des autres mais éloignées du centre) ;
cas 3= estimateur ”parfait” (les positions sont très proches du
centre).
Plan de sondage
Intervalles de confiance
Un estimateur peut être sans biais pour un paramètre (par exemple la

moyenne de ses valeurs sur tous les échantillons possibles) mais nous
disposons d’un seul échantillon seulement qui nous fournie une seule
estimation pour notre paramètre qui peut être assez éloignée de la vraie
valeur (comme vu dans l’exemple précédent). On préfère donner une
estimation de θ par intervalles de confiance.
Hypothèse indispensable : θbn suit une loi normale.
Un intervalle de confiance pour θ de niveau approximatif 1 − α est donné
par : " #
r
IC(1−α) (θ) = θbn ± t1− α2 Var θbn
α
avec t1− α2 le quantile d’ordre 1 − 2 d’une loi normale centrée réduite
N (0; 1).

Plan de sondage
Rappel :
α = 0, 05 =⇒ t0,975 = 1, 96
α = 0, 10 =⇒ t0,95 = 1, 64
Interprétation (pour α = 0, 05) : la vrai valeur θ est contenu dans
l’intervalle de confiance pour (approximativement) 95% des échantillons.

Plan de sondage

Comme la vraie variance Var θbn est généralement inconnue, on la

d θbn . On obtient l’intervalle de
remplace par un estimateur noté Var
confiance estimé :
" r #

c(1−α) (θ) = θbn ± t1− α Var
IC d θbn
2
L’intervalle de confiance est (approximativement) valide :

si l’estimateur θbn suit approximativement une loi N θ; Var θbn ,

si l’estimateur de variance Var
d θbn est faiblement consistant.

Le π-estimateur
1 Introduction
3 Terminologie
4 Plan de sondage
5 Le π-estimateur

Le π-estimateur
Estimation d’un total et d’une moyenne
C’est sans aucun doute l’estimateur qu’il faut à tout prix connaı̂tre lorsque
l’on s’intéresse aux sondages.
Horvitz et Thompson (1952) ont introduit un estimateur linéaire sans biais

d’un total ty pour tout plan de sondage
X yk
tby ,π = .
πk
k∈S
Cet estimateur est appelé le π-estimateur, l’estimateur

d’Horvitz-Thompson ou encore l’estimateur des valeurs dilatées.

Le π-estimateur
Remarque
L’esimateur peut être écrit aussi
X yk
tby ,π = Ik .
πk
k∈U

Le π-estimateur
Théorème
Si πk > 0 pour tout k ∈ U, alors tby ,π estime ty sans biais.
En effet,
! !
X yk X yk
E tby ,π = E =E Ik
πk πk
k∈S k∈U
X E (Ik ) yk X
= = yk = ty
πk
k∈U k∈U

Le π-estimateur

Remarque
Si certaines probabilités d’inclusion sont nulles alors le π-estimateur est
biaisé puisque
 
!
X yk  X yk 
E tby ,π = E = E Ik 
πk πk
k∈S k∈U
πk >0
X X
= yk = ty − yk
k∈U k∈U
πk >0 πk =0
Notons que, lors de la deuxième égalité, la restriction aux unités telles que
πk > 0 sous le signe de sommation est justifiée par le fait qu’une unité
dont la probabilité d’inclusion d’ordre un est nulle n’appartiendra jamais à
l’échantillon aléatoire S.
Le π-estimateur
Remarque
Dans ce cas le bias ne dépend que des unités ayant une probabilité nulle
d’être sélectionnées. Il est imposssible d’estimer ce biais. On dit alors que
le plan de sondage a un problème de couverture. Ce problème peut
notamment se poser :
liste des individus pas à jour, ou individus impossibles à joindre;
quand on choisit de laisser de côté une partie de la population (cut-off
sampling, parfois utilisé dans les enquêtes-entreprise).

Le π-estimateur
Nous avons introduit le π-estimateur pour estimer le total ty mais nous

pouvons également l’utiliser pour estimer la moyenne µy par
1 X yk
µ
by ,π =
N πk
k∈S

Le π-estimateur
Notons toutefois que pour utiliser cet estimateur il faut que la taille de la
population N soit connue, ce n’est malheureusement pas toujours le cas.
En effet, des sondages sont souvent utilisés pour estimer N. DansPce cas N
est une variable d’intérêt qui peut s’écrire comme un total N = k∈U 1.
On peut estimer N par Le π-estimateur, i.e.,
X 1
Nbπ =
πk
k∈S
.

