L'échantillonnage aléatoire stratifié est une méthode d'échantillonnage qui implique la division d'une population en petits groupes appelés strates. Dans l'échantillonnage aléatoire stratifié ou la stratification, les strates sont formées en fonction des attributs ou caractéristiques partagés des membres. L'échantillonnage aléatoire stratifié est également appelé échantillonnage aléatoire proportionnel ou échantillonnage aléatoire par quota.
En revanche, l'échantillonnage aléatoire simple est un échantillon d'individus qui existent dans une population; les individus sont choisis au hasard dans la population et placés dans un échantillon. Cette méthode de sélection aléatoire des individus vise à sélectionner une taille d'échantillon qui est une représentation non biaisée de la population. Cependant, ce n'est pas avantageux lorsque 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 des élèves (GPA) à travers le pays, les personnes qui passent des heures supplémentaires au travail et l'espérance de vie à travers le monde.
Exemple d'échantillonnage aléatoire stratifié
Supposons qu'une équipe de recherche veuille déterminer la moyenne cumulative des étudiants des collèges aux États-Unis. L'équipe de recherche a du mal à recueillir des données auprès des 21 millions d'étudiants; il décide de prélever un échantillon aléatoire de la population en utilisant 4 000 élèves.
Supposons maintenant que l'équipe examine les différents attributs des participants de l'échantillon et se demande s'il y a des différences dans les GPA et les majors des étudiants. Supposons qu'il constate que 560 étudiants sont des majors en anglais, 1 135 sont des majeures en sciences, 800 sont des majeures en informatique, 1 090 sont des majeures en génie et 415 sont des majeures en mathématiques. L'équipe souhaite utiliser un échantillon aléatoire stratifié proportionnel où la strate de l'échantillon est proportionnelle à l'échantillon aléatoire dans la population.
Supposons que l'équipe effectue des recherches sur la démographie des étudiants aux États-Unis et trouve le pourcentage de ce que les étudiants se spécialisent dans 12% de majeure en anglais, 28% de majeure en science, 24% de majeure en informatique, 21% de majeure en génie et 15% de 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 élèves de la population et sélectionner au hasard 480 élèves en anglais, 1 120 en sciences, 960 en informatique, 840 en génie et 600 en mathématiques. Avec ceux-ci, il a un échantillon aléatoire stratifié proportionnel d'étudiants, ce qui fournit une meilleure représentation des étudiants des collèges 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 pondérées..
Applications
La même méthode utilisée ci-dessus peut être appliquée au scrutin des élections, au revenu de différentes populations et au revenu pour différents emplois à travers un pays.
