Leçon 1 sur 5
Population, base de sondage et sondage aléatoire simple
Je sais définir la population, l'unité et la base de sondage d'une enquête, tirer un échantillon aléatoire simple et estimer une moyenne, un total ou une proportion avec leur intervalle de confiance.
- 1 h 30
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Distinguer population cible, unité statistique, unité de sondage et base de sondage
- Repérer les défauts d'une base de sondage et leurs conséquences
- Tirer un échantillon aléatoire simple sans remise ou systématique
- Estimer une moyenne, un total et une proportion et calculer leur variance
- Construire un intervalle de confiance à 95 % en tenant compte du taux de sondage
Avant de commencer : Probabilités et statistique inférentielle (L2) : espérance, variance, loi normale, intervalle de confiance.
1Je découvre
Un bureau d'études de Conakry, que nous appellerons « Fassa Études », est chargé par une ONG d'une enquête sur l'accès à l'eau potable des ménages de la préfecture de Kindia. L'ONG veut connaître la consommation moyenne d'eau par ménage, la proportion de ménages qui mettent plus de trente minutes pour aller chercher l'eau, et le nombre total de ménages concernés.
Interroger tous les ménages coûterait trop cher et prendrait des mois. Le chef de projet propose d'en interroger quelques centaines. Un stagiaire suggère d'aller « au marché central, là où il y a du monde ». Une collègue répond qu'il faut d'abord une liste des ménages et un tirage au hasard.
Qui a raison ? Avec quelques centaines de questionnaires, peut-on vraiment parler de toute la préfecture ? Et avec quelle précision ?
Comment choisir un échantillon qui représente vraiment la population, et comment mesurer la précision des résultats qu'on en tire ?
2Je comprends
1. Population, unités et paramètres
Une enquête par sondage observe une partie de la population pour en déduire des informations sur l'ensemble. Le vocabulaire doit être précis :
| Notion | Définition | Enquête de Fassa Études |
|---|---|---|
| Population cible | ensemble sur lequel on veut conclure | tous les ménages résidant dans la préfecture de Kindia |
| Unité statistique | élément sur lequel on mesure les variables | le ménage |
| Unité de sondage | élément que l'on tire au sort | le ménage (ou un quartier, un village : leçon 2) |
| Base de sondage | liste (ou carte) qui permet d'identifier et de tirer les unités | liste des ménages issue d'un dénombrement |
| Variable d'intérêt y | caractère mesuré | litres d'eau consommés par jour ; accès à moins de 30 minutes (oui/non) |
| Échantillon s | sous-ensemble des unités tirées | les n ménages interrogés |
On note U = {1, …, N} la population de taille N et yk la valeur de la variable pour l'unité k. On cherche des paramètres (des fonctions des yk, fixes mais inconnues) :
- le total Y = Σk ∈ U yk ;
- la moyenne Y = Y / N ;
- la proportion P (moyenne d'une variable qui vaut 1 si le ménage a la caractéristique, 0 sinon) ;
- la variance corrigée S2 = 1N-1Σk ∈ U(yk - Y)2.
Dans la théorie des sondages « classique », les yk ne sont pas aléatoires : le seul hasard vient du tirage de l'échantillon. C'est l'approche dite « fondée sur le plan ».
2. La base de sondage et ses défauts
Pas de tirage aléatoire sans base de sondage. Une bonne base est exhaustive, sans doublons, à jour, et contient l'information qui permet de retrouver chaque unité (adresse, description, coordonnées GPS).
| Défaut | Description | Conséquence |
|---|---|---|
| Sous-couverture | des unités de la population manquent dans la base | ces unités ont une probabilité nulle d'être tirées : biais si elles sont différentes (nouveaux quartiers, habitat précaire) |
| Sur-couverture | la base contient des unités hors population | ménages partis, logements vides : perte d'efficacité, taux de réponse faussé |
| Doublons | une unité figure deux fois | sa probabilité de tirage est doublée |
| Information obsolète ou erronée | adresse fausse, taille de ménage dépassée | unités introuvables, mauvaise stratification |
Exemple : une liste d'abonnés d'une société de distribution d'eau est une mauvaise base pour étudier l'accès à l'eau, puisqu'elle exclut précisément les ménages non raccordés. Une liste électorale recense des personnes, pas des ménages : un ménage de six électeurs y a six fois plus de chances d'être tiré qu'un ménage d'un électeur.
En pratique, les instituts statistiques utilisent souvent comme base les zones de dénombrement (ZD) du dernier recensement, puis font un dénombrement récent des ménages dans les zones tirées (leçons 2 et 4).
