TYPES D'ÉCHANTILLONNAGE PROBABILISTE ET NON PROBABILISTE (EXEMPLES) - VOCABULAIRE DE LA CULTURE - 2024

Les types d'échantillonnage sont les différentes manières d'extraire des données d'une partie du total, un outil statistique puissant dont la fonction est de déterminer quelle partie de la population ou de l'univers il faut examiner, faire des inférences et obtenir des informations à son sujet.

L'échantillonnage est très important lorsque vous ne pouvez ou ne voulez pas analyser l'ensemble de la population. Notez que le terme «population» ne se réfère pas seulement à un grand groupe de personnes ou d'êtres vivants, mais en général à l'ensemble des éléments qui vont être étudiés dans un problème donné.

Figure 1. L'échantillonnage est important pour sélectionner un échantillon représentatif d'un univers. Source: Pixabay.

Selon le type d'échantillonnage choisi, la partie de la population considérée comme la plus représentative est sélectionnée, toujours en fonction des objectifs.

Bien sûr, lorsque seule une partie de l'univers des données est prise, il est possible de rater certains détails et d'omettre des informations, c'est pourquoi les résultats ne seront pas aussi précis qu'ils devraient l'être. C'est ce qu'on appelle l'erreur d'échantillonnage.

L'idée est de simplifier au maximum l'univers des données, en choisissant l'échantillon le plus représentatif capable de fournir le maximum d'informations, pour assurer la validité des résultats.

Types d'échantillonnage probabiliste ou aléatoire

Un échantillonnage probabiliste est basé sur la probabilité que les sujets de l'échantillon doivent être sélectionnés. De cette manière, chaque élément de la population se voit attribuer une chance connue d'être choisie, qui doit bien entendu être supérieure à 0.

Ceci est extrêmement important, car il peut arriver qu'à partir d'un univers de données, un échantillon soit sélectionné qui ne soit pas suffisamment représentatif de l'ensemble.

Si tel est le cas, les résultats seront biaisés, car certaines parties de la population seront plus favorisées par rapport à d'autres. Pour éviter les biais, dont il existe plusieurs catégories, une option consiste à laisser le hasard sélectionner l'échantillon et ainsi donner à chaque élément une probabilité non nulle d'être sélectionné.

Échantillonnage aléatoire simple

C'est un moyen simple de s'assurer que le hasard fait son travail. Par exemple, s'il s'agit de sélectionner des enfants d'une classe pour participer à un événement artistique scolaire, tous les noms des enfants sont placés sur des bulletins de vote identiques pliés, mélangés dans un chapeau, et une poignée est tirée au sort.

Tous les enfants de la classe constituent la population et la poignée de bulletins de vote qui ont été retirés du chapeau constitue l'échantillon.

Le succès de la procédure réside dans l'établissement d'une liste complète de tous les enfants, afin que personne ne soit laissé de côté. Dans un petit cours, ce n'est pas un problème; Mais lorsque vous souhaitez sélectionner un échantillon dans une population plus large, vous devez affiner la méthode.

Un échantillonnage aléatoire simple peut être effectué avec remplacement ou remplacement. Par exemple, si nous extrayons un élément de la population et le retournons après l'avoir sélectionné et examiné, l'univers de nos éléments reste toujours le même tout au long de l'étude.

Si, au contraire, l'élément choisi est étudié, plus n'est pas retourné, c'est un échantillonnage sans remise. Ceci doit être pris en compte lors du calcul de la probabilité qu'un élément soit sélectionné.

Échantillonnage aléatoire systématique

Pour réaliser cet échantillonnage, il est également nécessaire de lister N éléments et également de déterminer la taille de l'échantillon, que nous appellerons n. La liste est appelée une base de sondage.

Maintenant, l'intervalle de saut est défini, qui est désigné par la lettre k et est calculé comme ceci:

Un nombre aléatoire est choisi - au hasard - entre 1 et k, appelé ro départ aléatoire. C'est le premier individu de la liste à être sélectionné et à partir de là, les éléments suivants de la liste sont choisis.

