Comment fonctionne l'échantillonnage aléatoire stratifié

L'échantillonnage aléatoire stratifié est une méthode d'échantillonnage qui implique la division d'une population en groupes plus petits, appelés strates. Dans l'échantillonnage aléatoire stratifié ou la stratification, les strates sont formées sur la base d'attributs ou de caractéristiques partagés des membres. L'échantillonnage aléatoire stratifié est également appelé échantillonnage aléatoire proportionnel ou échantillonnage aléatoire.

En revanche, l'échantillonnage aléatoire simple est un échantillon d'individus existant dans une population; les individus sont choisis au hasard dans la population et placés dans un échantillon. Cette méthode de sélection aléatoire d'individus cherche à sélectionner une taille d'échantillon qui soit une représentation non biaisée de la population. Cependant, il n’est pas avantageux que les échantillons de la population varient considérablement.

Points clés à retenir

• L'échantillonnage aléatoire stratifié est une méthode d'échantillonnage qui consiste à prélever des échantillons d'une population subdivisée en petits groupes appelés strates.
• L'échantillonnage aléatoire stratifié consiste à prélever des échantillons aléatoires dans des groupes stratifiés, proportionnellement à la population; de cette manière, l’échantillonnage aléatoire stratifié est une mesure plus précise.

Comprendre l'échantillonnage aléatoire stratifié

L'échantillonnage aléatoire stratifié divise une population en sous-groupes ou strates, et des échantillons aléatoires sont prélevés, proportionnellement à la population, dans chacune des strates créées. Les membres de chacune des strates formées ont des attributs et des caractéristiques similaires. Cette méthode d'échantillonnage est largement utilisée et très utile lorsque la population cible est hétérogène. Un échantillon aléatoire simple doit être prélevé dans chaque strate. L'échantillonnage aléatoire stratifié peut être utilisé, par exemple, pour échantillonner les moyennes pondérées des étudiants à travers le pays, les personnes qui passent des heures supplémentaires au travail et l'espérance de vie dans le monde.

Exemple d'échantillonnage aléatoire stratifié

Supposons qu'une équipe de recherche veuille déterminer la MPC des étudiants à travers les États-Unis. Elle a des difficultés à collecter des données auprès des 21 millions d'étudiants. il décide de prendre un échantillon aléatoire de la population en utilisant 4 000 étudiants.

Supposons maintenant que l'équipe examine les différents attributs des participants à l'échantillon et se demande s'il existe des différences entre les MPC et les majeures des étudiants. Supposons que 560 étudiants soient inscrits en anglais, 1 135 en sciences, 800 en informatique, 1 090 en ingénierie et 415 en mathématiques. L'équipe souhaite utiliser un échantillon aléatoire stratifié proportionnel où la strate de l'échantillon est proportionnelle à l'échantillon aléatoire de la population.

Supposons que l’équipe étudie les données démographiques des étudiants universitaires aux États-Unis et trouve le pourcentage de ce que les étudiants étudient en 12% en anglais, 28% en sciences, 24% en informatique, 21% en ingénierie et 15% en majeure en mathématiques. Ainsi, cinq strates sont créées à partir du processus d'échantillonnage aléatoire stratifié.

L'équipe doit ensuite confirmer que la strate de la population est proportionnelle à la strate de l'échantillon; Cependant, ils trouvent que les proportions ne sont pas égales. L’équipe doit ensuite rééchantillonner 4 000 étudiants de la population et sélectionner au hasard 480 étudiants en anglais, 1 120 en sciences, 960 en informatique, 840 en génie et 600 étudiants en mathématiques. Avec ceux-ci, il a un échantillon aléatoire stratifié proportionnel d'étudiants, ce qui offre une meilleure représentation des étudiants de premier cycle aux États-Unis. Les chercheurs peuvent ensuite mettre en évidence une strate spécifique, observer les différentes études des étudiants américains et observer les différentes moyennes. .

Applications

La même méthode que celle utilisée ci-dessus peut être appliquée au vote lors d'élections, aux revenus de populations variées et aux revenus de différents emplois dans une nation.