2. Pr. Nizar Krari
INTRODUCTION:
Le recueil d’informations relatives à la population d'étude peut être
effectué à partir :
➢ D’une base exhaustive (recensement d’une population générale),
➢ D'une fraction de la population (échantillon).
Les critères de choix entre ces deux voies sont de l’ordre de la
faisabilité, de l'accessibilité à l'information, ainsi que des contraintes
temporelles et financières.
On cherche à constituer un échantillon « satisfaisant » qui offre la
même hétérogénéité que la population.
3. Pr. Nizar Krari
POURQUOI UN ÉCHANTILLON ?
Plus Économique: temps, argent, énergie humaine
Étude exhaustive est inutile: au delà d’un certain nombre
d’observations (taille de l’échantillon), il n’y a plus de
variations de l’estimation des paramètres mesurés.
Estimation des vrais Paramètres populationnels
Plus précis: moins d’observation ➔ moins d’erreurs
4. Pr. Nizar Krari
NOTION DE REPRÉSENTATIVITÉ
Il faut que l'échantillon présente la
pluralité des caractéristiques de la
population d'étude.
Un échantillon sera dit représentatif
de la population si les résultats
obtenus à partir de l'échantillon
estiment correctement (et sans biais)
ce qui se passe dans la population.
5. Pr. Nizar Krari
NOTION DE TAILLE DE L'ÉCHANTILLON:
Plus un échantillon sera grand,
hétérogène et constitué sans
biais de sélection, plus les
informations recueillies à partir
de lui seront pertinentes.
6. Pr. Nizar Krari
AVANT DE COMMENCER L’ENQUÊTE …
Une série de questions sur le sujet d'étude devra avoir trouvé des
réponses avant de commencer l'enquête. Ces questions sont du type:
« Qui souhaitons nous interroger ? »
« Qui pouvons nous interroger ? »
« Qui interrogerons nous finalement ? »
« Comment allons nous les contacter ? »
Ce qui constituera le plan d'échantillonnage
7. Pr. Nizar Krari
DÉFINITION DES POPULATIONS:
Définir très précisément la population sur
laquelle on souhaite recueillir des
informations : la population cible.
Toutefois, cette population n’est pas toujours
joignable dans sa globalité
8. Pr. Nizar Krari
BASE DE SONDAGE
Outil permettant de caractériser la population à
contacter , identifier les individus uniques.
La liste peut aussi contenir des informations annexes
utiles pour améliorer la sélection des individus.
La base de sondage peut être :
o une liste (téléphonique, des logements d'une ville, électorale, …)
o un découpage géographique.
9. Pr. Nizar Krari
TAILLE DE L'ÉCHANTILLON (N° SUJETS)
Dépend des critères de contraintes financières et
temporelles, ainsi que des critères statistiques de
précision attendue pour les résultats.
Les formules statistiques à utiliser pour obtenir la
taille de l’échantillon dépendent de l'objectif de
l'enquête, et ne doivent être utilisées que si
l'échantillon est sélectionné de façon aléatoire.
10. Pr. Nizar Krari
TYPES DE SONDAGE:
Réfléchir à la manière dont l'échantillonnage sera
réalisé. Pour cela, il faut connaître les différentes
possibilités. 2 grandes familles de sondage :
ola famille des sondages non probabilistes (ou non aléatoires)
ola famille des sondages probabilistes (ou aléatoires)
12. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
Ce type d'échantillonnage peut ou non représenter avec
précision la population.
Il est généralement plus pratique et économique et
permet l'étude de populations lorsqu'elles ne se prêtent
pas à un échantillonnage probabiliste ou lorsque le
chercheur est incapable de localiser la population entière.
13. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
L'échantillonnage non probabiliste exige que le chercheur évalue et
sélectionne les participants qui connaissent mieux le phénomène
et qui sont capables d'articuler et d'expliquer les nuances.
Le plan d'échantillonnage non probabiliste est construit à partir
d'un jugement objectif d'un point de départ probable, et la
direction que prendra l'échantillonnage sera une décision prise par
le chercheur au fur et à mesure que l'étude progresse.
14. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
LES SONDAGES DE CONVENANCE
basés sur la sélection d’individus qui se présentent à un
endroit donné à un moment donné.
Il est dans ce cas impossible d'étudier la représentativité de
l'échantillon.
Cette méthode est utilisée uniquement dans des cas de pré-
enquêtes afin de tester par exemple un questionnaire ;
15. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
LES SONDAGES DE VOLONTAIRES
les individus se sélectionnent eux mêmes ; l'enquête est
diffusée souvent à un large public, et les personnes
intéressées font la démarche de participer ou non.
Cette méthode est très attractive du point de vue de l’éthique,
mais il est impossible d’évaluer le biais de sélection qui leur est
associé.
Utile pour l’étude de caractéristiques généralement identiques
dans la population; ex: psychologie, sexualité … ;
16. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
LES SONDAGES PAR QUOTAS
basés sur le fait que si l'échantillon est construit
pour que la distribution de certaines variables
(variables de contrôle) soient identiques à leur
distribution dans la population.
l'échantillon donnera des informations pertinentes
sur d'autres critères dont la distribution est
inconnue dans la population.
17. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
LES SONDAGES PAR QUOTAS
Ex:
une enquête doit être réalisée auprès de la population des sujets
d’une ville âgés de 18 à 60 ans, constituée de 45% de femmes et 55%
d'hommes, et 35% de personnes dont l'âge est compris entre 18 et
30 ans, 40% entre 30 et 45 ans et 25% entre 45 et 60 ans.
L'enquêteur doit interroger 200 personnes correspondant à ces
critères ; il doit donc calculer les quotas de chaque groupe (quota =
taille de l'échantillon x proportion de ce groupe dans la population).
18. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
LES SONDAGES PAR QUOTAS
Dans ce cas de figure, les quotas sont:
quota de femmes = 200 x 0,45 = 90,
quota d'hommes = 110,
quota de 18-30 ans = 70,
quota de 30-45 ans = 80,
quota de 45-60 ans = 50.
19. Pr. Nizar Krari
SONDAGES NON PROBABILISTES:
LES SONDAGES PAR QUOTAS
L'enquêteur doit donc inclure 200 personnes en tenant
compte des contraintes de quotas ci-dessus, mais il est libre,
en dehors de ces contraintes, d'interroger qui il souhaite.
Si, par exemple, M. Dupont âgé de 40 ans ne souhaite pas
participer à l'enquête, l’enquêteur interrogera à la place M.
Gaston qui a 42 ans, appartenant à la même catégorie que M.
Dupont et acceptant de répondre.
21. Pr. Nizar Krari
SONDAGES PROBABILISTES:
Dans le cas de l'échantillonnage probabiliste, l'échantillon
est plus susceptible d'être représentatif de la population
et de refléter ses variations.
Cela implique que tous les éléments de la population ont
une chance égale d'être inclus dans l'échantillon.
22. Pr. Nizar Krari
SONDAGES PROBABILISTES:
L'échantillonnage probabiliste permet également au
chercheur d'estimer l'erreur d'échantillonnage, réduit le
biais et facilite l'utilisation correcte des statistiques
inférentielles par le chercheur.
Lorsque la principale préoccupation du chercheur lors de la
sélection d'un échantillon est d'obtenir des résultats qui
peuvent être généralisés, un échantillon probabiliste serait
le meilleur choix.
23. Pr. Nizar Krari
SONDAGES PROBABILISTES:
Pour obtenir un échantillon probabiliste, Il doit y avoir
une liste disponible de tous les membres de la
population, et l'échantillon doit être sélectionné au
hasard dans la liste.
La liste est le critère le plus important pour
déterminer si l'échantillonnage probabiliste est
possible pour une étude donnée.
24. Pr. Nizar Krari
SONDAGES PROBABILISTES:
La sélection d'un élément ou
d'une unité dans une population
est dite "aléatoire" lorsque
chacun d'eux a la même chance,
probabilité ou probabilité d'être
choisi pour l'échantillon.
25. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE SIMPLE
Des échantillons aléatoires simples sont tirés à l'aide de la
technique d'échantillonnage probabiliste de base.
Les participants ou éléments sont tirés au sort de la base
de sondage.
Chacun des éléments est répertorié séparément et a donc
une chance égale d'être inclus dans l'échantillon.
26. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
EAS (CARACTÉRISTIQUES PRINCIPALES)
oil s'agit d'un processus de sélection en une
étape.
oChaque participant ou objet a une chance
égale et indépendante d'être tiré au sort.
oL'étude ou la population accessible peut être
identifiée et listée.
27. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE SIMPLE
Il existe de nombreuses techniques de sélection aléatoire.
placer les numéros ou les noms dans un bol ou un
chapeau et les choisir un par un.
utiliser une table de nombres aléatoires à l'aide d’une
sélection de nombres aléatoires générée par ordinateur.
28. • In this example, the population consists of 80
individuals, which implies that two-digit
numbers have to be selected. The arbitrary
starting point is 33.
• The researcher moves down the column and
then down the next two until they have
selected 10 numbers.
• The researcher must exclude two numbers
which are not represented in the population
numbers: 85, and 92.
73
30. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE SYSTÉMATIQUE
L'échantillonnage systématique consiste à sélectionner des éléments à
intervalles égaux, par exemple tous les cinq, huit ou vingt éléments.
Cette technique est basée sur la supposition que les cas ne sont pas
ajoutés à la liste d'une manière systématique qui coïncide avec le
système d'échantillonnage. Si une liste d'éléments ou de cas est
disponible, l'échantillonnage systématique est simple et pratique.
De plus, il est souvent utilisé dans la pratique clinique où, par exemple,
la température et la pression artérielle des patients sont mesurées
toutes les heures.
31. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE SYSTÉMATIQUE
1. Obtenir une liste de la population totale (N). Les éléments
doivent être listés au hasard. S'il est placé dans un ordre
spécifique (par exemple, par ordre alphabétique, par ordre
hiérarchique, ou hommes suivis de femmes), un biais peut se
produire car la sélection de l'échantillon ne peut pas être
vraiment représentative de la population.
