Comment fonctionne l’échantillonnage aléatoire stratifié
L’échantillonnage aléatoire stratifié est une méthode d’échantillonnage qui consiste à diviser une population en petits groupes appelés strates. Les groupes ou strates sont organisés en fonction des caractéristiques ou attributs partagés des membres du groupe. Le processus de classification de la population en groupes s’appelle la stratification.
L’échantillonnage aléatoire stratifié est également appelé échantillonnage aléatoire par quota et échantillonnage aléatoire proportionnel. L’échantillonnage aléatoire stratifié a de nombreuses applications et avantages, tels que l’étude de la démographie de la population et de l’espérance de vie.
Points clés à retenir
- L’échantillonnage aléatoire stratifié est une méthode d’échantillonnage qui consiste à prélever des échantillons d’une population subdivisée en groupes plus petits appelés strates.
- Ces strates sont basées sur des caractéristiques communes telles que les traits démographiques.
- L’échantillonnage aléatoire stratifié proportionnel consiste à prélever des échantillons aléatoires dans des groupes stratifiés, proportionnellement à la population.
- Ce type d’échantillonnage aléatoire stratifié est souvent une mesure plus précise puisqu’il s’agit d’une meilleure représentation de la population globale.
- L’échantillonnage stratifié est plus compliqué, prend du temps et peut-être plus cher à réaliser que l’échantillonnage aléatoire simplifié.
Comprendre l’échantillonnage aléatoire stratifié
L’échantillonnage aléatoire stratifié divise une population en sous-groupes. Des échantillons aléatoires sont prélevés dans la même proportion par rapport à la population de chacun des groupes ou strates. Les membres de chaque strate (au singulier pour les strates) formées ont des attributs et des caractéristiques similaires.
L’échantillonnage aléatoire stratifié est une méthode d’échantillonnage, c’est-à-dire lorsqu’un chercheur sélectionne un petit groupe comme taille d’échantillon pour l’étude. Ce sous-ensemble représente la population la plus large. L’organisation d’une population en groupes ayant des caractéristiques similaires aide les chercheurs à gagner du temps et de l’argent lorsque la population étudiée est trop importante pour être analysée individuellement. L’échantillonnage aléatoire stratifié aide en permettant aux chercheurs d’organiser les groupes en fonction de caractéristiques similaires, un échantillon aléatoire étant ensuite prélevé dans chaque strate ou groupe.
L’échantillonnage aléatoire stratifié peut être utilisé, par exemple, pour étudier le scrutin des élections, les personnes qui font des heures supplémentaires, l’espérance de vie, le revenu de différentes populations et le revenu de différents emplois dans un pays.
Afin de constituer un échantillon stratifié, identifiez d’abord les sous-groupes qui seront les strates, puis échantillonnez au hasard des individus parmi ces groupes. Pour un échantillonnage proportionné, il est important de connaître d’abord le ratio de votre échantillon afin qu’il soit représentatif de la population totale
Types d’échantillonnage aléatoire stratifié
Échantillonnage stratifié proportionné
Dans l’échantillonnage stratifié proportionnel, les chercheurs essaient d’échantillonner des strates proportionnelles à leur apparence dans la population globale. Par exemple, si l’on échantillonne par l’État dans lequel vivent les répondants, les strates de New York, de Californie et du Texas auraient plus de membres que le Dakota du Nord ou le Rhode Island. Ceci est fait pour mieux généraliser les résultats afin de représenter la population étudiée.
Échantillonnage stratifié disproportionné
Dans un échantillonnage disproportionné, les strates ne sont pas proportionnelles à l’occurrence de la population. Cela se fait si le chercheur ou l’analyste veut des strates d’un nombre égal de répondants, ou s’ils souhaitent suréchantillonner une démographie ou une variable particulière.
Échantillonnage aléatoire stratifié ou simplifié
Un échantillon aléatoire simple est un échantillon d’individus qui existent dans une population dans lequel les individus sont sélectionnés au hasard dans la population et placés dans l’échantillon. Cette méthode de sélection aléatoire des individus vise à sélectionner une taille d’échantillon qui est une représentation impartiale de la population. Cependant, un échantillon aléatoire simple n’est pas avantageux lorsque les échantillons de la population varient considérablement.
