Академический Документы
Профессиональный Документы
Культура Документы
Rflexions pralables
ltude
- FORMULATION DU PROBLEME
- ETUDES ET ANALYSES PRELIMINAIRES
- PROJET DETUDE
- LE CHEF DE PROJET
- DEROULEMENT DE LETUDE
Chap. 6 - 2
FORMULATION DU
PROBLEME
- Analyse du problme rsoudre
- Dfinition des objectifs de ltude
- Formulation des questions dtudes
Chap. 6 - 3
Analyse du problme
rsoudre
- Lancement dun nouveau produit :
chances de russite ;
- Quel prix retenir pour le lancement ?
- Etude de notorit ;
- Etude de satisfaction ;
- Etude des attitudes et de comportement ;
- tude de lefficacit dune campagne
publicitaire ;
Chap. 6 - 4
Chap. 6 - 5
Chap. 6 - 6
ETUDES ET ANALYSES
PRELIMINAIRES
Identifier les informations ncessaires
Rechercher les informations
disponibles
Chap. 6 - 7
Chap. 6 - 8
Rechercher les
informations disponibles
- Etude documentaire
sources internes / externes
Sources publiques
Sources professionnelles et associatives
Sources commerciales prives
- Rencontres et discussions
Entreprises
Distributeurs
clients
Chap. 6 - 9
PROJET DETUDE
- Objectifs de ltude ;
- Choix mthodologiques ;
- Dlai de ralisation de ltude ;
- Budget de ltude ;
- Membres de lquipe dtude.
Chap. 6 - 10
CHEF DU PROJET
* Le chef de projet labore l'avant projet, soit seul soit
avec le commanditaire de l'tude.
* Il ngocie le budget de l'tude avec le commanditaire.
* Il vrifie la validation des chantillons et autres
paramtres envisags par l'entreprise.
* Il vrifie le respect des dlais.
* Il vrifie aussi l'adquation entre le projet et la
ralisation.
* Il est responsable des problmes qui peuvent
survenir vis vis du commanditaire.
.
Chap. 6 - 11
droulement de ltude
Chap. 6 - 12
Chap. 6 - 13
Chap. 6 - 14
Rapport
- clair ;
- circonstanci ;
- soign ;
- correspondre aux exigences du commanditaire ;
- dtaill ;
- complet ;
- ordonn. (l'analyse doit tre spare des graphiques et du tri statistique)
Chap. 6 - 15
Chap. 6 - 16
ECHANTILLONNAGE
Chap. 6 - 17
Enqute
Ensemble des oprations de collecte et de
traitement de donnes relatives quelques
domaines que ce soit.
Chap. 6 - 18
Population cible
Rassemblement de tous les cas qui
rpondent un ensemble de caractres
spcifiques. Appele aussi univers ou
ensemble statistique, cest lensemble des
lments auxquels on sintresse.
Chap. 6 - 19
Sondage
Enqute incomplte, enqute partielle ou
enqute par chantillonnage, cest une
enqute au cours de laquelle seulement une
partie des units de base de la population
sont observe.
Chap. 6 - 20
Echantillon
Ensemble des units de base slectionnes
et rellement observes au cours dun
sondage.
Chap. 6 - 21
Echantillonnage
Ensemble des oprations qui permettent de
slectionner de faon organise les lments
de lchantillon.
Chap. 6 - 22
Base de sondage
Enumration ou prsentation ordonne de
toutes les units de base constituant la
population.
Chap. 6 - 23
Erreur dchantillonnage
Ecart entre les rsultats obtenus auprs dun
chantillon et ce que nous apprendrait un
recensement comparable de la population.
Plus la taille de lchantillon est grande plus
lerreur dchantillonnage diminue.
