Fiche de révision : Statistique inductive et échantillonnage

📋 Plan du Cours

1. Description et inférence statistique
2. Population, échantillon et symboles
3. Déduction, induction et inférence
4. Rôle du tirage aléatoire
5. Procédures d’échantillonnage
6. Biais et représentativité
7. Fluctuation d’échantillonnage

📖 1. Description et inférence statistique

🔑 Notions clés & Définitions

• Statistique inductive : Formule des énoncés probabilisés sur une population non observée en quantifiant explicitement le risque d’erreur.

★ À maîtriser

📌 La statistique descriptive décrit les données effectivement observées sans généraliser au-delà de l’échantillon.

📌 Estimer la moyenne de la population à 104,2 est une estimation, tandis qu’affirmer que la moyenne de la population vaut exactement 104,2 est une induction abusive.

Compléments

• Pour 45 étudiants interrogés, la statistique descriptive répond à la question de la moyenne d’anxiété observée dans cet échantillon.

💡 Astuce mémo

Descriptive = observé ; inductive = généralisé

📖 2. Population, échantillon et symboles

🔑 Notions clés & Définitions

• Population : Ensemble cible complet, de taille N, dont les paramètres sont inconnus et fixes.
• Échantillon : Sous-ensemble observé, de taille n, dont les statistiques sont connues et variables d’un tirage à l’autre.

★ À maîtriser

• Les paramètres de population utilisent les lettres grecques µ pour la moyenne, σ pour l’écart-type et π pour la proportion.

Compléments

• Dans une étude de 3000 étudiants de L2, un tirage de 150 étudiants donne une moyenne observée de 42,7 et un écart-type de 8,4, tandis que le paramètre visé est la moyenne inconnue µ de la population.

💡 Astuce mémo

Population grecque, échantillon latin

📖 3. Déduction, induction et inférence

🔑 Notions clés & Définitions

• Inférence statistique : Induction sous contrôle qui utilise des calculs déductifs sur tous les échantillons possibles pour chiffrer le niveau de confiance.

📝 Points essentiels

📌 La déduction va du général au particulier et garantit l’observation si la théorie est vraie, tandis que l’induction va du particulier au général et produit une conclusion probabilisée.

📌 Une différence observée entre deux groupes ne prouve pas à elle seule une différence réelle, car il faut déterminer si elle dépasse la fluctuation attendue.

💡 Astuce mémo

Particulier → général, puis contrôle probabiliste

📖 4. Rôle du tirage aléatoire

★ À maîtriser

📌 Le tirage aléatoire ne garantit pas la représentativité parfaite d’un échantillon donné, mais il limite les biais systématiques et rend les marges d’erreur calculables.

• L’inférence calcule d’abord le comportement de tous les échantillons possibles si la population était connue, puis utilise cette distribution pour évaluer l’échantillon observé.

Compléments

📌 Un tirage purement aléatoire nécessite une base de sondage constituée d’une liste exhaustive de la population.

💡 Astuce mémo

Aléatoire → absence de biais systématique et calculabilité

📖 5. Procédures d’échantillonnage

🔑 Notions clés & Définitions

• Échantillonnage aléatoire simple : Chaque individu a la même probabilité d’être tiré et une base de sondage complète est nécessaire.
• Échantillonnage stratifié : La population est divisée en strates homogènes et le tirage proportionnel peut améliorer la précision lorsque la variable diffère entre les strates.
• Échantillonnage en grappe : On tire des unités collectives comme des groupes de TD, ce qui réduit le coût mais diminue la précision lorsque les individus d’une grappe se ressemblent.

💡 Astuce mémo

Simple, stratifié, grappe : égalité, précision, coût

📖 6. Biais et représentativité

🔑 Notions clés & Définitions

• Biais d’échantillonnage : Erreur de méthode qui oriente systématiquement les résultats et ne diminue pas lorsque l’effectif de l’échantillon augmente.

★ À maîtriser

• Les trois pièges principaux sont:
  • la convenance
  • le volontariat
  • la non-réponse

Compléments

• Le problème WEIRD désigne une dépendance à des participants Western, Educated, Industrialized, Rich et Democratic, notamment des étudiants américains de première année.

• En 1936, le Literary Digest a envoyé 2 millions de bulletins à des abonnés du téléphone ou de l’automobile et a prédit la défaite de Roosevelt, tandis que Gallup a obtenu un meilleur résultat avec 3000 personnes tirées aléatoirement.

💡 Astuce mémo

Grande taille ≠ représentativité

📖 7. Fluctuation d’échantillonnage

🔑 Notions clés & Définitions

• Fluctuation d’échantillonnage : Écart inévitable entre une statistique d’échantillon et le paramètre de population lors d’un tirage aléatoire.

📝 Points essentiels

• L’écart entre la moyenne d’échantillon et la moyenne de population se note $\bar{x} - \mu$ et correspond à la fluctuation d’échantillonnage.

📌 La fluctuation d’échantillonnage est aléatoire, décroît lorsque la taille n augmente et possède une ampleur moyenne calculable.

📌 Le biais est une erreur de méthode, tandis que la fluctuation d’échantillonnage est une erreur aléatoire imposée par la loi mathématique du tirage.

💡 Astuce mémo

n augmente → fluctuation diminue

📊 Tableaux de synthèse

Population et échantillon

Types d’erreurs