Le π-estimateur
Variance du π-estimateur
La variance du π-estimateur est donnée par le théorème suivant:

Théorème
Soit tby ,π le π-estimateur d’un total ty . Si πk > 0 pour tout k ∈ U, alors
X yk yl
Var tby ,π = ∆kl (6.1)
πk πl
k,l∈U

Le π-estimateur
Variance du π-estimateur
!
X yk
Var tby ,π = Var Ik
πk
k∈U
X y2 X X yk yl
k
= 2
Var (Ik ) + Cov (Ik , Il )
πk πk πl
k∈U l∈U k∈U
l6=k
X y2 X X yk yl
k
= πk (1 − πk ) + (πkl − πk πl )
πk2 πk πl
k∈U l∈U k∈U
l6=k
X yk yl
= ∆kl
πk πl
k,l∈U

Le π-estimateur
Variance pour les plans de taille fixe
Si un plan est de taille fixe, Yates-Grundy (1953) et Sen (1953) ils ont
montré qu’il est possible de réécrire la variance du π-estimateur sous une
forme différente.
Théorème
Soit tby ,π le π-estimateur d’un total ty . Si πk > 0 pour tout k ∈ U, alors
yl 2

1 X X yk
Var tby ,π = − − ∆kl (6.2)
2 πk πl
l∈U k∈U
l6=k

Le π-estimateur
Estimation de la variance du π-estimateur

L’idée qui permet de construire un π-estimateur d’un total peut être
étendue pour une double somme d’une fonction de deux variables.
Théorème
Pour toute fonction g (x; y ), l’estimateur
 
X X g (yl ; yk )  X X g (yl ; yk )
=

Ik Il 
πkl πkl
l∈S
k∈S l∈U k∈U
k6=l k6=l
estime sans biais XX

g (yl ; yk )
k∈U l∈U
k6=l
Si et seulement si toutes les probabilités d’inclusion d’ordre deux sont

strictement positives (i.e. πkl > 0 pour tout k, l ∈ U k 6= l ).
Le π-estimateur
En effet,
 
 X X g (yl ; yk ) X X g (yl ; yk )
Ik Il  = E (Ik Il )

E
πkl πkl
l∈Uk∈U l∈U k∈U
k6=l k6=l
XX
= g (yl ; yk )
k∈U l∈U
k6=l

Le π-estimateur
On peut donc se servir du théorème

précédent afin de construire un
estimateur sans biais de Var tby ,π . On a donc à partir de l’expression
(6.1) l’estimateur
X y 2 (1 − πk ) X yk yl
k

Var
d tby ,π = 2
Ik + ∆kl Ik Il
πk πk πl πkl
k∈U l,k∈U
k6=l
Remarque
Cet estimaeur a cependant un défaut important, il peut prendre des
valeurs négatives.

Le π-estimateur

En effet,
X yk yl
Var tby ,π = ∆kl
πk πl
k,l∈U
X y2 X yk yl
k
= 2
∆kk + ∆kl
πk πk πl
k∈U l,k∈U
k6=l
d’après ce qui precède

X y2 X yk yl
k

Var
d tby ,π = 2
∆kk Ik + ∆kl Ik Il
πk πk πk πl πkl
k∈U l,k∈U
k6=l
avec
πkl − πk πl , l 6= k;
∆kl =
πk (1 − πk ) , l = k.
Le π-estimateur
Si le plan est à taille fixe alors nous pouvons utiliser l’expression (6.2) ce
qui nous conduit à l’estimateur
yl 2 ∆kl

1 X X yk
Var
d tby ,π = − − Ik Il
2 πk πl πkl
l∈U
k∈U
l6=k
Ce dernier estimateur est appelé l’estimateur de Sen-Yates-Grundy, noms

des personnes l’ayant trouvé.
Remarque
Cet estimateur est sans biais uniquement lorsque le plan est de taille fixe
et il n’est pas difficile de voir que l’estimateur sera toujours positif dès lors
que ∆kl ≤ 0 pour tout k, l ∈ U, l 6= k. C’est la condition de
Sen-Yates-Grundy.

Le π-estimateur
L’estimateur de Hájek
Bien que le π-estimateur soit très largement utilisé, dans certaines

circonstances, il possède une mauvaise propriété. Afin d’illustrer nos
propos, supposons que
!
X 1
Var Ik 6= 0
πk
k∈U
Remarque
Ceci est par exemple le cas lorsque la taille de l’échantillon est aléatoire.

Le π-estimateur
Dans ce cas, si le caractère dont on veut estimer la moyenne est constant

sur toutes les unités de la population (i.e. yk = c pour tout k ∈ U). Alors
le π-estimateur de la moyenne µy est alors
c X 1
µ
by ,π = Ik
N πk
k∈U
Le π-estimateur n’est pas égale à c mais est une variable aléatoire

d’espérance c.

Le π-estimateur
L’estimateur de Hájek a été introduit afin de remédier à ce problème et est

donné par
!−1
X 1 X yk
µ
by ,π = Ik Ik
πk πk
k∈U k∈U
Remarque
L’estimateur de Hájek correspond à un ratio de deux variables aléatoires.
Le calcul de ses moments est alors compliqué voire impossible.