3. Sondage probabiliste et méthodes empiriques
Un plan de sondage est la loi de probabilité p(s) qui donne à chaque échantillon possible s sa probabilité d'être tiré. Il est probabiliste si chaque unité a une probabilité d'inclusion πk = P(k ∈ s) connue et strictement positive.
| Méthode | Principe | Avantage | Limite |
|---|---|---|---|
| Probabiliste | tirage au hasard dans une base | précision calculable, pas de biais de sélection | demande une base, plus coûteux |
| Quotas | l'enquêteur choisit des personnes en respectant une structure (sexe, âge…) | rapide, sans base | pas de calcul de précision rigoureux |
| Choix raisonné ou « de commodité » | on interroge les personnes faciles à joindre | très bon marché | biais de sélection souvent important |
Le stagiaire de Fassa Études propose un échantillon de commodité : au marché central, on rencontre surtout des habitants du centre-ville, mobiles, plutôt mieux équipés. Les ménages isolés qui marchent une heure pour l'eau y sont sous-représentés. Augmenter la taille de l'échantillon ne corrige pas ce biais.
4. Le sondage aléatoire simple sans remise
Le sondage aléatoire simple sans remise (SAS) de taille n donne la même probabilité à chacun des (Nn) échantillons possibles. Chaque unité a alors la probabilité d'inclusion :
πk = nN = f,
où f est le taux de sondage. L'estimateur naturel de la moyenne est la moyenne de l'échantillon y = 1nΣk ∈ s yk. On démontre que :
E(y) = Y, V(y) = (1 - f) S2n.
Le facteur 1 - f est la correction pour population finie : si n = N, la variance est nulle. Quand f < 5 \%, on le néglige souvent. La variance S2 est inconnue ; on l'estime sans biais par s2 = 1n-1Σk ∈ s(yk - y)2.
| Paramètre | Estimateur | Variance estimée |
|---|---|---|
| Moyenne Y | y | v(y) = (1-f) s2n |
| Total Y | Y = N y | v(Y) = N2 (1-f) s2n |
| Proportion P | p (proportion dans l'échantillon) | v(p) = (1-f) p(1-p)n-1 |
Pour n assez grand, l'estimateur suit approximativement une loi normale, d'où l'intervalle de confiance à 95 % : y ± 1,96√v(y).
Exemple
Vérifier l'absence de biais sur une petite population.
Un hameau compte N = 5 ménages ; nombre de bidons d'eau achetés par semaine : 2, 4, 5, 7, 12.
Étape 1. Paramètres : moyenne = 30 / 5 = 6 ; S² = (16 + 4 + 1 + 1 + 36) / 4 = 58 / 4 = 14,5.
Étape 2. SAS de taille n = 2 : il y a C(5,2) = 10 échantillons équiprobables.
Moyennes : {2,4} 3 ; {2,5} 3,5 ; {2,7} 4,5 ; {2,12} 7 ; {4,5} 4,5 ;
{4,7} 5,5 ; {4,12} 8 ; {5,7} 6 ; {5,12} 8,5 ; {7,12} 9,5.
Étape 3. Moyenne des 10 moyennes = 60 / 10 = 6 = moyenne de la population : estimateur sans biais.
Étape 4. Variance des 10 moyennes autour de 6 = 43,5 / 10 = 4,35.
Étape 5. Formule : (1 - 2/5) × 14,5 / 2 = 0,6 × 7,25 = 4,35. La formule est vérifiée.
5. Tirer l'échantillon en pratique
Tirage SAS. On numérote les unités de 1 à N et on tire n numéros distincts au hasard (table de nombres aléatoires ou logiciel). En Python :
import random
random.seed(2026) # graine notée pour pouvoir refaire le tirage
echantillon = sorted(random.sample(range(1, 601), 60)) # 60 ménages parmi 600Tirage systématique. On calcule le pas k = N / n, on tire un départ aléatoire d entre 1 et k, puis on prend les unités d, d + k, d + 2k, … Chaque unité a la probabilité 1/k = n/N. Si la liste est triée (par quartier, par exemple), l'échantillon est bien réparti ; mais une périodicité de la liste (un chef de concession tous les 10 numéros, avec un pas de 10) peut créer un biais.
Méthode
- Définir la population cible, l'unité statistique et les variables d'intérêt.
- Obtenir une base de sondage, la nettoyer (doublons, unités hors champ) et noter ses lacunes.
- Fixer n (leçon 3) et calculer le taux de sondage f = n / N.
- Tirer l'échantillon (SAS ou systématique) et conserver la graine ou le départ aléatoire.
- Calculer ȳ, s², puis v(ȳ) = (1 - f) s² / n.
- Donner l'intervalle de confiance ȳ ± 1,96 √v(ȳ) et, si besoin, le total N ȳ.