Chap. 6 - 24
Dtermination de la taille
de lchantillon
Chap. 6 - 25
Chap. 6 - 26
Chap. 6 - 27
100 2000
100,05
Chap. 6 - 28
pq
n
Chap. 6 - 29
0
,
65
0
,
35
n
1820
0,050,05
Chap. 6 - 30
n Z12
Chap. 6 - 31
Chap. 6 - 32
n Z12
pq
Chap. 6 - 33
Chap. 6 - 34
Z1-2 N
n
N Z1-2
Chap. 6 - 35
Z1-2 p q N
n
N Z1-2 p q
Chap. 6 - 36
Mthodes
dchantillonnage
- Mthodes dchantillonnage
probabilistes
- Mthodes dchantillonnage
empiriques
Chap. 6 - 37
Mthodes dchantillonnage
probabilistes
- Echantillonnage alatoire et simple
- Echantillonnage stratifi
- Echantillonnage par degrs
- Echantillonnage systmatique
Chap. 6 - 38
Echantillonnage alatoire et
simple
Un chantillonnage est alatoire si
tous les individus de la population ont
la mme chance de faire partie de
lchantillon; il est simple si les
prlvements des individus sont
raliss indpendamment les uns des
autres.
Chap. 6 - 39
Echantillonnage alatoire et
simple
Si la population est finie,
lchantillonnage alatoire et simple
correspond au tirage alatoire avec
remise, qui permet de traiter les
populations finies comme des
populations infinies.
Chap. 6 - 40
Echantillonnage alatoire et
simple
-
Echantillonnage alatoire et
simple
Exemple :
On souhaite avoir un chantillon alatoire et
simple de 5 entreprises parmi une population de
22 entreprises. On dispose de la base de
sondage cest dire la liste complte et sans
rptition des 22 entreprises numrotes de 1
22. On prend un extrait dune table de nombre
alatoire par exemple :
Chap. 6 - 42
Echantillonnage stratifi
Lchantillonnage stratifi est une technique qui
consiste subdiviser une population htrogne,
deffectif N, en P sous populations ou strates
plus homognes deffectif Ni de telle sorte que N=
N1+N2+. +Np. Un chantillon, deffectif ni, est
par la suite, prlev indpendamment au sein de
chacune des strates en appliquant un plan
dchantillonnage au choix de lutilisateur. Le plus
souvent, on procdera par un chantillonnage
alatoire et simple lintrieur de chaque strate.
Chap. 6 - 44
Echantillonnage stratifi
La stratification peut entraner des
gains de prcision apprciables, elle
facilite en outre les oprations de
collecte des donnes et fournit des
informations pour diffrentes parties de
la population.
Chap. 6 - 45
Echantillonnage stratifi
Pour la rpartition de leffectif total, n, de
lchantillon dans les diffrentes strates,
La premire solution, dite proportionnelle,
consiste conserver la mme fraction
dchantillonnage dans chaque strate.
Une seconde solution, dite optimale, tient
compte du budget de lenqute.
Chap. 6 - 46
Rpartition proportionnelle
La rpartition proportionnelle consiste
rpartir la taille de lchantillon n en
utilisant la mme fraction de sondage f
dans chacune des strates. Cette
solution tient compte dun seul facteur
qui est le poids de chaque strate.
Chap. 6 - 47
Rpartition proportionnelle
Dsignons par wi le poids de la strate et par f la fraction
de sondage constant :
f n
N
Ni
et wi
N
ni w i n f Ni
Chap. 6 - 48
Rpartition proportionnelle
Exemple :
Dans une population de 10000 entreprises,
rparties en 5000 petites entreprises, 3000
moyennes entreprises et 2000 grandes
entreprises, on souhaite avoir un chantillon de
500 entreprises.
Fraction de sondage constante :
f = 500 / 10000 = 5 %
Chap. 6 - 49
Rpartition proportionnelle
Strate
Petite
Moyenne
Grande
Total
Effectif de la strate
Taille de lchantillon
5000
3000
2000
10000
500
Chap. 6 - 50
Rpartition proportionnelle
Strate
Petite
Moyenne
Grande
Total
Effectif de la strate
5000
3000
2000
10000
Chap. 6 - 51
Rpartition optimale
- Budget total de lenqute, G
- Poids de la strate, wi
Chap. 6 - 52
Rpartition optimale
le nombre dunits choisir dans
chacune des strates est donn par :
ni k w i i
ci
G
w i i ci
Chap. 6 - 53
Rpartition optimale
Exemple :
Dans la population des 10000 entreprises, on a pu
avoir les informations suivantes :
Strate
wi
ci
i.