À l’inverse, l’échantillonnage aléatoire stratifié décompose la population en sous-groupes et les organise selon des traits, des caractéristiques et des comportements similaires. Par conséquent, l’échantillonnage aléatoire stratifié est plus avantageux lorsque la population est très variable puisqu’il permet de mieux organiser les échantillons à étudier.
Cependant, un échantillon aléatoire simple est plus avantageux lorsque la population ne peut pas être organisée en sous-groupes car il y a trop de différences au sein de la population. De plus, les échantillons aléatoires simples sont préférables lorsqu’il y a peu ou pas d’informations sur la population, ce qui empêche la population d’être divisée en sous-ensembles en fonction de caractéristiques ou de traits.
L’échantillonnage aléatoire stratifié est approprié lorsqu’il existe des subdivisions au sein d’une population qui doivent être prises en compte dans l’analyse. Parce que cela prend plus de temps et peut nécessiter des échantillons globaux plus grands, des échantillons aléatoires simples peuvent être appropriés lorsque ces subdivisions n’ont pas beaucoup d’importance.
Exemple d’échantillonnage aléatoire stratifié
Une équipe de recherche a décidé de mener une étude pour analyser les moyennes pondérées cumulatives ou GPA des 21 millions d’étudiants américains. Les chercheurs décident d’obtenir un échantillon aléatoire de 4 000 étudiants au sein d’une population de 21 millions. L’équipe souhaite passer en revue les différentes majeures et les GPA ultérieurs des étudiants ou des participants de l’échantillon.
Sur les 4 000 participants, la répartition des majeures est la suivante :
- Anglais : 560
- Sciences : 1 135
- Informatique : 800
- Ingénierie : 1 090
- Mathématiques : 415
Les chercheurs ont leurs cinq strates du processus d’échantillonnage aléatoire stratifié. Ensuite, les chercheurs étudient les données de la population pour déterminer le pourcentage des 21 millions d’étudiants qui se spécialisent dans les matières de leur échantillon. Les résultats montrent ce qui suit :
- 12% majeur en anglais
- 28 % majeure en sciences
- 24% majeur en informatique
- 21 % majeure en ingénierie
- 15% majeur en mathématiques
L’équipe décide d’employer un échantillon aléatoire stratifié proportionnel par lequel ils veulent déterminer si les majors des étudiants de l’échantillon représentent la même proportion que la population.
Cependant, les proportions dans l’échantillon ne sont pas égales aux pourcentages dans la population. Par exemple, 12 % de la population étudiante sont des majors en anglais, tandis que 14 % des étudiants de l’échantillon sont des majors en anglais (ou 560 majors en anglais / 4 000).
En conséquence, les chercheurs décident de rééchantillonner les étudiants pour correspondre au pourcentage de majors dans la population. Sur les 4 000 étudiants de leur échantillon, ils décident de sélectionner au hasard :
- 480 majors en anglais (12% de 4 000)
- 1 120 majeures en sciences (28 % de 4 000)
- 960 majeures en informatique (24 % de 4 000)
- 840 majors en ingénierie (21% de 4 000)
- 600 majeures en mathématiques (15 % de 4 000)
Les chercheurs disposent désormais d’un échantillon aléatoire stratifié proportionné d’étudiants et de leurs majeures respectives, ce qui reflète plus précisément les majeures de la population étudiante globale. À partir de là, les chercheurs peuvent analyser les GPA de chaque strate ainsi que leurs caractéristiques pour avoir une meilleure idée de la performance de la population étudiante globale.
Quelle méthode d’échantillonnage est la meilleure ?
La meilleure méthode d’échantillonnage à utiliser dépendra de la nature de l’analyse et des données utilisées. En général, l’échantillonnage aléatoire simple est souvent le plus simple et le moins cher, mais l’échantillonnage stratifié peut produire un échantillon plus précis par rapport à la population étudiée.
À quoi sert l’échantillonnage aléatoire stratifié ?
L’échantillonnage aléatoire stratifié permet d’analyser des phénomènes apparaissant dans différents sous-groupes ou strates. Il produit également un échantillon qui représente plus précisément la population étudiée.
Comment les strates sont-elles choisies pour l’échantillonnage ?
Les strates dépendront des sous-groupes qui vous intéressent et qui apparaissent dans votre population. Ces sous-groupes sont basés sur des différences partagées entre les caractéristiques des participants telles que le sexe, la race, le niveau d’instruction, l’emplacement géographique ou le groupe d’âge.