 
Clément Dussarps
Clément Dussarps 2
 Expliquer des comportements (humains notamment)
 Identifier des liens entre publics et comportements :
comprendre un pu...
 Votre mémoire !
 Observer des différences de comportements vis-à-vis de
marques (qui achète quoi, quand, combien…)
 An...
A la fin de la séance, vous devez être capable de…
 Choisir, pour une enquête à réaliser, entre un
échantillonnage probab...
Clément Dussarps 6
Date Etapes
26 septembre
Cours : bases de l’échantillonnage, construction questionnaire,
présentation d...
Clément Dussarps 7
3 notes
 Note globale sur les exercices rendus coeff. 1
 1 note présentation orale coeff. 1
 1 note ...
 
Clément Dussarps
Population de référence (ou mère) :
Clément Dussarps 9
Penser à bien la définir :
- « Etudiants en IUT
Publicité 2ème anné...
10
 Un sac de billes (nombreuses !)
 Homogénéité (répartition ?)
 Un sac de 10000 billes ?
Tirer 100 billes
Taux de son...
11
 Ce que l’on veut :
o Précision acceptable
o Représentativité
 Limites = budget, temps
 Pour doubler la précision
= ...
Clément Dussarps 12
 Recensement : faire l’appel dans une classe de 20
étudiants
 Sondage = 1000 personnes sur 65 millio...
Population de référence (ou mère) :
Clément Dussarps 13
Echantillon (généralité) = une partie de la population
Clément Dussarps 14
L’échantillon est analysé.
A terme, il n’a de v...
Echantillonnage aléatoire
Clément Dussarps 15
La population de référence
est connue et listée
On choisit x personnes sur
l...
Echantillonnage stratifié
Clément Dussarps 17
La population de référence
est connue et listée
On « stratifie » les groupes...
Echantillonnage en grappes (d’individus)
Clément Dussarps 18
La population de référence
est connue et listée
Ici, les grap...
Echantillonnage : quotas
Clément Dussarps 20
On a certains éléments de
la population de référence.
Ex : 500 femmes, 500
ho...
Echantillonnage : de jugement
Clément Dussarps 21
Sélection de personnes (ou
types de personnes) jugées
pertinentes pour l...
Echantillonnage : de convenance, volontaire
Clément Dussarps 22
On connaît mal la
population de référence.
Envoi d’e-mails...
Non probabiliste
 Quotas
 Jugement
 Convenance
o Choix raisonné (déductif)
pour les quotas/panels
o Population un peu
c...
 Quelle méthode choisir ?
o Probabiliste :
• la population est parfaitement connue (liste des différents individus).
Pour...
 Quelle méthode choisir parmi les non probabilistes :
o Méthode des quotas
• Quand on n’a pas de base précise listant les...
 Combien de personnes questionner ?
o Tout dépend du budget, du temps, de la qualité souhaitée
(précision)…
o Pour être p...
 Calculer la taille d’un échantillon
Clément Dussarps 27
DES
MATHEMATIQUES !!!
Des défibrillateurs sont disponibles
pour ...
 Calculer la taille d’un échantillon (quotas)
t = niveau de confiance à 95% = 1,96
m = marge d’erreur à 5% = 0,05
p = pro...
 Il existe aussi des calculs pour estimer l’intervalle de
confiance…
 Pour en savoir plus : Google est votre ami
Clément...
 Enquête biaisée : échantillon non représentatif, à cause
d’une erreur volontaire ou non sur l’échantillonnage.
 Exemple...
 
Clément Dussarps
Clément Dussarps 32
 Individu = « unité statistique élémentaire » (Martin, 2005)
o Humains
o Foyers (et parfois : foyers ...
Clément Dussarps 34
 Fermées à choix unique
 Fermées à choix multiples
Clément Dussarps 35
 Fermées à choix multiples ordonnées
 Fermées échelle :
 Types d’échelles :
o « Très satisfait », « plutôt satisfait », « plutôt pas satisfait »,
« insatisfait »
o Numérique : 0...
Clément Dussarps 37
 Ouverte numérique :
 Ouverte texte (alphanumérique) :
 
Clément Dussarps
 Définir l’objectif global de l’enquête
 Définir la population de référence
 Définir un échantillon :
o Type d’individu...
 Pourquoi ? Objectifs de l’enquête
 Qui ? Public
 Quoi ? Quelle forme a l’étude (sondage,
recensement…), quelles questi...
 Exemple : les fumeurs dans une promo de Pub 2A à
l’IUT de Bordeaux 3…
 Penser à être précis selon les objectifs fixés =...
 S’adapter à son public (quel vocabulaire ?, etc.)
 Savoir quelles données seront essentielles avant de
lancer l’enquête...
 Une question ne concerne qu’un seul élément (pas de double
question)
 Eviter la négation dans une question
 Etre préci...
 Faire attention avec les représentations, il n’est pas
toujours aisé de se projeter. Ex : « pensez-vous aller au
superma...
 
