Fiche de révision : Récolte et expérimentation des données

📋 Plan du Cours

1. Deux voies de récolte des données
2. Objectifs et vocabulaire communs
3. Pourquoi échantillonner
4. Notions statistiques de l’échantillonnage
5. Représentativité et précision
6. Optimiser coût et effort
7. Plans d’échantillonnage problématiques
8. Vocabulaire de l’expérimentation
9. Principes d’une expérience exploitable
10. Plans d’expériences problématiques
11. Problèmes généraux de collecte

📖 1. Deux voies de récolte des données

★ À maîtriser

📌 L’échantillonnage sert à estimer des quantités à partir d’une partie de la population, tandis que l’expérimentation provoque un phénomène dans des conditions maîtrisées pour observer ses conséquences.

Compléments

• Toute récolte de données repose sur des observations qui peuvent être quantitatives ou qualitatives.

💡 Astuce mémo

Échantillonnage : observer pour estimer ; expérimentation : provoquer pour expliquer

📖 2. Objectifs et vocabulaire communs

🔑 Notions clés & Définitions

• Variable à expliquer : variable mesurée pour estimer et comprendre la variation des observations
• Variable explicative : variable quantitative ou un facteur qualitatif susceptible d’être responsable de la variation de la variable à expliquer

★ À maîtriser

📌 Le but de la collecte doit être clair et précis, être lié à la problématique et à l’hypothèse de la démarche scientifique, et préciser ce qui sera observé ainsi que les variables supposées influencer cette observation.

Compléments

• Les conditions de récolte peuvent être:
  • le laboratoire ou le milieu naturel
  • une étude isolée ou intégrée à un programme
  • une étude préliminaire ou de confirmation

📖 3. Pourquoi échantillonner

★ À maîtriser

📌 On échantillonne lorsque l’accès à tous les individus d’une population ou à la totalité d’une aire est impossible, notamment à cause du coût, du temps, du manque de personnel ou d’une accessibilité limitée.

Compléments

• Pour une surface de 5000 hectares contenant environ 30 nids de passereaux pour 10 hectares, la population mère est estimée à 15000 nids et un échantillon peut comprendre 300 nids.

💡 Astuce mémo

Population inaccessible → échantillon observé → inférence sur la population

📖 4. Notions statistiques de l’échantillonnage

🔑 Notions clés & Définitions

• Inférence : consiste à déduire les propriétés de la population totale à partir des propriétés de l’échantillon
• Taux d’échantillonnage : Le taux d’échantillonnage ou de sondage est le rapport entre la taille de l’échantillon n et la taille de la population N, soit $f = \frac{n}{N}$.

★ À maîtriser

📌 La population biologique est l’ensemble des individus d’une même espèce vivant à un endroit et à un moment donnés, tandis que la population statistique est l’ensemble des éléments présentant la caractéristique étudiée.

Compléments

• Les paramètres de la population mère sont notés μ et σ², tandis que la moyenne et la variance de l’échantillon sont notées x̄ et σ̂².

💡 Astuce mémo

Population biologique ≠ population statistique

📖 5. Représentativité et précision

★ À maîtriser

• Un échantillon utile doit être représentatif, c’est-à-dire posséder des caractéristiques similaires à celles de la population étudiée, et ne pas présenter de biais.

• Le biais est une erreur systématique indépendante de la taille de l’échantillon, tandis que l’erreur aléatoire diminue lorsque la taille de l’échantillon augmente.

• L’échantillonnage empirique choisit les éléments sur le terrain selon les caractéristiques connues de la population, tandis que l’échantillonnage aléatoire utilise le hasard pour désigner les éléments.

Compléments

• Pour mesurer 30 étudiants, un quota fondé sur la proportion nationale de 52 % de femmes et 48 % d’hommes donne 16 femmes et 14 hommes, tandis qu’un tirage aléatoire stratifié utilise la liste des étudiants et des nombres proportionnels tirés au hasard.

💡 Astuce mémo

Biais : erreur systématique indépendante de n ; précision : erreur aléatoire réduite par n

📖 6. Optimiser coût et effort

📝 Points essentiels

📌 Pour doubler la précision statistique, il faut multiplier par quatre la taille de l’échantillon.

📐 Formule — Le coût total de l’échantillonnage est égal au coût de prise en charge plus le produit de la taille de l’échantillon par le coût unitaire, soit $C_T = C_0 + nc$.