Petite
Moyenne
Grande
0,5
0,3
0,2
50
75
100
0,8
1,5
2,2
Chap. 6 - 54
Rpartition optimale
le nombre dentreprises choisir dans chacune des
strates est donn par :
k
G
5000
449,42
wi i ci 0,50,8 50 0,31,5 75 0,22,2 100
0,2
2,2
n3 449,42
20 grandes entreprises
100
Chap. 6 - 55
Chap. 6 - 56
Echantillonnage systmatique
Lchantillonnage systmatique est
une technique qui consiste prlever
des units dchantillonnage situes
intervalles gaux. Le choix du premier
individu dtermine la composition de
tout lchantillon.
Chap. 6 - 60
Echantillonnage systmatique
Si on connat leffectif total de la
population N et quon souhaite prlever
un chantillon deffectif n, lintervalle
entre deux units successives
slectionner est donn par :
k N
n
Chap. 6 - 61
Echantillonnage systmatique
Connaissant k, on choisit le plus
souvent, pour dbuter, un nombre
alatoire, i, compris entre 1 et k. le
rang des units slectionnes est alors
i, i+k, i+2k,
Chap. 6 - 62
Echantillonnage systmatique
Lchantillonnage systmatique est
facile prparer et, en gnral facile
excuter, il rduit le temps consacr
la localisation des units
slectionnes.
Chap. 6 - 63
Echantillonnage systmatique
Si les lments de la population se
prsentent dans un ordre alatoire
(pas de tendance) lchantillonnage
systmatique est quivalent
lchantillonnage alatoire et simple.
Par contre si les lments de la
population prsentent une tendance,
lchantillonnage systmatique est plus
prcis que lchantillonnage alatoire.
Chap. 6 - 64
Echantillonnage systmatique
Exemple :
On veut slectionner un chantillon de 30 entreprises au
sein dune population de 1800 entreprises.
k 1800 60
30
Ainsi on va tirer une entreprise toutes les 60 en partant
dun nombre tir alatoirement entre 1 et 60.
Supposons ce nombre est le 15. On va donc slectionner
la 15me entreprise puis la 75me, la 135me. jusqu la
1755me
ce qui nous donnera lchantillon de 30
entreprises.
Chap. 6 - 65
Mthodes dchantillonnage
empiriques
-
Echantillonnage priori
Echantillonnage accidentel
Il sagit dun chantillon constitu dindividus qui se
trouvaient accidentellement lendroit et au moment
o linformation a t collecte.
Enqutes ralises dans la rue, les lieux publics, en
sortie de super march
Questionnaires figurant dans les magasines et
renvoys spontanment.
Les chantillons accidentels ne peuvent tre
considrs reprsentatifs daucune population. Il est
risqu de gnraliser une population donne des
rsultats obtenus par un chantillon accidentel.
Chap. 6 - 67
Echantillonnage priori
Cest un chantillonnage par jugement
priori. Il consiste slectionner des individus
dont on pense, avant de les interroger, quils
peuvent dtenir linformation.
Le risque de ce type dchantillonnage est
de considrer des individus, apparemment
reprsentatifs de la population tudie.
Chap. 6 - 68
Echantillonnage Boule de
neige
Cette mthode est rserve aux populations
composes dindividus dont lidentification
est difficile ou qui possdent des
caractristiques rares.
La mthode consiste faire construire
lchantillon par les individus eux-mmes. Il
suffit den identifier un petit nombre initial et
de leur demander de faire appel dautres
individus
possdant
les
mmes
caractristiques.
Chap. 6 - 69
Chap. 6 - 72
20 29 ans
30 49 ans
50 60 ans
Total
Structure de
la population
40 %
35 %
25 %
100 %
Rpartition de
lchantillon
400
350
250
1000
Chap. 6 - 74
Sexe
Masculin
Fminin
Total
20 29 ans
48 %
52 %
100 %
30 49 ans
49 %
51 %
100 %
50 60 ans
45 %
55 %
100 %
Chap. 6 - 75
Sexe
Masculin
Fminin
Total
20 29 ans
192
208
400
30 49 ans
172
178
350
50 60 ans
113
137
250
Chap. 6 - 76
AGE
Sexe
Sans
Etudiant
Agric
Artisans
Prof
librales
Employs
Ouvriers
Total
10%
30%
5%
6%
9%
25%
15%
100%
15%
25%
2%
10%
8%
30%
10%
100%
8%
5%
15%
22%
15%
15%
20%
100%
20%
4%
10%
16%
14%
24%
12%
100%
6%
2%
25%
22%
18%
17%
10%
100%
35%
1%
20%
20%
6%
13%
5%
100%
CSP
20-29
30-49
50-60
Chap. 6 - 77
AGE
20-29
30-49
50-60
Sexe
Sans
Etudiant
Agric
Artisans
Prof
librales
Employs
Ouvriers
Total
19
58
10
12
17
48
28
192
31
52
21
17
62
21
208
14
26
38
26
26
33
172
36
18
28
25
43
21
178
28
25
20
19
12
113
48
27
27
18
137
CSP
M
Chap. 6 - 78
Test de reprsentativit de
lchantillon
Pour valider les rsultats de l'tude, et
pour minimiser la marge d'erreur, il est
indispensable
de
vrifier
la
reprsentativit de lchantillon.
