Échantillonnage aléatoire stratifié

Analyser des données d’enquête en Python

EbunOluwa Andrew

Data Scientist

Qu'est-ce que l'échantillonnage aléatoire stratifié

L'échantillonnage stratifié reflète mieux la {{1}} de la population
La population est divisée en unités distinctes (strates) selon des attributs similaires
On rééchantillonne pour que les proportions correspondent à celles de la population

Changement démographique illustrant la diversité croissante d'une population

Pourquoi utiliser l'échantillonnage stratifié ?

Réduit le biais de sélection
Améliore la représentativité de certains groupes
Exemples :
- Estimer le revenu de populations variées
- Estimer des résultats de sondages électoraux
- Estimer l'espérance de vie

Compteur manuel comptant le nombre de personnes

Quand ne pas utiliser l'échantillonnage stratifié

Les sous-groupes ne doivent pas se chevaucher
- Un sujet dans plusieurs groupes → risque de mauvaise représentation
Exemple de chevauchement dans une question d'enquête
- Depuis combien de temps travaillez-vous à votre poste actuel ?
  - 1–2 ans
  - 2–4 ans

femme pensante

Résultats de l'enquête sur le travail sur site chez ABC

| employee_id | gender | onsite_work |
|-------------|--------|-------------|
|    fffe6838 | Male   | Yes         |
|   fffe12184 | Female | Yes         |
|    fffe9404 | Female | Yes         |
|   fffe17578 | Male   | Yes         |
|   fffe22257 | Female | Yes         |
|    fffe6217 | Male   | Yes         |
|    fffe7828 | Female | Yes         |
|   fffe18192 | Male   | Yes         |
|    fffe2839 | Female | Yes         |
|   fffe16173 | Female | Yes         |

Vérifier les proportions dans la population

survey.gender.value_counts(normalize=True)

Female    0.556
Male      0.444
Name: gender, dtype: float64

Tracer les proportions dans la population

import pandas as pd
import matplotlib.pyplot as plt

survey.gender.value_counts().plot.pie()

Ratio femmes/hommes dans l'enquête

Exemple d'échantillonnage stratifié

strat_sample = 
survey.groupby(
  'gender', group_keys = False).apply(
  lambda x: x.sample(frac = 0.1))

| employee_id | gender | onsite_work |
|-------------|--------|-------------|
|    fffe4934 | Female | Yes         |
|    fffe3958 | Female | Yes         |
|      fffe18 | Female | Yes         |
|     fffe283 | Female | Yes         |
|   fffe20382 | Female | Yes         |
|    fffe8721 | Male   | Yes         |
|    fffe5955 | Male   | Yes         |
|    fffe7081 | Male   | Yes         |
|     fffe353 | Male   | Yes         |
|    fffe1765 | Male   | Yes         |

Vérifier les proportions dans l'échantillon

Population d'origine

survey.gender.value_counts(normalize=True)

Échantillon stratifié

strat_sample.gender.value_counts(
  normalize=True))

Female    0.556
Male      0.444
Name: gender, dtype: float64

Female    0.56
Male      0.44
Name: gender, dtype: float64

Passons à la pratique !

Analyser des données d’enquête en Python