Échantillon

précision est assez bonne, spécialement entre 10 et 30%. Nous effectuerons 3 mesures sur chacun des deux échantillons avec l’humidimètre inductif N°1 pour la mesure, nous avons appliqué les deux surface de contacte de l’humidimètre sur l’échantillon, transversalement au sens du fil. Nous répétons la même opérations a l’humidimètre inductif N°2. Puis nous effectuons les 3 mesures sur les deux échantillons avec l’humidimètre avec sonde marteaux. Pour cela les deux pointes de cette electrode sont a enfoncer

Choix de l’échantillon * E = tc √p * (1 - p) n tc2 * p * (1 - p) n E2 Exemple : Quelle est la taille minimale d’un échantillon pour ne pas dépasser un niveau de 3% d’erreur dans le cadre d’un coefficient de confiance de 95% ? E = 3% tc = 1,96 p = 0,5 n = 1,962 * 0,5 * (1 - 0,5) = 1067 0,032 Distribution normale * Propriété 1 : Si Z est distribuée selon une N (0,1) alors P (-a < Z > O)

l'échantillonnage 1.1 Pourquoi échantillonner Il existe de nombreuses raisons pour lesquelles il faut échantillonner, en voici quelques unes : - La population est tellement grande quelle peut-être considérée comme infinie, et il est impossible de l'observer entièrement (par exemple la production de transistors d'une entreprise de fabrication de composants électroniques) - Choisir un échantillon coûte moins cher que de procéder à un recensement - Choisir un échantillon est plus rapide que de procéder

Département Marketing ESSEC Business School butori@essec.edu Agenda • Cas Lancement de Service – Evaluation des questionnaires • Le codage des données • L’échantillonnage 2 L’échantillonnage: principes • Comment constituer un échantillon d’individus qui soit « représentatif », c’est-à-dire: – Permettant d’extrapoler les résultats obtenus à la population étudiée avec une marge d’erreur acceptable – Satisfaisant les objectifs (ex. résultats fiables sur des cibles ou des sous-populations)

Distribution d’´echantillonnage de µˆ 2.10.2 Intervalles de confiance 2.10.3 Incertitude absolue et relative 2.10.4 D´etermination de la taille d’un ´echantillon 2.10.5 Exemples 2.11 ALGORITHMES POUR LES PLANS SIMPLES SANS REMISE 2.11.1 M´ethode du tri al´eatoire 2.11.2 D’autres m´ethodes fournissant un plan de sondage de type PESR avec ´echantillons de taille n fix´ee a priori 2.11.3 Tirage de Bernoulli 2 2.1 DEFINITIONS • Le nombre n de tirages `a effectuer dans la population est fix´e a priori

LA CONSTRUCTION D’UN ECHANTILLON PLAN D’ECHANTILLONNAGE 1. Définir la population à étudier (population-cible, univers de référence) 2. Choix d’une méthode d’échantillonnage (méthodes probabilistes vs. non-probabilistes) 3. Détermination de la taille de l’échantillon PLAN D’ECHANTILLONNAGE POPULATION DE REFERENCE • Définition: L'ensemble des objets possédant les informations désirées pour répondre aux objectifs de l'étude • Notion d’unité d’échantillonnage • Prise en compte

L’Echantillonnage La définition de l’échantillon est une étape cruciale qui conditionne la fiabilité des résultats finaux. Échantillonner, cela consiste à extraire une partie représentative de la population mère. Il faut donc bien définir la population mère. Définitions De la population-mère à l’échantillon Un échantillon est représentatif si sa structure définit en fonction de critères précis et identiques à la population de base. La représentativité est indispensable pour que les réponses obtenues

une population, peut-on prévoir celles d'un échantillon ? Nous distinguerons deux cas : celui où l'on étudie une moyenne dans un échantillon et celui où l'on étudie une proportion dans un échantillon. A.1. Étude de la moyenne d'un échantillon On dispose d'une population sur laquelle est définie une variable aléatoire X dont on connaît l'espérance (ou la moyenne)  et l'écart-type . Population Moyenne  connue. Ecart-type  connu.  Echantillons de taille n { 1 2 3 4

une population, peut-on prévoir celles d'un échantillon ? Nous distinguerons deux cas : celui où l'on étudie une moyenne dans un échantillon et celui où l'on étudie une proportion dans un échantillon. A.1. Étude de la moyenne d'un échantillon On dispose d'une population sur laquelle est définie une variable aléatoire X dont on connaît l'espérance (ou la moyenne) m et l'écart-type s. Population Moyenne m connue. Ecart-type s connu. m Echantillons de taille n { m1 m2 m3 m4

caractéristiques d'une population et celle d'un échantillon de cette population. Dans cette partie on suppose la population connue et l'on étudie les échantillons. 2.1 Distribution d'échantillonnage des moyennes L'effectif de la population étudiée est N, sa moyenne est m et son écart-type s. On prélève dans cette population un échantillon aléatoire de taille n. (tirage non exhaustif ) On va alors chercher à estimer la moyenne de cet échantillon ainsi que son écart-type. On appelle distribution