Thème 6 : l'échantillonnage et l'enquête

 Le processus d'échantillonnage
 Les méthodes non probabilistes
 Les méthodes probabilistes
 Définitions

 Elément d'une population : sujet que l'on mesure.

 Population : ensemble de tous les éléments au sujet duquel ont
souhaite faire des inférences.
 Echantillonnage = sélection des éléments d'une population afin de
pouvoir tirer des conclusions généralisables à l'ensemble de la
population.
 Recensement = recueil d'information sur tous les éléments d'une
population.
 Cadre d'échantillonnage = la liste des éléments de laquelle est tiré
l'échantillon
 Unités d'échantillonnage = les éléments de la population qui formeront
l'échantillon
Le processus d'échantillonnage

Définir la population

Sélectionner le cadre d'échantillonnage

Définir les unités d'échantillonnage

Choisir une méthode d'échantillonnage

Déterminer la taille de l'échantillon

Sélectionner l'échantillon
 Qu'est-ce qu'un bon échantillon?

 Un échantillon doit être valide c'est-à-dire le plus

représentatif possible de la population.
– Exactitude : à quel point les biais sont absents de l'échantillon. Dans
un bon échantillon, il n'y a pas de variance systématique c'est-à-dire
de variation dans les mesures due à des influences connues ou
inconnues qui entraînent systématiquement des mesures plus élevées
ou plus faibles qu'elles ne le devraient. Ex : Ne sélectionner que des
utilisateurs experts pour étudier la population d'utilisateurs d'un
logiciel.
– Précision des estimés : aucun échantillon ne reproduit parfaitement
toutes les caractéristiques de la population à cause des fluctuations
aléatoires. La taille de l'échantillon est un moyen d'augmenter la
précision.
 Définition de la population
 Etape cruciale ! Parfois simple, souvent difficile.
– Ex.1: L'étude vise l'impact de l'utilisation d'Internet sur l'équilibre
psychologique des adolescent.
 Comment définit-on un utilisateur d'Internet?
 Est-ce la personne qui l'utilise fréquemment?
 Que veux dire fréquemment?
 Comment définit-on adolescent dans ce contexte?
– Ex. 2: L'étude vise l'utilisation d'Internet par les étudiants de
l'université de Sherbrooke
 Est-on intéresser aux non-utilisateurs?
 Qu'entend-on précisément par étudiant ? (temps plein-temps partiel,
tous les campus-toutes les Facultés, formation à distance)
 Sélection du cadre d'échantillonnage

 Il faut pouvoir identifier les membres de la population

pour pouvoir les interroger. Idéalement le cadre
d'échantillonnage devrait lister tous les éléments de la population.
Mais en réalité, ils sont souvent incomplets, confidentiels, ils
comprennent des duplications ou des éléments qui ne font pas partie
de la population, etc..).

 Certaines méthodes d'échantillonnage ne nécessitent pas

un cadre d'échantillonnage.
 Définir les unités d'échantillonnage

 Souvent simple, parfois moins! L'enquête téléphonique

porte sur la gestion des T.I. dans les entreprises
manufacturières québécoises. Qui interroger?
– La personne qui répond, le/la responsable des S.I., son adjoint,
le/la PDG, responsable SI et PDG?
 L'unité d'échantillonnage n'est pas nécessairement un
élément de la population.
 Choisir une méthode

 Le choix influence l'exactitude et la précision

 Les types de méthodes :
– échantillonnage probabiliste : chaque élément de la population a
une chance non nulle et connue d'être sélectionné.
– échantillonnage non probabiliste
– échantillonnage non restreint : la population est vue comme un
ensemble (pool) unique
– échantillonnage restreint : des contrôles additionnels sont
introduits.
 Les principales méthodes

 Probabilistes  Non probabilistes

– aléatoire simple (nr)
– aléatoire stratifié
– en grappes
– en phases successives
– de convenance (nr)
– selon le jugement
– par quota
– en boule de neige
– volontaire
 Déterminer la taille de l'échantillon

 Question importante par ce que :

– conséquence sur le coût de la recherche
– sur la précision et la crédibilité des résultats (erreur de typeII)
 Attention : la contribution marginale d'une observation
additionnelle décroît rapidement.
 La taille requise est fonction :
– de la variation dans les paramètres de la population étudiée
– degré de précision requis par le chercheur (marge d'erreur)
 Il n'est généralement pas efficient d'agrandir le plus
possible l'échantillon (voir plus loin)
 Sélectionner l'échantillon

 Problèmes souvent rencontrés :

– Difficulté de rejoindre les unités d'échantillonnage :
 augmenter la proportion des unités d'échantillonnage jointes

(rappels, changer les heures de visite, prendre R.V.)

 définir les efforts que l'on mettra à augmenter cette proportion

(p.e.x. 3 rappels)
 remplacer les unités d'échantillonnage qu'on n'a pas pu joindre

– Refus de collaborer :
 mesures d'incitation (enquête postale) :questionnaire assez

simple, pas trop long, format agréable, enveloppe de retour

affranchie, pré-notification ou post-notification.
 Les méthodes non probabilistes

 Quand ? Il est difficile ou même impossible de procéder de

façon aléatoire (p.ex. les listes d'étudiants sont confidentielles)
 Echantillonnage de convenance : les unités sont
sélectionnées par ce qu'elles sont disponibles, faciles à
joindre et à convaincre. Ex: rejoindre les étudiants présents dans
les locaux de leur Faculté ou à la cafétéria. Un professeur utilise ses
classes d'étudiants.
 Echantillonnage selon le jugement : sélection des unités
selon certains critères pré-établis. Ex. les membres d'un club
micro-informatique. Jugement : ils sont représentatifs des utilisateurs
experts
 Les méthodes non probabilistes (suite)

