Échantillon
Un exemple fait référence à une version plus petite et gérable d'un groupe plus important. C'est un sous-ensemble contenant les caractéristiques d'une population plus importante. Les échantillons sont utilisés dans les tests statistiques lorsque la taille des populations est trop importante pour que le test puisse inclure tous les membres possibles ou toutes les observations. Un échantillon doit représenter la population dans son ensemble et ne pas refléter de biais pour un attribut spécifique.
Points clés à retenir
- Un échantillon fait référence à une version plus petite et gérable d'un groupe ou d'un sous-ensemble plus vaste d'une population plus large.
- L'utilisation d'échantillons permet aux chercheurs de mener leurs études facilement et rapidement.
- Afin d'obtenir un échantillon non biaisé, la sélection doit être aléatoire afin que tous les membres de la population aient une chance égale et probable d'être ajoutés au groupe échantillon.
- Dans l'échantillonnage aléatoire simple, chaque entité de la population est identique, tandis que l'échantillonnage aléatoire stratifié divise la population globale en groupes plus petits.
Comprendre les échantillons
Un échantillon est un nombre non biaisé d'observations tirées d'une population. En termes simples, une population est le nombre total d'individus, d'animaux, d'éléments, d'observations, de données, etc. d'un sujet donné. Ainsi, l’échantillon, en d’autres termes, constitue une partie, une partie ou une fraction de tout le groupe et constitue un sous-ensemble de la population. Les échantillons sont utilisés dans divers environnements de recherche. Les scientifiques, les spécialistes du marketing, les agences gouvernementales, les économistes et les groupes de recherche comptent parmi ceux qui utilisent des échantillons pour leurs études et leurs mesures.
L'utilisation de populations entières à des fins de recherche s'accompagne de difficultés, ce qui explique l'utilisation d'échantillons. Les chercheurs peuvent avoir du mal à accéder facilement à des populations entières. Et en raison de la nature de certaines études, les chercheurs peuvent avoir des difficultés à obtenir les résultats dont ils ont besoin dans les meilleurs délais. C'est pourquoi les personnes qui effectuent des études utilisent des échantillons. L'utilisation d'un nombre réduit de personnes représentant l'ensemble de la population peut toujours produire des résultats valables tout en réduisant le temps et les ressources.
Les échantillons utilisés par les chercheurs devraient ressembler beaucoup à la population. Tous les participants à l’échantillon doivent partager les mêmes caractéristiques et qualités. Ainsi, si l’étude concerne les étudiants de première année de sexe masculin, l’échantillon doit être constitué d’un faible pourcentage d’hommes correspondant à cette description. De même, si un groupe de recherche mène une étude sur les habitudes de sommeil des femmes célibataires de plus de 50 ans, l'échantillon ne devrait inclure que les femmes de ce groupe démographique.
Considérez une équipe de chercheurs universitaires qui souhaitent savoir combien d’étudiants ont étudié moins de 40 heures pour l’examen CFA et ont quand même réussi. Chaque année, chaque année, plus de 200 000 personnes passent l'examen dans le monde entier. Il peut donc s'avérer extrêmement fastidieux de prendre contact avec chaque participant à l'examen. En fait, au moment où les données de la population ont été collectées et analysées, quelques années se seraient écoulées, ce qui rendrait l’analyse inutile, puisqu’une nouvelle population serait apparue. Les chercheurs peuvent à la place prélever un échantillon de la population et obtenir des données à partir de cet échantillon.
Pour obtenir un échantillon non biaisé, la sélection doit être aléatoire afin que tous les membres de la population aient une chance égale d'être ajoutés au groupe.
Afin d'obtenir un échantillon non biaisé, la sélection doit être aléatoire afin que tous les membres de la population aient une chance égale et probable d'être ajoutés au groupe échantillon. Ceci est similaire à un tirage au sort à la loterie et constitue la base d'un échantillonnage aléatoire simple.
Types d'échantillonnage
Échantillonnage aléatoire simple
Un échantillonnage aléatoire simple est idéal si chaque entité de la population est identique. Si les chercheurs ne se soucient pas de savoir si leurs sujets de l'échantillon sont tous des hommes ou des femmes ou une combinaison des deux sexes sous une forme ou une autre, l'échantillonnage aléatoire simple peut être une bonne technique de sélection.
Supposons que 200 000 personnes ayant passé le test ont passé l'examen CFA en 2016, dont 40% de femmes et 60% d'hommes. L'échantillon aléatoire de la population devrait donc comporter 400 femmes et 600 hommes pour un total de 1 000 personnes testées.
Mais qu'en est-il des cas où il est important de connaître le ratio hommes / femmes ayant passé un test après avoir étudié moins de 40 heures? Ici, un échantillon aléatoire stratifié serait préférable à un échantillon aléatoire simple.
Échantillonnage aléatoire stratifié
Ce type d'échantillonnage, également appelé échantillonnage aléatoire proportionnel ou échantillonnage aléatoire, divise la population totale en groupes plus petits. Celles-ci sont appelées strates. Les membres des strates partagent des caractéristiques similaires.
Et si l’âge était un facteur important que les chercheurs souhaiteraient inclure dans leurs données? En utilisant la technique d'échantillonnage aléatoire stratifié, ils pourraient créer des couches ou des strates pour chaque groupe d'âge. La sélection dans chaque strate devrait être aléatoire afin que toutes les personnes de la tranche aient une chance probable d'être incluses dans l'échantillon. Par exemple, deux participants, Alex et David, ont respectivement 22 et 24 ans. La sélection de l'échantillon ne peut pas en choisir une sur l'autre en fonction d'un mécanisme préférentiel. Ils devraient avoir une chance égale d'être sélectionnés dans leur groupe d'âge. Les strates pourraient ressembler à ceci:
À partir du tableau, la population a été divisée en groupes d’âge. Par exemple, 30 000 personnes âgées de 20 à 24 ans ont passé l'examen CFA en 2016. En utilisant la même proportion, le groupe de l'échantillon comptera (30 000 ÷ 200 000) x 1 000 = 150 personnes répondant à ce test. Alex ou David - ou les deux ou aucun des deux - peuvent être inclus parmi les 150 participants à l'examen aléatoire de l'échantillon.
Il y a beaucoup plus de strates qui pourraient être compilées pour décider de la taille de l'échantillon. Certains chercheurs peuvent renseigner les fonctions professionnelles, les pays, l’état matrimonial, etc. des preneurs de test lorsqu’ils décident de la manière de créer l’échantillon.
Exemples d'échantillons
En 2017, la population mondiale s'élevait à 7, 5 milliards de personnes, dont 49, 6% de femmes et 50, 4% d'hommes. Le nombre total de personnes dans un pays donné peut également correspondre à la taille de la population. Le nombre total d'étudiants dans une ville peut être considéré comme une population, et le nombre total de chiens dans une ville est également une taille de population. Des échantillons peuvent être prélevés dans ces populations à des fins de recherche.
Après notre exemple d’examen CFA, les chercheurs pourraient prélever un échantillon de 1 000 participants CFA sur un total de 200 000 personnes ayant passé le test - la population - et exécuter les données requises sur ce nombre. La moyenne de cet échantillon servirait à estimer la moyenne des candidats au CFA ayant réussi l'examen, même s'ils n'avaient étudié que moins de 40 heures.
Le groupe de l'échantillon choisi ne devrait pas être biaisé. Cela signifie que si la moyenne d'échantillon des 1 000 participants à l'examen CFA est de 50, la moyenne de la population des 200 000 personnes testées devrait également être d'environ 50.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.