Le π-estimateur
L’estimateur de Hájek peut être utilisé pour estimer le total ty en posant

!−1
X 1 X yk
tby ,π = N Ik Ik
πk πk
k∈U k∈U
dès lors que N est connu bien évidemment.

Remarque
On dit alors que la taille de population est une information auxilaire car
c’est une information connue sur la population.
L’utilisation de l’estimateur de Hájek préfigure une des spécifités de la
théorie de sondage: l’utilisation d’informations auxliaires, c’est-à-dire
d’informations externes aux données observées pour améliorer l’estimation.

Chap 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 1

Transféré par

Droits d'auteur :

Formats disponibles

Sondages et Enquêtes

(M. Badaoui) Techniques de Sondages ESTO 1 / 64

(M. Badaoui) Techniques de Sondages ESTO 2 / 64

(M. Badaoui) Techniques de Sondages ESTO 2 / 64

(M. Badaoui) Techniques de Sondages ESTO 2 / 64

(M. Badaoui) Techniques de Sondages ESTO 2 / 64

(M. Badaoui) Techniques de Sondages ESTO 2 / 64

(M. Badaoui) Techniques de Sondages ESTO 3 / 64

(M. Badaoui) Techniques de Sondages ESTO 4 / 64

(M. Badaoui) Techniques de Sondages ESTO 6 / 64

(M. Badaoui) Techniques de Sondages ESTO 7 / 64

Il existe deux approches pour connaı̂tre les caractéristiques statistiques

Lorsque le recensement n’est pas possible pour des raisons de coût, de

(M. Badaoui) Techniques de Sondages ESTO 8 / 64

(M. Badaoui) Techniques de Sondages ESTO 9 / 64

(M. Badaoui) Techniques de Sondages ESTO 11 / 64

(M. Badaoui) Techniques de Sondages ESTO 13 / 64

Population : ensemble des unités sur lesquelles porte l’étude (notons

(M. Badaoui) Techniques de Sondages ESTO 14 / 64

Échantillon : sous-ensemble d’unités de population (notons n la taille

(M. Badaoui) Techniques de Sondages ESTO 15 / 64

Sondage : toute forme d’échantillonnage qui permet de constituer un

(M. Badaoui) Techniques de Sondages ESTO 16 / 64

Base de sondage : liste des unités de la population. Il existe de

(M. Badaoui) Techniques de Sondages ESTO 17 / 64

Sources d’erreurs dans une enquête

Les méthodes de sondage peuvent être sources d’erreurs. Un certain

Objectif d’un sondage

(M. Badaoui) Techniques de Sondages ESTO 19 / 64

Objectif d’un sondage

Retour aux exemples

(M. Badaoui) Techniques de Sondages ESTO 20 / 64

Objectif d’un sondage

(M. Badaoui) Techniques de Sondages ESTO 21 / 64

Objectif d’un sondage

L’objectif d’un sondage :

(M. Badaoui) Techniques de Sondages ESTO 22 / 64

Objectif d’un sondage

Chaque individu k de l’échantillon S est interrogé et on note yk .

(M. Badaoui) Techniques de Sondages ESTO 23 / 64

Objectif d’un sondage

La précision dépend de 3 éléments :

l’échantillon est la population entière et il n’y a plus d’erreur. Mais,

(M. Badaoui) Techniques de Sondages ESTO 24 / 64

(M. Badaoui) Techniques de Sondages ESTO 25 / 64

La notion du plan de sondage est spécifique à la théorie des sondages.

La sélection de l’échantillon aléatoire S se fait à l’aide d’un plan de

On note S l’échantillon aléatoire, et on distinguera

(M. Badaoui) Techniques de Sondages ESTO 26 / 64

Card(s1 ) = Card(s2 ) =⇒ p(s1 ) = p(s2 )

(M. Badaoui) Techniques de Sondages ESTO 27 / 64

(M. Badaoui) Techniques de Sondages ESTO 28 / 64

(M. Badaoui) Techniques de Sondages ESTO 29 / 64

{{1; 2} ; {1; 3} ; {1; 4} ; {2; 3} {2; 4} ; {3; 4}}

P (S = {1; 2}) = p ({1; 2}) = 0, 2

(M. Badaoui) Techniques de Sondages ESTO 30 / 64

L’utilisation de la variable Ik , indiquant l’appartenance à l’échantillon de

(M. Badaoui) Techniques de Sondages ESTO 31 / 64

Probabilités d’inclusion d’ordre 1 (premier degré)

On note πk la probabilité d’inclusion de l’unité k, c’est à dire la probabilité

Notons également que par définition, πk = Ep [Ik ].

(M. Badaoui) Techniques de Sondages ESTO 32 / 64

Probabilités d’inclusion d’ordre 2 (deuxième degré)