Regénérer
Moon Arrows Sun
Arrows

Dimensionner un sondage

Deux cents sondages comparent la garantie au risque réel : l'inégalité de Bienaymé-Tchebychev fixe la taille d'un échantillon.

Le majorant

L'inégalité de concentration majore le risque qu'une moyenne \(M_n\) s'écarte de son espérance d'au moins \(\delta\). L'écart \(\delta\) reste fixe, et seule la taille \(n\) change.

Calcule le majorant pour chaque taille, puis sonde : deux cents échantillons tombent sur l'axe. Chaque taille ne se vérifie qu'une fois.

La garantie

On renverse maintenant la question : le risque est imposé, et c'est la taille qu'on cherche. La moyenne \(M_n\) d'un échantillon de taille \(n\) doit tomber à moins de \(\delta\) de l'espérance, sauf avec un risque d'au plus \(\alpha\). L'inégalité de concentration le garantit dès que \(\frac{\sigma^2}{n\delta^2} \leqslant \alpha\).

Écris le plus petit \(n\) qui le garantit, puis sonde : deux cents échantillons de cette taille tombent sur l'axe. Quatre situations sont à réussir. Chaque situation ne se vérifie qu'une fois.

Sans connaître p

Un sondage mesure la proportion \(p\) de « oui » d'une population, que l'institut ignore : la variance d'une réponse, \(p(1 - p)\), est inconnue elle aussi.

Écris le plus petit \(n\) qui garantit la précision quelle que soit \(p\), puis sonde. Quatre situations sont à réussir. Chaque situation ne se vérifie qu'une fois.

La précision d'un échantillon

Jusqu'ici, on cherchait la taille. Ici, l'échantillon est déjà pris : la taille \(n\) et le risque \(\alpha\) sont donnés, et c'est la précision \(\delta\) qui reste à trouver.

Écris la meilleure précision garantie et sonde, puis écris la taille qui la rend plus fine et sonde à nouveau. Chaque situation ne se vérifie qu'une fois, en deux étapes.