2. Déterminer la taille de l'échantillon (n).
3. Déterminez l'intervalle d'échantillonnage (K) en divisant la
taille de la population par la taille de l'échantillon.
32. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE SYSTÉMATIQUE
4. Choisissez un point de départ aléatoire - le
meilleur moyen est d'utiliser une table de
nombres aléatoires.
5. Sélectionnez les autres éléments ou unités en
fonction de l'intervalle d'échantillonnage.
33. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE STRATIFIÉ
Dans l'échantillonnage aléatoire stratifié, la population est divisée
en sous-groupes ou strates selon une variable ou des variables
importantes pour l'étude, de sorte que chaque élément de la
population appartient à une et une seule strate.
Ensuite, à l'intérieur de chaque strate, un échantillonnage
aléatoire est effectué, en utilisant la technique d'échantillonnage
simple ou systématique (intervalle).
34. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE STRATIFIÉ
Diverses caractéristiques de la population peuvent nécessiter
l'utilisation d'un échantillonnage stratifié.
L'âge, le sexe, le niveau d'éducation et le revenu sont des
exemples de variables qui peuvent être utilisées comme critères
pour diviser les populations en sous-groupes. Pour les hôpitaux,
les strates peuvent inclure des critères tels que la taille, public ou
privé, ou le nombre de lits.
35. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE STRATIFIÉ
Par exemple, le chercheur a choisi la taille comme nombre de lits dans un
hôpital et cherche un échantillon de 50 % de ce groupe d'hôpitaux.
36. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE STRATIFIÉ
Le chercheur a donc sélectionné un échantillon aléatoire
stratifié proportionné. Tous les segments sont représentés
proportionnellement par rapport à la taille de la strate dans la
population.
Ceci est particulièrement important lorsque les segments clés
de la population se présentent en faibles proportions. De plus,
la représentativité exacte de l'échantillon est connue, ce qui a
une valeur statistique importante.
37. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE STRATIFIÉ
Un échantillonnage stratifié disproportionné se produit
lorsque le nombre d'éléments dans chaque strate n'est
pas proportionnel au nombre dans la population. Au
lieu de sélectionner un échantillon de 50 % de chaque
strate dans l'exemple ci-dessus, le chercheur aurait pu
sélectionner cinq hôpitaux dans chaque groupe.
38. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE ALÉATOIRE STRATIFIÉ
L'avantage de l'échantillonnage aléatoire stratifié est qu'il
permet la représentation d'un segment particulier de la
population.
Les inconvénients sont les suivants : elle nécessite une
connaissance approfondie de la population pour pouvoir la
stratifier, une liste complète de la population étudiée est
nécessaire, elle peut être coûteuse et elle peut rapidement
devenir très complexe.
39. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE EN GRAPPES
Dans les études à grande échelle où la population est
géographiquement étendue, les procédures d'échantillonnage
peuvent être difficiles et prendre du temps.
De plus, il peut être difficile, voire impossible, pour le
chercheur d'obtenir une liste complète de certaines
populations. Dans ce cas, l'échantillonnage en grappes peut
être approprié.
40. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE EN GRAPPES
L'échantillonnage en grappes se déroule par étapes.
Le chercheur commence par l'unité d'échantillonnage
la plus grande et la plus inclusive et passe à la suivante
jusqu'à ce qu'il atteigne l'étape finale - qui est la
sélection des éléments ou des participants à l'étude.
41. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE EN GRAPPES
Par exemple, un chercheur qui souhaite étudier des patients atteints
de cancer à travers le pays peut utiliser des régions en Afrique du Sud
comme l'unité la plus grande – c'est-à-dire les neuf provinces – puis
sélectionnez au hasard un échantillon parmi les provinces.
Ensuite, ils identifient les hôpitaux qui admettent et traitent les
patients atteints de cancer dans chacune des provinces composant
l'échantillon. Ils sélectionnent un échantillon d'hôpitaux,
probablement par échantillonnage stratifié. La sélection finale est un
échantillon de patients atteints de cancer provenant de l'échantillon
d'hôpitaux sélectionnés.
42. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE EN GRAPPES
Les clusters considérés dans cet exemple sont donc les
provinces, les hôpitaux et enfin les patients. La
spécification de chaque grappe constitue une étape, et
chaque étape est caractérisée par un échantillon aléatoire.
Compte tenu des étapes successives, cette technique est
souvent appelée « échantillonnage à plusieurs étapes ».
43. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE EN GRAPPES
Le principal avantage de l'échantillonnage en grappes est
qu'il est considérablement plus économique en termes de
temps et de coûts que les autres techniques
d'échantillonnage probabiliste, en particulier lorsqu'une
population est importante et géographiquement dispersée.
44. Pr. Nizar Krari
TECHNIQUES OR TYPES OF PROBABILITY SAMPLING:
ÉCHANTILLONNAGE EN GRAPPES
Il y a cependant deux inconvénients majeurs :
Plus d'erreurs d'échantillonnage ont tendance à se produire
qu'avec un échantillonnage aléatoire simple ou aléatoire stratifié,
en particulier au premier degré.
Le traitement approprié des données statistiques provenant
d'échantillons en grappes est complexe.