📌 L’optimisation consiste à maximiser l’information en augmentant n tout en maintenant le coût total CT à un niveau acceptable.

📌 Pour mettre en évidence l’effet d’un facteur ou d’une variable, il faut disposer d’une référence ou d’un témoin dans un milieu ou une cohorte où ce facteur n’agit pas.

💡 Astuce mémo

Plus d’échantillons → plus d’information, mais coût total accru

📖 7. Plans d’échantillonnage problématiques

★ À maîtriser

• L’étude de 1998 sur le lien entre vaccination ROR et autisme a été rétractée en 2010 et reposait sur 12 enfants vaccinés présentant des troubles digestifs et autistiques, sans groupe de référence non vacciné.

📌 Dans l’étude de personnalité des animaux sauvages capturés au piège, les individus intrépides entraient plus facilement dans les pièges, ce qui biaisait l’échantillon en faveur des individus intrépides.

Compléments

• En écologie, l’étude de l’île Vava’u ne pouvait pas généraliser ses résultats car les sites échantillonnés étaient majoritairement de petits îlots et tous les types d’habitats n’étaient pas représentés.

📖 8. Vocabulaire de l’expérimentation

🔑 Notions clés & Définitions

• Variable de contrôle : variable dont la valeur reste constante pour toutes les unités du dispositif et ne varie pas au cours de l’expérience
• Variable explicative d’intérêt : variable dont la variation est maîtrisée par l’expérimentateur et connue au sein de l’expérience
• Traitement témoin : la modalité de référence qui ne modifie pas les conditions initiales et permet de vérifier si les traitements d’intérêt ont un effet sur la variable à expliquer
• Unité expérimentale : l’objet auquel les traitements sont appliqués, comme un individu, un groupe d’individus, une parcelle, un tube à essai ou un morceau de bois

📝 Points essentiels

📌 L’erreur expérimentale est la somme de l’erreur de mesure, qui est une erreur technique commune à toutes les unités expérimentales, et de l’erreur unitaire, qui provient de l’hétérogénéité et du bruit entre les unités.

💡 Astuce mémo

Contrôle constant ; facteur d’intérêt manipulé ; bruit non maîtrisé

📖 9. Principes d’une expérience exploitable

📝 Points essentiels

• Une expérience exploitable repose sur:

  • le contrôle
  • les répétitions
  • la randomisation

• Le contrôle consiste à inclure un traitement témoin afin de vérifier que les résultats sont dus aux traitements étudiés.

• Les répétitions permettent de vérifier qu’un résultat n’est pas dû au hasard et d’estimer l’erreur de mesure des instruments, leur nombre dépendant de la variabilité du phénomène et des ressources disponibles.

• La randomisation consiste à attribuer les traitements au hasard aux unités expérimentales afin d’éviter les effets confondants de variables non maîtrisées.

💡 Astuce mémo

Contrôle → répétitions → randomisation

📖 10. Plans d’expériences problématiques

★ À maîtriser

📌 Dans l’étude sur l’exclusion de prédateurs chez des poissons de récif, les enclos étaient placés selon la disponibilité pratique et la préférence des chercheurs, ce qui empêchait de distinguer l’effet de l’exclusion des prédateurs des autres facteurs environnementaux.

📌 Dans l’étude de Calhoun publiée en 1973 sur la surpopulation des rats, l’absence de groupe témoin ne permettait pas de vérifier si les comportements anormaux apparaissaient aussi dans une population non surpeuplée. — Proc. roy. Soc. Med.

Compléments

• L’étude de Seralini et al. publiée en 2012 dans Food and Chemical Toxicology a utilisé 200 rats répartis en 10 groupes pendant deux ans, mais a été rétractée en 2013 et concernait une variété propice aux tumeurs.

📖 11. Problèmes généraux de collecte

📝 Points essentiels

• Les principaux problèmes sont:
  • le manque de groupe de contrôle
  • le biais de sélection
  • l’échantillon trop petit
  • les méthodes non standardisées
  • le manque de réplication
  • l’influence des attentes de l’expérimentateur
  • l’utilisation de données non fiables
  • la publication sélective
  • les conflits d’intérêts non divulgués

📊 Tableaux de synthèse

Échantillonnage et expérimentation