 Echantillonnage par quota :

 on cherche à s'assurer que certains éléments de la
population seront inclus dans l'échantillon. Cherche à
améliorer la représentativité. Supposons une population
étudiante composée de 60% d'étudiants de premier cycle, 30%
d'étudiants de deuxième cycle et 10% d'étudiants de troisième cycle.
L'échantillonnage par quota va tenter de respecter ces proportions.
Lorsqu'un quota est atteint (p.ex. celui des étudiants de deuxième
cycle, je ne considère plus que les étudiants des deux autres cycles).
 On peut utiliser des quotas sur plusieurs dimensions : p.ex.
appartenance à une Faculté et à un cycle d'étude.
 Les méthodes non probabilistes (suite)

 Echantillonnage en boule de neige :

 Les unités possèdent des caractéristiques non apparentes et
ne peuvent-être identifier que par des réseaux de référence.
 On sélectionne quelques unités qui ont la caractéristique
souhaitée et on demande à celles-ci de nous en référer
d'autres et ainsi de suite.P.ex. Quelqu'un découvre un tout nouvel
algorithme de programmation.Il connaît seulement deux personnes en
mesure d'en évaluer le potentiel commercial. Intéressant pour des
sujets de recherche très peu documentés.
 Echantillonnage volontaire : les unités s'auto-
sélectionnent. P. ex. sondage à la TV, dans les journaux.
 Les méthodes probabilistes

 Rappel : chaque élément de la population a une probabilité

non nulle et connue d'être sélectionné.
 Objectif de l'échantillonnage : on cherche à estimer les
paramètres d'une population ( p.ex. moyenne, proportion.)
à partir des informations obtenues (statistiques) de
l'échantillon.
 Echantillonnage aléatoire simple : on sélectionne au hasard
n éléments à partir de liste des éléments (le cadre) d'une
population de taille N. On numérote la liste et on utilise un
générateur de nombres aléatoires
 Echantillonnage : rappel des principes

 Principes généraux de l'échantillonnage

– Il existe assez de similarités entre les les éléments de la population
de sorte que quelques éléments pris au hasard peuvent représenter
adéquatement les caractéristiques de la population.
– Alors que certains éléments de la population entraînent une sous-
estimation d'autres entraînent une surestimation.

Il doit y avoir assez d'éléments dans l'échantillon
 L'échantillon doit être tiré de façon à ne pas favoriser les sous-
estimations et les surestimations
 Echantillonnage aléatoire simple : concepts

 La distribution d'échantillonnage de la moyenne. La

moyenne d'un échantillon (M) est une estimation de la
moyenne de la population (Mu). La distribution des
moyennes d'échantillons répétés est normale et centrée
autour de la moyenne de la population.
 Pour une population de taille infinie, l'écart-type de la
distribution de toutes les moyennes d'échantillons
possibles (Sx) (erreur standard de la moyenne) est relié à la
moyenne de la population et à la taille de l'échantillonpar
la formule : Sx = S / SQRT(n) où S = écart-type de la
population
 Echantillonnage aléatoire simple :estimation
de la moyenne d'une population
 Construction d'un intervalle de confiance : au seuil de
confiance de 95%, la moyenne de la population se trouve
dans l'intervalle (M-1,96Sx <= MU <= M+1,96Sx). La
marge d'erreur à 0,95 est donc 1,96Sx.
 Généralement on ne connaît pas l'écart type de la
population. On l'estime au moyen de l'écart-type (s) de
l'échantillon.
 marge d'erreur à 0,95 ME = 1,96 s / sqrt(n) ; et pour une
marge d'erreur donnée n = (1,96 s/ME)**2
 Echantillonnage aléatoire simple :estimation
d'une proportion d'une population
 Dans le cas d'une proportion, la marge d'erreur à 0,95 est
égale à 1,96 sqrt(p(1-p)/(n-1)).

 Proportion observée = 0,30

 ME d'erreur acceptée à 0,95 = 0,1
 Calculer n
 Echantillonnage aléatoire stratifié

 Un échantillon aléatoire stratifié est obtenu en divisant les

éléments d'une population en groupes distincts (strates), et
en sélectionnant dans chaque groupe un échantillon
aléatoire simple :
– 1. Définir une variable de spécification pour placer chaque
élément dans une strate et une seule.
– 2. Tirer un échantillon aléatoire de chaque strate.
 Echantillonnage aléatoire stratifié (suite)

 Echantillonnage proportionnel stratifié : la taille de

l'échantillon dans chaque strate dépend de la taille des
strates. Pas intéressant si si les moyennes et variances des
strates sont similaires pour les principales variables de
l'étude.
 Echantillon non proportionnel stratifié. Les strates peuvent
avoir des variances très inégales. Dans ce cas on pourrait
vouloir tirer des échantillons plus grands dans les strates à
variance plus élevées. P.ex. l'utilisation de l'Internet chez
les étudiants de doctorats
 L'échantillonnage en grappes

 Procédure :
– On divise la population en sous-ensembles (grappes) de
façon à couvrir tous les éléments et à ce que chaque
élément ne participe qu'à une grappe.
– On sélectionne un échantillon aléatoire simple de
grappes.
– Tous les éléments qui composent les grappes choisies
constituent l'échantillon final.
 Cas particuliers : échantillonnage systématique ou
aérolaire