a:

Les échantillons aléatoires simples et les échantillons aléatoires stratifiés diffèrent dans la façon dont l'échantillon est tiré de la population globale des données. Les échantillons aléatoires simples impliquent la sélection aléatoire des données de la population entière de sorte que chaque échantillon possible est également susceptible de se produire. En revanche, l'échantillonnage aléatoire stratifié divise la population en petits groupes, ou strates, selon des caractéristiques communes. Un échantillon aléatoire est prélevé dans chaque strate en proportion directe de la taille de la strate par rapport à la population. Les sous-ensembles d'échantillons sont ensuite combinés pour créer un échantillon aléatoire.

L'échantillonnage aléatoire simple et l'échantillonnage stratifié sont les deux types d'échantillonnage probabiliste où chaque échantillon a une probabilité connue d'être sélectionné. Ceci est différent de l'échantillonnage par jugement, où les unités à échantillonner sont triées sur le volet par le chercheur.

La population est l'ensemble total d'observations ou de données. Un échantillon est un ensemble d'observations de la population. La méthode d'échantillonnage est le processus utilisé pour prélever des échantillons de la population. Un échantillon aléatoire simple est un échantillon aléatoire tiré de la population entière sans aucune contrainte sur la façon dont l'échantillon est tiré. Cette méthode n'a aucun biais dans le choix de l'échantillon de la population, de sorte que chaque élément de la population a une chance égale d'être inclus dans l'échantillon.

Les échantillons aléatoires stratifiés regroupent les éléments de la population en strates selon certains critères, puis choisissent au hasard des éléments de chaque strate proportionnellement à la taille de la strate par rapport à la population. Les chercheurs doivent veiller à ce que les strates ne se chevauchent pas. Chaque point de la population ne doit appartenir qu'à une seule strate, de sorte que chaque point s'exclue mutuellement. Des strates qui se chevauchent augmenteraient la probabilité que certaines données soient incluses dans l'échantillon, faussant ainsi l'échantillon.

L'échantillonnage stratifié présente certains avantages et inconvénients par rapport à l'échantillonnage aléatoire simple. Un échantillon stratifié peut fournir une représentation plus précise de la population en fonction de la caractéristique utilisée pour diviser la population en strates.

Pour les populations présentant d'importantes caractéristiques distinctives, l'échantillonnage stratifié peut créer un échantillon plus représentatif. Cela nécessite souvent une taille d'échantillon plus petite, ce qui peut économiser des ressources et du temps. De plus, en incluant suffisamment de points d'échantillonnage dans chaque strate, les chercheurs peuvent effectuer une analyse distincte sur chaque strate individuelle.

Un échantillon stratifié peut assurer la représentation de certaines strates à inclure dans la population. L'échantillonnage aléatoire ne peut tirer aucun point de données d'une strate plus petite, mais un échantillon stratifié inclut les échantillons ayant une représentation proportionnelle.

Plus de travail est nécessaire pour prélever un échantillon stratifié qu'un échantillon aléatoire. Les chercheurs doivent suivre et vérifier individuellement les données pour chaque strate à inclure, ce qui peut prendre beaucoup plus de temps que l'échantillonnage aléatoire.