6. Exemple complet : un village de la préfecture de Kindia
Exemple
Un village compte N = 600 ménages. Fassa Études tire un SAS de n = 60 ménages.
Résultats : consommation moyenne ȳ = 85 litres par jour, écart-type s = 30 litres ;
24 ménages sur 60 mettent plus de 30 minutes pour aller chercher l'eau.
Étape 1. Taux de sondage : f = 60 / 600 = 0,1.
Étape 2. Variance de la moyenne : v(ȳ) = 0,9 × 900 / 60 = 13,5 ; écart-type 3,67 L.
Étape 3. IC 95 % : 85 ± 1,96 × 3,67 = 85 ± 7,2, soit [77,8 ; 92,2] litres.
Étape 4. Total : 600 × 85 = 51 000 L par jour ; IC : 51 000 ± 600 × 7,2, soit environ [46 680 ; 55 320] L.
Étape 5. Proportion : p = 24 / 60 = 0,40 ; v(p) = 0,9 × 0,4 × 0,6 / 59 = 0,00366 ;
écart-type 0,0605 ; IC 95 % : 0,40 ± 0,119, soit [28,1 % ; 51,9 %].
Conclusion : la proportion est encore imprécise avec 60 ménages (près de 12 points de marge).
3Je retiens
Je retiens
Population cible, unité statistique, unité de sondage et base de sondage sont quatre notions distinctes.
Une base de sondage doit être exhaustive, sans doublons, à jour et permettre de retrouver les unités.
Sous-couverture : des unités ne peuvent jamais être tirées ; c'est une source de biais.
Sondage probabiliste : chaque unité a une probabilité d'inclusion connue et non nulle.
SAS sans remise : π = n / N = f ; ȳ estime sans biais la moyenne.
V(ȳ) = (1 - f) S² / n, estimée par (1 - f) s² / n ; total : N ȳ, variance multipliée par N².
Proportion : v(p) = (1 - f) p(1 - p) / (n - 1) ; IC 95 % : estimation ± 1,96 écart-type.
4Erreurs fréquentes
- Croire qu'un grand échantillon de commodité corrige un biais de sélection : il ne le corrige pas.
- Confondre population cible (les ménages) et base de sondage (la liste qui sert à les tirer).
- Oublier le facteur (1 - f) quand le taux de sondage dépasse quelques pour cent.
- Diviser s² par N au lieu de n dans la variance de la moyenne.
- Utiliser une liste de personnes pour tirer des ménages sans corriger les probabilités inégales.
5Je m’exerce
1Exercice 1
(Questions de cours)
a) Définissez population cible, unité de sondage et base de sondage.
b) Qu'est-ce qu'une probabilité d'inclusion ? Que vaut-elle dans un SAS de taille n parmi N ?
c) Pourquoi dit-on qu'un échantillon par quotas ne permet pas un calcul rigoureux de la précision ?
Voir le corrigéCacher le corrigé
a) La population cible est l'ensemble sur lequel on veut conclure. L'unité de sondage est l'élément que l'on tire au sort (ménage, village, zone). La base de sondage est la liste ou la carte qui permet d'identifier et de tirer ces unités.
b) C'est la probabilité πk que l'unité k fasse partie de l'échantillon. En SAS, πk = n/N pour toutes les unités.
c) Le choix des personnes est laissé à l'enquêteur : les probabilités de sélection sont inconnues, on ne peut donc pas calculer la loi de l'estimateur, ni sa variance, ni garantir l'absence de biais.
2Exercice 2
Une mairie de N'Zérékoré veut estimer la part des ménages de la commune qui possèdent une moustiquaire. Elle propose trois bases : (1) la liste des patients du centre de santé de l'année ; (2) la liste électorale ; (3) un dénombrement des concessions réalisé il y a huit ans. Pour chaque base, indiquez les défauts (sous-couverture, sur-couverture, probabilités inégales, obsolescence) et dites laquelle vous retiendriez, avec quelle précaution.
Voir le corrigéCacher le corrigé
(1) Liste des patients : forte sous-couverture (ménages qui ne fréquentent pas le centre), probabilités inégales (un ménage dont plusieurs membres sont venus apparaît plusieurs fois), et biais probable : ces ménages sont plus sensibilisés au paludisme.
(2) Liste électorale : unité « personne » et non « ménage » (probabilités proportionnelles au nombre d'électeurs), sous-couverture des ménages sans inscrit, pas toujours d'adresse précise.
(3) Dénombrement des concessions : bonne unité, mais obsolète : nouveaux quartiers absents (sous-couverture), concessions disparues (sur-couverture).
On retient (3), à condition de mettre à jour la liste (dénombrement rapide des zones tirées, ajout des nouveaux quartiers) avant le tirage des ménages.
