La régression linéaire

Forums
L'échantillonnage
Contact

L'échantillonnage consiste à prélever une fraction limitée

d'individus dans une population en vue d'obtenir des
informations sur cette population.
Ces informations peuvent servir de base à une décision
concernant la population ou le procédé qui l'a produite.
Si l'on veut que l'échantillon soit représentatif de la
population, on prélève un nombre suffisant d'individus (n)
dans la population (de taille N) de telle sorte que tous les
individus aient la même probabilité d'être prélevés.
(prélèvement au hazard)
1. Domaine d'application.
2. Echantillonnage exhaustif _ non exhaustif.
3. Prélèvement au hazard.
4. Variables aléatoires discrètes - variables aléatoires
continues.
5. Echantillonnage - estimation ponctuelle.
6. Les lois d'échantillonnage.
7. Tableau de synthèse concernant l'échantillonnage.
1. Domaine d'application.
Chaque fois que l'analyse d'un phénomène ou d'une
situation se fait à partir d'une fraction limitée de la
population, ou des cas possibles, on peut parler
d'échantillonnage.
C'est le cas en contrôle de fabrication lorsque l'on veut
surveiller un moyen de production, mais aussi en
réception afin d'éviter d'avoir à contrôler tout le lot.
Parfois le jugement sur échantillon est obligatoire si l'on
ne veut pas détruire les individus (contrôles destructifs).
2. Echantillonnage exhaustif _ non exhaustif.
En statistique, on distingue les échantillonnages exhaustifs
(qui épuisent) des autres qui sont dits non exaustifs.
Un échantillonnage est exhaustif à chaque fois que l'on
prélève des individus sans les remettre dans le lot après
examen. Pourtant, dans la pratique et pour des raisons de
simplification, on considère qu'un prélèvement est non
exhaustif si l'on prélève (sans remise) au plus 10% de la
population du lot (exemple: un échantillon de 10 individus
prélevé sans remise dans une population de 100 unités est
considéré comme étant exhaustif)
Le plus souvent, ontraite donc les échantillons comme s'ils
résultaient de prélévements non exhaustifs. C'est ce que nous
ferons ci-après.

3. Prélèvement au hazard.
En principe, on devrait toujours prélever au hasard dans les
populations par exemple à l'aide table de "nombre au
hasard".
En pratique, le respect strict du hasard serait beaucoup trop
long et trop coûteux.
Souvent, une bonne connaissance de la manière dont est
constitué le lot permet d'utiliser des arttifices satisfaisants.
Nous citerons, en particulier, la "stratification" dans les
sondages d'opinion où, connaissant la répartition de la
population par sexe, par profession, par lieu d'habitation et
autres critères , on construit un échantillon correspondant à
ces répartitions.
En production industrielle, on trouve le même phénomène
pour des moyens de production différents, des heures ou des
dates de fabrication, des tendances à dérive, etc... qui
permettent d'utiliser des artifices adaptés.
Il va de soi qu'une bonne connaissance technique du produit
permet toujours une meilleurs analyse du problème.

4. Variables aléatoires discrètes - variables aléatoires

continues.
En préalable à tout échantillonnage, il est nécessaire
d'identifier la nature de la varaible qui régit la population.
On peut avoir à faire à des variables aléatoires discrètes ou à
des variables aléatoires continues.
Variables aléatoires continues
Lorsque les valeurs de la variable peuvent être
différentes et se situer sur une échelle continue,
on parle de variables aléatoires continues.
Elles sont caractérisées par :
une loi de distribution, par exemple une loi normale,
un paramètre de position, par exemple la moyenne,
un paramètre de dispersion, par exemple l'écart-type
(voir loi normale)

Varaibles aléatoires discrètes

Les variables aléatoires discrètes correspondent aux
cas où l'identification des résultats se fait sous forme
dichotomique.
Exemple : 50% de la production est exportée en
Allemagne.

0 0,5 1

Le segment bleu, égal à la moitié du segment

total représente la fraction de la population
exportée. Ce nombre (0,5) suffit pour
caractériser cette variable discrète.

5. Echantillonnage - estimation ponctuelle.

En présence d'une population de caractéristique inconnue, le
problème est d'estimer cette caractéristique à partir d'un
échantillon de taille réduite.
Cet échantillon nous renseigne sur la caractéristique, mais on
ne peut affirmer que le résultat obtenu est le reflet exact de la
réalité. On peut estimer la réalité par une estimation
ponctuelle.
On prélève un échantillon de taille suffisante, ou une série
d'échantillons. les caractéristiques de cet échantillonnage
représentatif sont considérées comme étant celles de la
population.
Estimation d'une variable continue (loi normale)
Généralement, on choisit de prélever un échantillon d'au
moins 30 individus. La moyenne est estimée par qui se
calcule comme la moyenne d'une population (m). L'écart-
type es testimé par la formule :

nota :
On remarque que le dénominateur est n (taille de
l'échantillon) dimiué d'une unité. On procéde ainsi pour
obtenir une estimation sans biais (correcte) et parce que dans
le calcul de s on a utilisé qui est un estimateur de la
moyenne m.

Les valeurs de et de s peuvent être

obtenues directement par l'intermédiaire des
touches correspondantes sur une calculatrice
disposant des fonctions statistiques

Exemple : On a prélevé un échantillon de 50

individus dans un lot en respectant les règles
du hasard. on a calculé la moyenne et l'écart-
type de cet échantillon : =28,26 et s=0,021.

Ces deux valeurs fournissent une estimation

ponctuelle de la moyenne m etde l'écart-type
de la population.

Estimation d'une variable discrète (proportion)

On prélève un échantillon de taille suffisante. 30 individus
semblent être un minimum. On dénombre la proportion des
individus ayant (ou n'ayant pas) la caractéristique recherchée.
c'est ce nombre qui fourit l'estimation.
Exemple : On a prélevé un échantillon de 100 individus dans
nu lot en respectant les régles du hasard. On a dénombré 3
individus défecteux. on peut calculer p = 3/100 = 0,03. Cette
valeur fournit une estimation ponctuelle de la proportion de
défecteux dans le lot.

6. Les lois d'échantillonnage.

Dans la majorité des cas, on se propose d'estimer la réalité
(toujours inconnue) à l'aide d'échantillon de taille plus ou
moins réduite.
Les lois d'échantillonnage permettent de construire des
intervalles de confiance ayant certaines chances de contenir
la valeur vraie.
Des tests d'hypothèses variés permettent d'effectuer des
comparaisons et des validations. De nombreux essais de
contrôle exploitent ces lois d'échantillonnage.
De nombreuses lois sont disponibles. Nous nous limiterons à
:
la loi de Student et ses applications concernant les
moyennes,
la loi du khi_deux et ses applications concernant l'écart-
type,
la loi binomiale et ses applications concernant les
proportions,
la loi de Poisson et ses applications concernant les
proportions dans le cas des faibles probabilités,
la loi de Fisher et ses applications concernant les tests
d'analyse de la variance,
Des approximations par des lois normales sont souvent
ossibles. Elles sont valables à conditions que les échantillons
soient de taille importante.
Nous ne les présentons pas ici car, dans la majorité des cas,
les essais pharmaceutiques font appel à des échatillons de
taille réduite.

7. Tableau de synthèse concernant l'échantillonnage.

Le tableau permet de mieux comprendre l'articulation des
lois de population et des lois d'échantillonnage.
téléchargement : tableau.bmp(88ko) ou tableau.jpg(147ko)

estat