Clément Dussarps
 Présentation du sujet traité cette année
« Soirées festives étudiantes et risques »
 Objectifs ?
 Hypothèses ?
 Quest...
 Prise en main Sphinx, faire 5 questions et saisir 5
réponses
 Questions :
o 1 fermée à choix unique (ex : genre = homme...
 http://www.clementdussarps.fr/C1/
 Finir les exercices pour samedi 29/09/12 à 12h00 (envoyer à
clement.dussarps@u-borde...
 De bonnes bases sans
mathématiques :
49
 De bons savoir-faire,
regard intéressant sur les
stats :
 Olivier Martin, « L’enquête et ses méthodes ; l’analyse de données quantitatives », 2005, Armand
Colin.
 Bernard Py, « ...
 
Clément Dussarps
Prochain SlideShare
Chargement dans…5
×

Introduction aux statistiques descriptives et tests d'hypothèses

672 vues

Publié le

Cours d'ntroduction aux statistiques descriptives et tests d'hypothèses enseigné auprès de DUT 2e année en Publicité de Bordeaux. Date de 2012.

Publié dans : Formation
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
672
Sur SlideShare
0
Issues des intégrations
0
Intégrations
7
Actions
Partages
0
Téléchargements
41
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Introduction aux statistiques descriptives et tests d'hypothèses