Chap. 6 - 79
Test de reprsentativit de
lchantillon
- Mise en tableau des rsultats
- Test de reprsentativit
Chap. 6 - 80
Chap. 6 - 81
Test de reprsentativit
Appel test dajustement ou test Khi-deux, ce test est
destin tester si lchantillon observ peut tre
considr comme reprsentatif de la population
tudie. Pour cela on a besoin de connatre les
caractristiques de la population. Le test d'ajustement
consiste calculer la valeur de la statistique khi-deux
qui permet d'valuer les carts entre les frquences
observes dans l'chantillon et les frquences
thoriques correspondantes la population tudie.
Lorsque les carts seront petits, on acceptera la
reprsentativit, sinon on la rejettera.
Chap. 6 - 82
Test de reprsentativit
- Formuler une hypothse nulle
- Calculer la valeur de Khi-deux
observ
- Dterminer la valeur de Khi-deux
thorique
- Rsultat du test de reprsentativit
Chap. 6 - 83
Chap. 6 - 84
Chap. 6 - 85
Test de reprsentativit :
exemple
Une enqute a t ralise au prs dun
chantillon de 400 individus prlev au sein
dune population cible de 4 millions
d'individus. Les donnes que l'on possde
sur cette population sont les suivantes :
Hommes 48% soit 1,92 millions dhommes
Femmes 52% soit 2,08 millions de femmes
Chap. 6 - 89
Test de reprsentativit :
exemple
Sexe
Hommes
Femmes
Total
Niveau dinstruction
Effectifs
Effectifs
Aucun
Primaire
Secondaire
Formation professionnelle
Suprieur
35
30
15
13
7
672000
576000
288000
249600
134400
50
25
10
10
5
1040000
520000
208000
208000
104000
1712000
1096000
496000
457600
238400
Total
100
1920000
100
2080000
4000000
Chap. 6 - 90
Test de reprsentativit :
exemple
Caractristiques de lchantillon :
Sexe
Hommes
Femmes
Total
Niveau dinstruction
Effectifs
Effectifs
Aucun
Primaire
Secondaire
Formation professionnelle
Suprieur
32
28
18
14
8
61
54
35
27
15
54
23
12
8
3
112
48
25
17
6
173
102
60
44
21
Total
100
192
100
208
400
Chap. 6 - 91
Test de reprsentativit :
exemple
Mise en tableau des rsultats
Sexe
Niveau dinstruction
Aucun
Primaire
Secondaire
Formation professionnelle
Suprieur
Total
Hommes
Femmes
Effectifs
thoriques
Effectifs
observs
Effectifs
thoriques
Effectifs observs
67,2
57,6
28,8
24,96
13,44
61
54
35
27
15
104
52
20,8
20,8
10,4
112
48
25
17
6
192
192
208
208
Chap. 6 - 92
Test de reprsentativit :
exemple
Hypothse nulle :
lchantillon observ est reprsentatif
de la population tudie.
Chap. 6 - 93
Test de reprsentativit :
exemple
Khi-deux observ = [(61-67,2)/67,2 + (5457,6)/57,6 + (35-28,8)/28,8 + (2724,96)/24,96+(15-13,44)/13,44+ (112104)/104+(48-52)/52+(2520,8)/20,8+(17-20,8)/20,8+(610,4)/10,4]
Khi-deux observ = 6,80
Chap. 6 - 94
Test de reprsentativit :
exemple
Khi-deux thorique : si on se fixe un seuil
de confiance =5%, on se reporte la table
de distribution de Khi-deux, et on cherche la
valeur correspondante une probabilit
gale (1-)=0,95 et un nombre de "degrs
de libert (ddl)" gale (10-1)=9, on trouve :
Khi-deux thorique = 16,92
Chap. 6 - 95
Test de reprsentativit :
exemple
Rsultat du test de reprsentativit
Khi-deux thorique est strictement
suprieur au Khi-deux observ,
l'hypothse nulle est accepte. Donc
l'chantillon est reprsentatif de la
population tudie.