Un exemple: supposons que vous ayez une liste de 2000 étudiants d'une université et que vous souhaitiez obtenir un échantillon de 100 étudiants pour participer à un congrès.

La première chose à faire est de trouver la valeur de k:

Une fois que nous avons divisé le nombre total d'élèves en 100 fragments de 20 élèves, l'un des fragments est pris et un nombre aléatoire est choisi entre 1 et 20, par exemple 12. Par conséquent, le douzième élève de notre liste est le démarrage aléatoire.

Le prochain élève à être sélectionné doit être 12 + 20 = 22, puis 42, puis 62 et ainsi de suite, jusqu'à ce que tous les 100 soient terminés.

Comme vous pouvez le voir, c'est une méthode rapide à appliquer et qui donne généralement de très bons résultats, sans qu'il soit nécessaire de mettre les 2000 noms dans un chapeau et d'en prendre 100, tant qu'il n'y a pas de périodicité dans la population, ce qui donne lieu à des biais..

Échantillonnage aléatoire stratifié

Figure 2. Dans l'échantillonnage aléatoire stratifié, la population est divisée en segments appelés strates. Source: Pixabay.

Dans l'échantillonnage aléatoire simple, chaque élément de la population a la même probabilité d'être sélectionné. Mais cela peut ne pas toujours être vrai, surtout lorsqu'il y a plus de complexités à considérer.

Pour réaliser un schéma d'échantillonnage aléatoire stratifié, la population doit être divisée en groupes ayant des caractéristiques similaires. Ce sont les strates. Les strates sont ensuite prélevées et des échantillons aléatoires simples sont choisis dans chacun d'eux, qui sont ensuite combinés pour former l'échantillon final.

Les strates sont déterminées avant l'échantillonnage, en étudiant les caractéristiques de l'univers de données.

Ces caractéristiques peuvent être l'état matrimonial, l'âge, le lieu de résidence, par exemple la population urbaine, suburbaine et rurale, la profession, le niveau d'éducation, le sexe et bien d'autres.

Dans tous les cas, on s'attend à ce que les caractéristiques de chaque strate soient très distinctives, c'est-à-dire que chaque strate est homogène.

Au sein de l'échantillonnage stratifié, nous distinguons deux catégories, selon que la taille de l'échantillon de chaque strate est ou non proportionnelle à sa taille.

Échantillonnage aléatoire en grappes

Les méthodes décrites ci-dessus sélectionnent directement les éléments de l'échantillon, mais dans l'échantillonnage en grappes, un groupe d'éléments est choisi dans la population et il s'agira de l'unité d'échantillonnage, appelée grappe.

Des exemples de grappes sont les départements d'une université, les entités géographiques telles que les provinces, les villes, les comtés ou les municipalités, qui ont tous la même probabilité d'être sélectionnés. En cas de choix d'une entité géographique, on parle d'échantillonnage par zones.

Une fois les clusters choisis, les éléments à analyser sont choisis à partir de là. Par conséquent, la procédure peut comporter plusieurs étapes.

Cette méthode présente quelques similitudes avec la méthode aléatoire stratifiée, sauf qu'ici quelques grappes du total sont sélectionnées, alors que dans la méthode précédente toutes les strates de la population ont été étudiées.

Types d'échantillonnage non probabiliste

L'échantillonnage probabiliste peut être très coûteux dans certaines situations, car il faut investir du temps et des ressources pour trouver des échantillons vraiment représentatifs.

Il arrive aussi souvent qu'il n'y ait pas de base de sondage complète - la liste -, il n'est donc pas possible de déterminer la probabilité de sélection d'un élément.

Pour ces cas, des types d'échantillonnage non probabiliste sont utilisés, avec lesquels des informations sont également obtenues, bien qu'il n'y ait aucune garantie de précision dans les résultats.