  1. 1.   Clément Dussarps
  2. 2. Clément Dussarps 2
  3. 3.  Expliquer des comportements (humains notamment)  Identifier des liens entre publics et comportements : comprendre un public  Faire des groupes (typologies)  Comparer des publics  Comparer des comportements à des instants différents  Valider ou non des hypothèses  … => Des outils pour observer, analyser, expliquer, comprendre Clément Dussarps 3 ?
  4. 4.  Votre mémoire !  Observer des différences de comportements vis-à-vis de marques (qui achète quoi, quand, combien…)  Analyser l’impact d’une campagne publicitaire (existe-t-il des différences significatives par rapport à avant la campagne ?)  Déterminer des profils pour mieux cibler une campagne de communication (qui va acheter quoi, etc.)  Suivre son public, le connaître  … Clément Dussarps 4
  5. 5. A la fin de la séance, vous devez être capable de…  Choisir, pour une enquête à réaliser, entre un échantillonnage probabiliste et non probabiliste  Déterminer les objectifs d’une enquête  Concevoir un questionnaire  Formuler des hypothèses  Construire un questionnaire sur Sphinx  Saisir des réponses sur Sphinx Clément Dussarps 5
  6. 6. Clément Dussarps 6 Date Etapes 26 septembre Cours : bases de l’échantillonnage, construction questionnaire, présentation du sujet ministériel, proposer ensemble des objectifs Sphinx : faire 5 questions & saisie de réponses (5 individus) Intersession (1 semaine) Relire cours, finir exercices Faire groupes, proposer des objectifs & hypothèses 03 octobre Cours : bases du traitement des données, validation d’hypothèses (khi-2), analyse multivariée (AFC) Sphinx : traitements de données Intersession (2 semaines) Relire cours, finir exercices Proposer questionnaire 17 octobre Se mettre d’accord sur un questionnaire Tester questionnaire entre nous Intersession (4 semaines) Administration du questionnaire (10 rép. / personnes) 14 novembre Accompagnement pour traitement, dossiers, etc. Intersession (3 semaines) Dossiers à faire (rapport d’enquête par rapport à une question précise) 05 décembre Présentation orale des dossiers + bilan
  7. 7. Clément Dussarps 7 3 notes  Note globale sur les exercices rendus coeff. 1  1 note présentation orale coeff. 1  1 note dossier écrit coeff. 2
  8. 8.   Clément Dussarps
  9. 9. Population de référence (ou mère) : Clément Dussarps 9 Penser à bien la définir : - « Etudiants en IUT Publicité 2ème année à Bordeaux » - « Bûcherons Québecois de moins de 35 ans » - « Femmes de 35 à 50 ans, qui ont au moins 1 enfant, et regardent TF1 au moins 1 fois par semaine» - « Français en âge de voter (> 18 ans) » ?
  10. 10. 10  Un sac de billes (nombreuses !)  Homogénéité (répartition ?)  Un sac de 10000 billes ? Tirer 100 billes Taux de sondage = 1%  Un sac de 1000 billes ? Tirer 100 billes aussi ! 10 seraient insuffisantes Taux de sondage = 10% Clément Dussarps ?
  11. 11. 11  Ce que l’on veut : o Précision acceptable o Représentativité  Limites = budget, temps  Pour doubler la précision = échantillon x4 Clément Dussarps
  12. 12. Clément Dussarps 12  Recensement : faire l’appel dans une classe de 20 étudiants  Sondage = 1000 personnes sur 65 millions de personnes  Recensement = 65 millions de personnes ou x foyers  Différence d’objectifs  Différence de coût  Rapport coût/résultat
  13. 13. Population de référence (ou mère) : Clément Dussarps 13
  14. 14. Echantillon (généralité) = une partie de la population Clément Dussarps 14 L’échantillon est analysé. A terme, il n’a de valeur que pour en tirer des conclusions sur la population totale.
  15. 15. Echantillonnage aléatoire Clément Dussarps 15 La population de référence est connue et listée On choisit x personnes sur la population, sans aucune pondération (tirage aléatoire, chacun a autant de chance qu’un autre d’être sélectionné) Représentatif de la population (a priori), si elle est homogène.
  16. 16. Echantillonnage stratifié Clément Dussarps 17 La population de référence est connue et listée On « stratifie » les groupes, on les répartis en sous- groupes, par ex par rapport : - au genre - à l’âge - à la CSP Les sous-groupes ne sont pas toujours de tailles équivalentes.
  17. 17. Echantillonnage en grappes (d’individus) Clément Dussarps 18 La population de référence est connue et listée Ici, les grappes sont « parfaites » (homogènes, même taille) Ex : choisir 10 immeubles et frapper à toutes les portes. Les grappes sont-elles homogènes ? Les individus d'une même grappe vérifient au moins une même caractéristique (âge, CSP…).
  18. 18. Echantillonnage : quotas Clément Dussarps 20 On a certains éléments de la population de référence. Ex : 500 femmes, 500 hommes, 250 individus < 25 ans, etc. On respecte les proportions de la population selon certains choix (ex : respect du genre, de l’âge, de la CSP…). Ex : en utilisant une base INSEE Il faut bien préparer les groupes et classes de population (ex pour l’âge).
  19. 19. Echantillonnage : de jugement Clément Dussarps 21 Sélection de personnes (ou types de personnes) jugées pertinentes pour l’étude.