Chap. 6 - 96
Redressement de lchantillon
Si l'chantillon slectionn n'est pas
reprsentatif de la population tudie, aprs
le test, il est ncessaire de le redresser. On
redressera l'chantillon si par exemple
certaines caractristiques de la population
sont
sur-reprsentes
ou
sousreprsentes. On peut ainsi tirer de
l'chantillon
original
un
chantillon
reprsentatif.
Chap. 6 - 97
Redressement de lchantillon
Pour redresser l'chantillon, il existe
deux mthodes distinctes :
- Redressement par extraction
- Redressement par substitution
Chap. 6 - 98
FEMMES: 45%
FEMMES:
Chap. 6 - 100
FEMMES : 55%
900 individus.
1100 individus.
Redressement de lchantillon
- la mthode par extraction est intressante si on sonde
plus de 1000 personnes
- la mthode par substitution est valable si le diffrentiel
de redressement est infrieur
30%.
- Si l'chantillon n'est pas reprsentatif, et quon ne peut
utiliser aucune des mthodes, il nous faut
administrer de nouveaux questionnaires. C'est
pourquoi il faut vrifier le plus tt possible la
reprsentativit de l'chantillon et tout de suite le
redresser.
Chap. 6 - 108
ELABORATION DU
QUESTIONNAIRE
Un questionnaire est un ensemble de questions construit
dans le but de gnrer linformation ncessaire
laccomplissement des objectifs dune tude.
La caractristique essentielle dun questionnaire est dtre
un instrument de standardisation de linformation
collecte dans une enqute. En effet si chaque rpondant
voit ou entendra les mmes questions, les informations
recueillies, cest dire les rponses, seront donc
comparables pour lensemble des rpondants.
Chap. 6 - 109
ELABORATION DU
QUESTIONNAIRE
La construction dun questionnaire,
dans son fond comme dans sa forme,
doit inciter le rpondant cooprer,
se sentir impliqu et donner des
rponses compltes et exactes aux
questions qui lui sont poses.
Chap. 6 - 110
Chap. 6 - 112
Quel ge avez-vous ?
Combien denfant charge avez-vous ?
Combien de Km par mois effectuez-vous
avec votre voiture ?
2. Fminin
Chap. 6 - 118
Chap. 6 - 119
Echelles catgories
spcifiques
-
Echelle de Likert
Diffrentiel smantique
Echelles dintention
Chap. 6 - 122
Echelle de Likert
Cette chelle a pour but de mesurer
lattitude dun individu celui-ci attribut
une liste de propositions relatives
lobjet tudi une note indiquant son
degr daccord ou de dsaccord, avec
chacune des propositions nonces.
Chap. 6 - 123
Echelle de Likert
Pour vous, protger lenvironnement a consiste :
Pas
ni en accord
daccord
ni en dsaccord
Utiliser des
lessives sans
1
2
3
4
5
Phosphates.
tout fait
daccord
6
Traiter les
Dchets
Mnagers.
Acheter
des produits
emballs.
7
Chap. 6 - 124
Diffrentiel smantique
Chap. 6 - 125
Diffrentiel smantique
Pour vous, ladministration X est :
Extrmem
ent
Trs
Assez
Sans
opinion
Assez
Trs
Extrmem
ent
Agrable
Dsagrab
le
Active
Inactive
Moderne
Dpass
Proche du
public
Eloigne
du public
Chap. 6 - 126
Faible
moyen
Bon Extrmement
Bon
BMW
10
20
30
40 50
60
70
80
90
100
Ford
10
20
30
40 50
60
70
80
90
100
Chap. 6 - 128
Echelles dintention
Chap. 6 - 129
Echelles dintention
Si Mc Donald ouvrait prs de ton lieu de travail :
Je ne prendrais
Certainement pas
Mon djeuner
je prendrais mon
djeuner Mc Donald
cest sr
A Mc Donald
Chap. 6 - 130
Echelles nominales
(ou catgorielles)
Quand une mesure est de nature
nominale,
les
nombres
jouent
uniquement un rle dtiquettes
permettant didentifier des objets, des
proprits ou des vnements. Les
chiffres utilises nont aucune relation
entre eux : ni ordre, ni distance, ni,
origine.
