le échantillonnage probabiliste C'est un instrument dont le but est de déterminer quelle partie d'une population spécifique doit être examinée afin d'établir des différences. L'échantillon doit représenter la population dans laquelle les traits essentiels pour l'enquête sont le mieux reproduits.
L'échantillon ne sera représentatif et utile que s'il reflète les similitudes et les différences qu'une population peut avoir.
Annonces
Dans cet article vous trouverez :
Caractéristiques de l'échantillonnage probabiliste
le échantillonnage probabiliste il se caractérise par le fait que tous les individus ont la même probabilité d'être choisis pour faire partie d'un échantillon et par conséquent tous les échantillons possibles ont la même probabilité d'être choisi.
Annonces
On parle d'échantillonnage probabiliste lorsqu'une série de caractéristiques sont réunies :
Si l'ensemble des échantillons possibles peut être défini
Cela fait référence au fait que vous devez avoir une base de sondage ou une base de sondage qui n'est rien de plus que la liste de tous les éléments qui composent à l'univers à l'étude, par exemple, si notre univers à l'étude sont les étudiants en médecine d'une certaine université, Il doit avoir la liste de tous ces éléments, c'est-à-dire de tous les étudiants en médecine de cette université et ce serait notre cadre goûter.
Annonces
Probabilité connue de sélection P(s)
Cela signifie que tous les éléments de notre base de sondage ont la même probabilité d'être choisis.
Probabilité supérieure à zéro
Dans un test d'échantillonnage probabiliste, le processus de sélection garantit que tous les éléments ont une probabilité supérieure à zéro d'être inclus dans l'échantillon.
Annonces
Mécanisme aléatoire
Le mécanisme aléatoire garantit que chaque échantillon a la même probabilité d'être choisi. Pour cela, nous pouvons dire avec une plus grande propriété que le échantillonnage probabiliste C'est le moyen de sélectionner un échantillon suffisamment représentatif d'une publication dont les informations permettent de déduire les propriétés et les caractéristiques d'une population.
Cette procédure n'est pas utile lorsque la population est très importante.
Annonces
Avantages de l'échantillonnage probabiliste
- le échantillonnage probabiliste c'est simple et facile à comprendre.
- Évitez de faire un recensement.
- Calcul rapide des mesures et des écarts.
- Il existe des progiciels pour analyser les données.
Inconvénients de l'échantillonnage probabiliste
- Il est nécessaire à l'avance que vous ayez une liste complète de l'ensemble de la population.
- Il y a une marge d'erreur.
- Si l'on travaille avec de petits échantillons, il est possible que l'ensemble de la population ne soit pas suffisamment représenté, c'est pourquoi un échantillon complet doit être manipulé.
Par exemple, lors du retrait des balles d'un tambour, les individus de la population sont numérotés de 1 à N, N balles sont tirées du tambour et ces individus constitueront l'échantillon. Tout le monde a une chance égale d'être sélectionné.
Échantillonnage aléatoire systématique
Dans le échantillonnage probabiliste On peut mettre en évidence l'échantillonnage aléatoire systématique, c'est une technique d'échantillonnage systématique qui Les chercheurs préfèrent souvent parce qu'il est simple à réaliser et a des résultats optimaux dans de nombreux termes
Dans l'échantillonnage aléatoire systématique, le chercheur choisit au hasard la première pièce ou le premier sujet au sein d'une population, le chercheur sélectionnera ensuite chaque nième sujet parmi les prêt.
Ce type de procédure est très simple et peut être effectué manuellement. Il est peu probable que les caractéristiques se répètent chez tous les énièmes sujets, de sorte que les résultats sont représentatifs de l'ensemble de la population.
Par exemple, le chercheur a une population totale de soixante individus et a besoin de douze sujets, il choisit d'abord son numéro de départ deux et continue avec l'intervalle cinq, puis le Les membres de votre échantillon seraient des individus, deux, sept, douze, dix-sept, vingt-deux, vingt-sept, trente-deux, trente-sept, quarante-deux, quarante-sept, cinquante-deux et cinquante et sept.
Types d'échantillonnage probabiliste
Nous allons détailler 2 types d'échantillonnage probabiliste différents :
Échantillonnage stratifié
L'échantillonnage stratifié est un autre type d'échantillonnage probabiliste où le chercheur sépare l'ensemble population dans différents sous-groupes ou strates, puis sélectionne au hasard des sujets de différents couches.
Les strates les plus couramment utilisées dans l'échantillonnage aléatoire stratifié sont l'âge, le sexe, le statut socio-économique, la religion, la nationalité et le niveau d'études atteint, par exemple, Supposons que nous ayons trois strates de 32 sujets chacune, une fraction d'échantillonnage de cinq et trente-douzième est utilisée, puis nous testons au hasard cinq sujets de chaque strate respectivement.
L'objectif est que la population obtenue soit plus petite, et ainsi plus spécifique.
Échantillonnage en grappes
Pour réaliser cet échantillonnage, le chercheur constitue son échantillon de population en suivant certaines étapes. La première chose est de séparer les différents groupes et de sélectionner individuellement les sujets de chaque groupe par échantillonnage aléatoire.
Dans l'échantillonnage en grappes, le chercheur peut également choisir d'inclure la grappe entière et pas seulement un sous-ensemble, par exemple Par exemple, si vous envisagez de mener une enquête auprès des étudiants universitaires de première année d'un pays, vous devez interviewer quatre-vingt-seize étudiants universitaires, étant donné l'impossibilité d'accéder à un échantillon stratifié, un échantillon de deux conglomérats de huit élèves.
Nous pouvons conclure en disant que l'échantillonnage probabiliste est un outil statistique qui nous donne la possibilité de faire des projections au sein d'une population d'individus, sans avoir à utiliser les données d'une population entière. De cette façon, nous pouvons enregistrer certaines données, mais il faut être prudent lors de l'utilisation dans de très grandes populations car il existe une marge d'erreur proportionnelle.