  20. 20. Echantillonnage : de convenance, volontaire Clément Dussarps 22 On connaît mal la population de référence. Envoi d’e-mails à toute une population, abonnés d’un journal, sondage dans la rue sans méthode, etc. Risque : tomber sur des très contents ou très mécontents (les « énervés » et les « youpiya ») => Qui sont les non répondants ?
  21. 21. Non probabiliste  Quotas  Jugement  Convenance o Choix raisonné (déductif) pour les quotas/panels o Population un peu connue, mais sans liste complète Clément Dussarps 23 Probabiliste  Aléatoire  Stratifié  En grappes o Hasard o Population connue (liste)
  22. 22.  Quelle méthode choisir ? o Probabiliste : • la population est parfaitement connue (liste des différents individus). Pour l’aléatoire simple, seule la liste suffit (pas les caractéristiques) • Rarement applicable du fait de cette condition • Peut être coûteux, personnes difficiles à avoir o Non probabiliste (empirique) : • La liste exhaustive de la population n’est pas connue • On a une idée de certaines caractéristiques de la population (ex : il y a 50% de femmes, 50% d’hommes). • Peut s’avérer fiable, notamment avec la méthode des quotas Clément Dussarps 24
  23. 23.  Quelle méthode choisir parmi les non probabilistes : o Méthode des quotas • Quand on n’a pas de base précise listant les individus (mais quelques chiffres sur la population totale) • Bon rapport qualité / prix o Convenance • Quand on n’a pas le choix : ni base précise, ni moyen d’appliquer les quotas • Solution de facilité • Représentativité rarement fiable • Echantillon éventuellement redressable o Panel / cohortes • Etude longitudinale (sur le temps) auprès d’un public précis (ex : consommateurs d’un produit) Clément Dussarps 25 ?
  24. 24.  Combien de personnes questionner ? o Tout dépend du budget, du temps, de la qualité souhaitée (précision)… o Pour être précis, le nombre de personnes dans l’échantillon n’est pas nécessairement proportionnel au nombre de personnes dans la population (ex : interroger 400 personnes VS interroger 800 personnes ne veut pas dire = précision x 2) o Peut être arbitraire (ex : on interroge 1 personne sur 10 = 10%) o Il est possible de redresser l’échantillon après enquête pour le faire correspondre aux quotas fixés o Il existe aussi un calcul… Clément Dussarps 26
  25. 25.  Calculer la taille d’un échantillon Clément Dussarps 27 DES MATHEMATIQUES !!! Des défibrillateurs sont disponibles pour les arrêts cardiaques éventuels
  26. 26.  Calculer la taille d’un échantillon (quotas) t = niveau de confiance à 95% = 1,96 m = marge d’erreur à 5% = 0,05 p = proportion de la variable étudiée dans la population (ex : 20% = 0,20) // si inconnue, prendre 50% N = Clément Dussarps 28 t² x p (1-p) m²
  27. 27.  Il existe aussi des calculs pour estimer l’intervalle de confiance…  Pour en savoir plus : Google est votre ami Clément Dussarps 29
  28. 28.  Enquête biaisée : échantillon non représentatif, à cause d’une erreur volontaire ou non sur l’échantillonnage.  Exemple : faire un sondage sur les consommateurs d’un magasin, en interrogeant les personnes passant par une sortie et pas une autre, un mercredi après-midi… (échantillon de convenance, administration mal gérée !)  Exemple 2 : choisir une population de personnes abonnées à L’Humanité pour étudier les intentions de vote de la population française) Clément Dussarps 30 ?
  29. 29.   Clément Dussarps
  30. 30. Clément Dussarps 32  Individu = « unité statistique élémentaire » (Martin, 2005) o Humains o Foyers (et parfois : foyers + individus) o Communes o Etc…  Variables : éléments étudiés (ex : l’âge) = questions posées  Modalités : réponses possibles (« modalités de réponse ») Variable Donnée Année de naissance 1990 Commune de résidence Bordeaux Fréquence des soirées festives > 3 par semaine
  31. 31. Clément Dussarps 34  Fermées à choix unique  Fermées à choix multiples
  32. 32. Clément Dussarps 35  Fermées à choix multiples ordonnées  Fermées échelle :
  33. 33.  Types d’échelles : o « Très satisfait », « plutôt satisfait », « plutôt pas satisfait », « insatisfait » o Numérique : 0, 1, 2, 3… Préciser le sens de l’échelle (ex : 0 = négatif, absence… ; 3 = très bien, très présent…)  Conseil (discutable) : choisir un nombre de valeurs pair. Cela évite les « valeurs refuge » Exemple : « TS », « PS », « Ni satisfait, ni insatisfait », « PPS », « IS »  Même si cela empêche la liberté de la neutralité… Clément Dussarps 36
  34. 34. Clément Dussarps 37  Ouverte numérique :  Ouverte texte (alphanumérique) :
  35. 35.   Clément Dussarps
  36. 36.  Définir l’objectif global de l’enquête  Définir la population de référence  Définir un échantillon : o Type d’individus : personnes, foyers, communes… o Périmètre géographique : où a lieu l’enquête et jusqu’où ? o Date : quand a lieu l’enquête ? o Si stratification/quotas : quelles données doivent servir pour le tri (genre, âge, CSP…) ?  Définir les données à recueillir => Méthode projet : QQOQCP : qui, quoi, où, quand, comment, pourquoi ? Clément Dussarps 39