Chap. 6 - 132
Echelles nominales
(ou catgorielles)
Quelle est votre situation familiale ?
1. Clibataire
2. Mari
3. Divorc
4. Veuf
5. Spar
Chap. 6 - 133
Echelles Ordinales
Le niveau de mesure ordinal identifie
une relation dordre entre les
proprits des objets tudis. Les
chiffres utiliss ont une relation dordre
mais aucune relation de distance, ils
ne permettent pas de mesurer le degr
de diffrence entre les objets.
Chap. 6 - 134
Echelles Ordinales
Classer les 4 types de produit suivants
chaque caractristique :
Produit
caractristique
Huile
Dolive
Beurre
Huile de
Tournesol
Margarine
Facilit de gestion
Got
Facilit dutilisation
Qualit nutritionnelle
Chap. 6 - 135
Chap. 6 - 136
Chap. 6 - 137
Chap. 6 - 138
Chap. 6 - 141
1. Prsentation de lenquteur et
de lenqute
-
Chap. 6 - 143
2. Questions dintroduction
Chap. 6 - 144
3. Questions qualifiantes
Elles sont utiles si on a besoin de
savoir
si
lindividu
possde
linformation recherche. Elles sont
souvent de forme dichotomique. Elles
permettent dorienter le rpondant
des
parties
spcifiques
du
questionnaire.
Chap. 6 - 145
Chap. 6 - 146
5. Questions spcifiques
Cest le cur du questionnaire, les
questions doivent amener les informations
les plus importantes pour ltude.
A ce stade, le rpondant sest imprgn de
lesprit de ltude et a nou une relation de
sympathie avec lenquteur, on peut donc lui
demander des efforts de rflexion ou des
informations personnelles.
Chap. 6 - 147
6. Questions didentification
Chap. 6 - 148
Chap. 6 - 149
Codage du questionnaire
Le codage dun questionnaire a pour but de faciliter la
transformation des informations dun tat brut un
tat qui va permettre leur traitement statistique.
Normalement, le codage doit tre fait ds la rdaction
des questions.
La codification vise faciliter la saisie, et lanalyse
des donnes. Elle consiste donner chaque rponse
un code. (un chiffre, une lettre ou les deux)
Chap. 6 - 150
Codage du questionnaire
- Identification des variables relatives chaque question.
- Prvoir un code pour les non-rponses
Ce code indique que linformation recherche na pas pu tre
recueillie. Le rpondant refuse ou oublie de rpondre, lenquteur
oublie de reporter la rponse.
Eviter dutiliser le code zro. On doit utiliser un code qui ne peut
pas tre utilis comme rponse. De prfrence retenir le mme
code pour tout le questionnaire. Par exemple 99.
Chap. 6 - 151
Codage du questionnaire
- Prvoir lidentification individuelle du questionnaire et de
lenquteur
Cette identification permet un contrle posteriori de la qualit
du travail effectu.
Lidentification se fait en gnral par un code 4 chiffres. Les
deux premiers chiffres indiquent qui tait lenquteur et les deux
suivants le Numro du questionnaire pour cet enquteur.
Chap. 6 - 152
Codage du questionnaire
Les questions fermes sont codifies
au moment de llaboration du
questionnaire. Les questions ouvertes
sont codifies aprs ladministration de
tous les questionnaires. Il est
prfrable de lire un chantillon ou la
totalit des questionnaires avant de
dcider la codification en fonction des
gammes de rponses.
Chap. 6 - 153
Codage du questionnaire
Le code doit avoir les caractristiques suivantes :
-
La fiabilit
: une mme rponse doit avoir le
mme code;
Lexhaustivit
: le code doit tre complet;
Lexclusivit : une rponse donne ne doit pas
avoir plus quun code.
Chap. 6 - 154
Codage du questionnaire
Le codage doit se faire directement sur le support
de lenqute.
Un contrle est ncessaire pour dtecter et
corriger les erreurs qui peuvent se produire lors
de la codification. Pour cela, un double codage
est parfois intressant, si non un contrle dun
chantillon alatoire de questionnaires est
ncessaire.
