s
19 708 Pages

la échantillonnage en grappes est un type de probabiliste également ledit échantillonnage statistique, par rapport à ne prévoit pas l'extraction des unités individuelles de la conception de l'échantillonnage de la population, mais bouquets des individus, des groupes-à-dire des unités statistiques. Des exemples de groupes sont les suivants: les familles, les classes scolaires, la zone de travail ou des chambres d'hôpital. Toutes les unités qui composent le groupe extrait font partie de l'échantillon. Si par groupe d'extrait faire partie de l'échantillon seulement un certain nombre d'unités, vous effectuez un échantillonnage en deux étapes où, dans la première étape sont des clusters extrait « en pleine » et, dans la deuxième étape, ils sont unis élémentaire extraite.

Le principal avantage de l'échantillonnage en grappes existe lorsque chaque grappe à l'intérieur ne sont pas homogènes, à savoir les unités qui composent le groupe diffèrent les unes des autres pour un mode détecté sur une même caractéristique. Alors seulement, l'échantillonnage ci-dessus fournit des estimations plus efficaces de l'échantillonnage aléatoire simple. En d'autres termes, ce type d'échantillonnage fournit de meilleures estimations si et seulement si chaque groupe exprime une plus grande variabilité que peut être exprimé avec un échantillon de la même population avec de simples tirage au sort. En fait, les raisins qui sont utilisés pour les enquêtes statistiques sont souvent constituées d'unités cohérentes entre elles et sont donc des estimations produites moins efficaces que le simple échantillonnage. Cependant, ce type d'échantillonnage est souvent utilisé pour alléger le coût de l'organisation et du contenu, tant en termes économiques, que la collecte, le traitement et la diffusion des données rapidement. Ce d'un point de vue strictement théorique, cependant, il existe des moyens d'évaluer l'efficacité d'un plan d'échantillonnage de ce type qu'un simple hasard. Parmi ceux-ci: l'analyse de la décomposition de la variance, le coefficient d'homogénéité et Deff (effet de la conception d'échantillonnage).

Coefficient d'homogénéité en grappes

Le coefficient d'homogénéité en grappes permet de mesurer le degré d'homogénéité en grappes. Il affecte donc l'efficacité des estimations d'échantillonnage.

Supposons que nous effectuons un sondage en grappes où tous les groupes sont composés du même nombre d'unités, envisager une extraction sans répétition.

les deux N le nombre de groupes qui forment la population, n le nombre de grappes qui composent l'échantillon et les deux M le nombre d'unités élémentaires d'un cluster. Supposons que vous voulez détecter une quantitative Y, les deux Yij la valeur de Y détecté sur j-ième unité de « i-ième cluster. les deux Yla la somme de toutes les valeurs mesurées sur les unités de la grappe i-ème.

L'estimateur de caractère total correct est

. La variance de cet estimateur, et donc l'efficacité de ses estimations dépendent du coefficient d'homogénéité en grappes . les deux la variance des unités élémentaires de la population et la variance en grappes, puis:

et . Le coefficient varie entre: .

La variance de l'estimateur Il est égal à:

qui est égale à la somme de la variance de l'estimateur en échantillonnage simple (sans répétition) plus une quantité qui dépend du coefficient d'homogénéité. si 0 « /> alors nous avons une augmentation de la variance par rapport à l'échantillonnage unique; si puis l'échantillonnage en grappes et qui ont tout simplement la même efficacité; puis l'échantillonnage en grappes réduit la variance par rapport au hasard simple et est donc plus efficace, cela se produit lorsque la variabilité au sein des clusters est supérieure à la variabilité au sein de la population.

Articles connexes