Lorsque ce type d'échantillonnage est appliqué, certains critères doivent encore être respectés au moment de la sélection, afin que l'échantillon soit le plus adéquat possible.

Échantillonnage de commodité

Il s'agit d'un type d'échantillonnage assez élémentaire, dans lequel les éléments de l'échantillon sont choisis en fonction de leur disponibilité, c'est-à-dire en sélectionnant les individus les plus à portée de main. Il présente l'avantage d'être une méthode à très faible coût, en raison de sa rapidité et de sa commodité.

Mais comme dit, il n'y a aucune certitude d'obtenir des informations fiables sur vos résultats. Il est parfois utilisé pour effectuer des sondages rapides et courts avant une élection, ou pour se renseigner sur les préférences des clients pour certains produits.

Par exemple, un sondeur peut se rendre à la sortie de trois des centres commerciaux les plus proches de sa maison et demander à ceux qui partent pour quel candidat ils voteraient. Ou un enseignant peut interroger ses propres élèves, car ils ont un accès immédiat à eux.

Bien qu'il semble que les résultats d'une telle procédure soient sans valeur, il arrive qu'ils puissent être un bon reflet de la population, tant qu'il y a de bonnes raisons de supposer que le biais n'est pas très important.

Cependant, ce n'est pas si simple, car les élèves d'un certain enseignant peuvent ne pas constituer un échantillon représentatif du reste du corps étudiant. Et la plupart du temps, les sondeurs dans les centres commerciaux ont tendance à interroger les personnes les plus attirantes.

Échantillonnage par quotas

Pour échantillonner par quotas, il faut avoir une bonne connaissance préalable des strates de population, afin de se faire une idée de quels sont les éléments les plus représentatifs. Mais il n'est pas régi par le critère d'aléa de l'échantillonnage stratifié.

Dans ce type d'échantillonnage, il est nécessaire de fixer des «quotas», d'où le nom de la méthode. Ces quotas consistent à rassembler un certain nombre d'éléments sous certaines conditions, par exemple 15 femmes âgées de 25 à 50 ans, qui ne fument pas et possèdent également une voiture.

Une fois le quota déterminé, les premières personnes qui remplissent les conditions établies sont choisies. Les critères de cette dernière étape peuvent être à la convenance de l'enquêteur. Ici, vous pouvez voir la différence avec la méthode d'échantillonnage stratifié, qui est aléatoire.

Cependant, c'est une méthode peu coûteuse qui est avantageuse si, comme nous l'avons dit, la population étudiée est bien connue.

Échantillonnage de boule de neige

La procédure à suivre dans ce style d'échantillonnage consiste à sélectionner quelques personnes qui en dirigent d'autres, et celles-ci à leur tour à d'autres, jusqu'à ce que l'échantillon ait la taille dont le chercheur a besoin.

C'est une procédure qui peut être utile pour caractériser certaines populations avec des traits assez spécifiques. Exemples: détenus dans une prison ou personnes atteintes de certaines maladies.

Échantillonnage discrétionnaire

Enfin ici c'est le chercheur qui décide des critères à utiliser pour choisir son échantillon, en fonction de ses connaissances. Cela peut être utile lorsqu'il est nécessaire d'ajouter certains individus à l'étude qui, en utilisant une méthode aléatoire, n'ont pas pu participer.

Références

1. Berenson, M. 1985. Statistiques de gestion et d'économie, concepts et applications. Éditorial Interamericana.
2. Statistiques. Échantillonnage. Récupéré de: encyclopediaeconomica.com.
3. Statistiques. Échantillonnage. Récupéré de: Estadistica.mat.uson.mx.
4. Explorable. Échantillonnage en grappes. Récupéré de: explorable.com.
5. Moore, D. 2005. Statistiques de base appliquées. 2ème. Édition.
6. Netquest. Échantillonnage probabiliste: échantillonnage stratifié. Récupéré de: netquest.com.
7. Wikipédia. Échantillonnage. Récupéré de: es.wikipedia.org