Chap. 6 - 155
Chap. 6 - 156
SAISIE
CONTROLE
Le contrle consiste dtecter parmi
les donnes saisies ceux jugs
errons pour les corriger ou les
liminer. Cette opration est appele
puration des donnes, Elle comporte
les deux tapes suivantes :
Chap. 6 - 158
CONTROLE
- Contrle de validit
- Contrle de cohrence
Chap. 6 - 159
Contrle de validit
Il consiste vrifier pour chaque
variable si les codes ou les donnes
saisis correspondent bien aux codes
prvus lors de la codification ou au
domaine de dfinition de la variable.
Le contrle de validit peut se faire
grce llaboration de tableaux de
frquences.
Chap. 6 - 160
Contrle de cohrence
Il consiste vrifier la cohrence des renvois
prvus dans le questionnaire, cest dire
vrifier pour certaines variables si les codes
ou les donnes saisis concordent bien avec
les codes ou les donnes saisis dautres
variables.
Le contrle de validit peut se faire grce
llaboration de tableaux de frquences
conditionnelles.
Chap. 6 - 161
Chap. 6 - 163
ANALYSE UNIDIMENSIONNELLE
(ou uni-varie)
- TRIS A PLAT
- REPRESENTATIONS GRAPHIQUES
- LA REDUCTION DES DONNEES
Chap. 6 - 164
TRIS A PLAT
Chap. 6 - 165
Nombre de touristes
(frquences absolues)
Franaise
Allemande
Italienne
Hollandaise
Belge
amricaine
Autres nationalits
85
106
62
44
40
70
93
17 %
21,2 %
12,4 %
8,8 %
8%
14,0 %
18,6 %
Total
500
100 %
Chap. 6 - 167
Nombre
d'employs
0
1
2
3
4
5
6
7
Nombre de
commerants
proportion des
commerants
Frquences
absolues
cumules
croissantes
Frquences
absolues
cumules
dcroissantes
Frquences
absolues
cumules
dcroissantes
Frquences
absolues
cumules
dcroissantes
50
100
200
150
120
160
130
90
5%
10 %
20 %
15 %
12 %
16 %
13 %
9%
50
150
350
500
620
780
910
1000
1000
950
850
650
500
380
220
90
5%
15 %
35 %
50 %
62 %
78 %
91 %
100 %
100 %
95 %
85 %
65 %
50 %
38 %
22 %
9%
Chap. 6 - 169
Chap. 6 - 171
Chap. 6 - 172
Chap. 6 - 173
poids en kilogramme de 80
personnes
68
84
75
82
68
90
62
88
76
93
73
79
88
73
60
93
71
59
85
75
61
65
75
87
74
62
95
78
63
72
66
78
82
75
94
77
69
74
68
60
96
78
89
61
75
95
60
79
83
71
79
62
67
97
78
85
76
65
71
75
65
80
73
57
88
78
62
76
53
74
86
67
73
81
72
63
76
75
85
77
Chap. 6 - 174
poids en kilogramme de 80
personnes
Poids
50-54
55-59
60-64
65-69
70-74
75-79
80-84
85-89
90-94
95-99
TOTA
L
Nombre
de
personne
s
1
2
11
10
12
21
6
9
4
4
80
Nombre de personnes
cumul
croissant
dcroissan
t
1
3
14
24
36
57
63
72
76
80
80
79
77
66
56
44
23
17
8
4
Pourcentage
1,25 %
2,5 %
13,75 %
12,5 %
15 %
26,25 %
7,5 %
11,25 %
5%
5%
100 %
Pourcentage cumul
croissant
dcroissa
nt
1,25 %
3,75 %
17,5 %
30 %
45 %
71,25 %
78,75 %
90 %
95 %
100 %
100 %
98,75 %
96,25 %
82,5 %
70 %
55 %
28,75 %
21,25 %
10 %
5%
Chap. 6 - 175
REPRESENTATIONS
GRAPHIQUES
Bien qu'un tableau statistique renferme toute l'information
rassemble, il est trs utile de le traduire par un
graphique. La reprsentation graphique d'une distribution
de frquences permet de visualiser et de dceler ses
principales caractristiques.