3Exercice 3
Une population compte N = 4 unités de valeurs 1, 3, 5, 7. On tire un SAS de taille n = 2.
a) Calculez Y et S2.
b) Listez tous les échantillons possibles et la moyenne de chacun.
c) Vérifiez que E(y) = Y et que V(y) = (1-f)S2/n.
Voir le corrigéCacher le corrigé
a) Y = 16/4 = 4 ; S2 = (9 + 1 + 1 + 9)/3 = 20/3 ≈ 6,67.
b) Six échantillons : {1,3} → 2 ; {1,5} → 3 ; {1,7} → 4 ; {3,5} → 4 ; {3,7} → 5 ; {5,7} → 6.
c) E(y) = (2 + 3 + 4 + 4 + 5 + 6)/6 = 24/6 = 4 = Y. V(y) = (4 + 1 + 0 + 0 + 1 + 4)/6 = 10/6 ≈ 1,667. Formule : (1 - 2/4) × (20/3)/2 = 0,5 × 10/3 = 5/3 ≈ 1,667. Les deux résultats coïncident.
4Exercice 4
Dans un institut supérieur de Labé de 1 200 étudiants, on tire un SAS de 100 étudiants. La dépense hebdomadaire moyenne de transport observée est 45 000 GNF, avec un écart-type de 15 000 GNF. Donnez un intervalle de confiance à 95 % de la dépense moyenne.
Voir le corrigéCacher le corrigé
f = 100/1200 = 1/12. v(y) = (11/12) × 15 0002 / 100 = 2 062 500 ; écart-type ≈ 1 436 GNF.
Marge : 1,96 × 1 436 ≈ 2 815 GNF. IC 95 % : [42 185 ; 47 815] GNF environ.
5Exercice 5
Au grand marché de Madina, on dispose d'une liste de 1 500 boutiques. Dans un SAS de 120 boutiques, 36 acceptent le paiement par mobile money.
a) Estimez la proportion et donnez un IC à 95 %.
b) Estimez le nombre de boutiques concernées, avec un IC à 95 %.
Voir le corrigéCacher le corrigé
a) p = 36/120 = 0,30 ; f = 120/1500 = 0,08. v(p) = 0,92 × 0,3 × 0,7/119 ≈ 0,001624 ; écart-type ≈ 0,0403. IC 95 % : 0,30 ± 0,079, soit [22,1 \% ; 37,9 \%].
b) NA = 1500 × 0,30 = 450 boutiques ; marge 1500 × 0,079 ≈ 118. IC 95 % : environ [332 ; 568] boutiques.
6Exercice 6
(Type examen) Fassa Études dispose d'une liste de 2 400 ménages, triée par quartier, et veut un échantillon systématique de 80 ménages.
a) Calculez le pas de tirage. Le départ aléatoire tiré est 17 : donnez les quatre premiers numéros et le dernier.
b) Quelle est la probabilité d'inclusion de chaque ménage ? Combien d'échantillons différents ce plan peut-il produire ?
c) Pourquoi le tri par quartier est-il un avantage ? Dans quel cas le tirage systématique serait-il dangereux ?
d) Le stagiaire propose de remplacer chaque ménage absent par le voisin de droite. Discutez.
Voir le corrigéCacher le corrigé
a) Pas k = 2400/80 = 30. Numéros : 17, 47, 77, 107, … ; le dernier est 17 + 79 × 30 = 2387.
b) Chaque ménage appartient à un seul des 30 échantillons possibles (un par départ de 1 à 30) : πk = 1/30 = 80/2400. Le plan ne produit que 30 échantillons, contre (240080) pour un SAS.
c) Avec une liste triée par quartier, chaque quartier reçoit un nombre de ménages proportionnel à sa taille : c'est une stratification implicite, souvent plus précise qu'un SAS. Le danger vient d'une périodicité de la liste qui coïnciderait avec le pas (par exemple une organisation par blocs de 30 logements où le premier est toujours celui du chef de bloc).
d) C'est une substitution non aléatoire : le voisin n'a pas la même probabilité de sélection, et les absents (souvent des actifs, des ménages mobiles) sont remplacés par des ménages faciles à trouver. Cela introduit un biais. Il faut revenir plusieurs fois, puis traiter la non-réponse par repondération (leçon 5).
Cherchez d’abord seul, sur votre cahier, puis ouvrez le corrigé pour comparer.
6Je vérifie
Choisissez une réponse pour chaque question : la correction s’affiche aussitôt.
Karamö, votre enseignant
Il a lu cette leçon. Posez-lui votre question : il vous répond ici.
Connectez-vous pour poser vos questions à Karamö.
Avec un compte Kharandi gratuit, vous cochez les leçons terminées et vous suivez votre progression, cours par cours.