  37. 37.  Pourquoi ? Objectifs de l’enquête  Qui ? Public  Quoi ? Quelle forme a l’étude (sondage, recensement…), quelles questions poser  Où ? Périmètre de l’enquête  Quand ? Temporalité (judicieusement choisie)  Comment ? Forme d’administration (passation) Clément Dussarps 40
  38. 38.  Exemple : les fumeurs dans une promo de Pub 2A à l’IUT de Bordeaux 3…  Penser à être précis selon les objectifs fixés = objectifs ici ? Exemple de questions :  Etes-vous fumeur : oui ; non  Si oui, à quelle fréquence fumez-vous : …  Si oui, êtes-vous sensible aux messages sur les paquets …  + données de profil  etc. Clément Dussarps 41
  39. 39.  S’adapter à son public (quel vocabulaire ?, etc.)  Savoir quelles données seront essentielles avant de lancer l’enquête : sinon il manquera des données !  Formuler des hypothèses avant  L’ordre des questions a son importance. On préfère souvent mettre le profil à la fin = + facile à répondre, plus court…  L’ordre au niveau micro a aussi son importance : éviter d’influencer une réponse au regard d’une question posée juste avant (ex : « mangez-vous des sandwich (fréquence) ? » puis « pensez-vous manger sainement ? » (échelle))  « Règle » des trois oui : oui, oui… et oui !Clément Dussarps 42
  40. 40.  Une question ne concerne qu’un seul élément (pas de double question)  Eviter la négation dans une question  Etre précis dans les réponses et exhaustif. Si nécessaire, prévoir une réponse « Autre » à préciser en question ouverte  Etre précis c’est aussi éviter la subjectivité. Une question du type « êtes-vous en activité depuis longtemps ? » n’est pas claire : « depuis combien de temps êtes-vous en activité » = « - d’1 an, 1 an, 2 ans, 3 ans, > 3 ans »  Eviter de donner une réponse dans la question : « ce produit sain est-il bon pour vous ? »  On peut rendre les réponses obligatoires, mais attention à ne pas être trop contraignant Clément Dussarps 43
  41. 41.  Faire attention avec les représentations, il n’est pas toujours aisé de se projeter. Ex : « pensez-vous aller au supermarché entre 18h et 20h dans les 3 jours à venir ? »  Dans tous les cas : tester le questionnaire sur un petit nombre (5 – 10 personnes suffisent généralement pour détecter les grosses erreurs, il en faut parfois plus pour détecter les manques dans les questions = 30 est bien)  Ce test permet de détecter : o Erreurs sur la forme : manière dont sont posées les questions ou les réponses, manque d’une modalité de réponse, etc. o Sur le fond : manque d’informations pour conclure. Ex : profil peu ou mal analysé au regard des objectifs Clément Dussarps 44
  42. 42.   Clément Dussarps
  43. 43.  Présentation du sujet traité cette année « Soirées festives étudiantes et risques »  Objectifs ?  Hypothèses ?  Questions possibles ? Clément Dussarps 46 ?
  44. 44.  Prise en main Sphinx, faire 5 questions et saisir 5 réponses  Questions : o 1 fermée à choix unique (ex : genre = homme / femme) o 1 fermée à choix multiples, ordonnés (ex : quels sont vos styles musicaux préférés parmi : Rock, Métal, Dance, Rap, Classique…) o 1 fermée échelle (ex : fréquence d’écoute de musique) o 1 ouverte numérique (ex : âge) o 1 ouverte texte (quel est votre groupe de rock favori ?)  Choisir un ordre logique à ces questions  Rajouter une condition (ex : ne poser la question ouverte texte que si la personne a coché « rock ») Clément Dussarps 47
  45. 45.  http://www.clementdussarps.fr/C1/  Finir les exercices pour samedi 29/09/12 à 12h00 (envoyer à clement.dussarps@u-bordeaux3.fr)  Relire le cours – m’envoyer questions par e-mail (réponse la fois prochaine à tous)  Faire des groupes de 3 personnes maximum  Proposer 3 à 5 problèmes à traiter sur le sujet de l’enquête o « Soirées festives chez les étudiants et risques » o Penser à ce que vous voulez cibler : la manière dont les gens perçoivent cela, ou dont ils vivent cela, etc. o Déterminer un échantillon possible  Proposer des hypothèses de réponse aux problèmes posés Clément Dussarps 48
  46. 46.  De bonnes bases sans mathématiques : 49  De bons savoir-faire, regard intéressant sur les stats :
  47. 47.  Olivier Martin, « L’enquête et ses méthodes ; l’analyse de données quantitatives », 2005, Armand Colin.  Bernard Py, « La statistique sans formule mathématique », 2010, Pearson.  Nombreux cours ici (Jean-Marc Fontan, Québec) : http://www.omd.uqam.ca/membres/pages-perso/Jean- Marc/cours/SOC1101/ - voir les cours 3, 4, 5,  Echantillonnage : http://www.needocs.com/document/management-divers-divers-cours-d- echantillonnage,6127  http://www.astro.ulg.ac.be/cours/magain/stat/  Cours complet : http://www.dunod.com/document/9782100521371/52137_AnnexesWeb_s.pdf  Manipulation des sondages : http://www.apprendre-a-manipuler.com/medias/les-5-techniques-les- plus-utilisees-pour-manipuler-les-sondages-dopinion-auquels-vous-repondez.html Intéressant pour comprendre comment on peut « faire mentir » des chiffres Clément Dussarps 50
  48. 48.   Clément Dussarps

×