Selon la nature du caractre tudi on utilise diffrents
modes de reprsentations graphiques. Le principe des
diffrents graphiques est le respect de la proportionnalit
entre les frquences et les surfaces.
Chap. 6 - 176
Chap. 6 - 177
n o m b r e d e t o u r is t e s
106
93
85
80
70
62
60
44
40
HOL
B EL
40
20
0
FR
AL
IT
USA
autres
nationalit
Chap. 6 - 178
Diagramme circulaire ou
graphique secteurs
nationalit des touristes visitant le Maroc
17%
19%
14%
21%
8%
9%
FR
BEL
AL
USA
12%
IT
autres
HOL
Chap. 6 - 179
Autres modes de
reprsentations graphiques
autres
93
USA
B EL
HOL
IT
70
40
44
62
AL
FR
106
85
Chap. 6 - 180
USA
BEL
HOL
IT
AL
FR
20
a u t re s
40
Chap. 6 - 181
Autres modes de
reprsentations graphiques
autres
FR
USA
AL
BEL
HOL
IT
Chap. 6 - 182
FR
AL
IT
HOL
B EL
USA
autres
Chap. 6 - 183
Chap. 6 - 184
Diagramme en btons
n o m b re d e
c o m m e r a n ts
200
150
100
160
120
130
90
50
nombre d'employs
Chap. 6 - 185
Polygone de frquences
n o m b re d e
c o m m e r a n ts
nombre d'employs
Chap. 6 - 186
1000
780
800
500
600
620
350
400
200
1000
50
150
0
0
Chap. 6 - 187
Chap. 6 - 188
HISTOGRAMME
poids en kilogramme de 80 personnes
25
21
20
15
11
10
5
10
12
9
6
90- 94
95- 99
0
50-54
55- 59
60-64
65- 69
70- 74
75- 79
80- 84
85- 89
P o ids en Kg
Chap. 6 - 189
LA REDUCTION DES
DONNEES
On a vu qu'on peut dcrire les donnes
brutes l'aide des tableaux statistiques et
des graphiques. La rduction des donnes
est une troisime mthode danalyse des
donnes, elle a pour objet le calcul de
paramtres statistiques qui permettent de
caractriser de faon simple les sries
statistiques
et
les
distributions
de
frquences. On distingue plusieurs types de
paramtres statistiques :
Chap. 6 - 190
LA REDUCTION DES
DONNEES
- Les paramtres de position
- Les paramtres de dispersion
- Les paramtres de forme
Chap. 6 - 191
Chap. 6 - 192
Chap. 6 - 193
Chap. 6 - 194
Moyenne
On peut rduire un ensemble d'observations en
une seule observation constante appele
moyenne. La moyenne est donc une valeur telle
que, c'est comme si toutes les observations
taient gales cette valeur. La moyenne peut
tre simple si toutes les observations ont le
mme poids, ce qui n'est pas toujours le cas. La
moyenne pondre intervient dans le cas o les
observations n'auraient pas la mme importance.
Il s'agit d'associer chaque observation un
coefficient de pondration indiquant son poids
parmi les autres observations.
Chap. 6 - 195
Moyenne arithmtique
qu'on appelle couramment moyenne,
d'une srie de plusieurs observations
est gale la somme de toutes les
observations divise par le nombre de
ces observations.
Chap. 6 - 196
Moyenne gomtrique
elle est calcule pour des
observations positives. Elle est
gale la racine nme du produit de
toutes les observations. Elle est
utilise principalement lorsqu'on
raisonne
en
taux
(taux
de
croissance).
Chap. 6 - 197
Moyenne harmonique
elle est gale l'inverse de la
moyenne arithmtique des inverses
des observations. Son usage s'impose
lorsque la variable statistique est un
quotient (cot moyen, vitesse moyenne
etc. ).
Chap. 6 - 198
Le mode
Chap. 6 - 199
La mdiane
La mdiane d'une variable statistique est une
valeur pour laquelle, la moiti des observations
lui sont infrieure ou gales et la moiti
suprieure ou gales. La mdiane partage donc
le nombre total d'observations en deux parties
gales. La mdiane est un paramtre statistique
qui ne dpend que du nombre d'observations.
pour dterminer la mdiane, il faut raisonner en
terme de frquences cumules, la mdiane est
alors la valeur de la variable qui correspond la
moiti de l'effectif total.
Chap. 6 - 200