Cours d'ntroduction aux statistiques descriptives et tests d'hypothèses enseigné auprès de DUT 2e année en Publicité de Bordeaux. Date de 2012.

1.  
Clément Dussarps

2. Clément Dussarps 2

3.  Expliquer des comportements (humains notamment)
 Identifier des liens entre publics et comportements :
comprendre un public
 Faire des groupes (typologies)
 Comparer des publics
 Comparer des comportements à des instants différents
 Valider ou non des hypothèses
 …
=> Des outils pour observer, analyser, expliquer,
comprendre
Clément Dussarps 3
?

4.  Votre mémoire !
 Observer des différences de comportements vis-à-vis de
marques (qui achète quoi, quand, combien…)
 Analyser l’impact d’une campagne publicitaire (existe-t-il
des différences significatives par rapport à avant la
campagne ?)
 Déterminer des profils pour mieux cibler une campagne
de communication (qui va acheter quoi, etc.)
 Suivre son public, le connaître
 …
Clément Dussarps 4

5. A la fin de la séance, vous devez être capable de…
 Choisir, pour une enquête à réaliser, entre un
échantillonnage probabiliste et non probabiliste
 Déterminer les objectifs d’une enquête
 Concevoir un questionnaire
 Formuler des hypothèses
 Construire un questionnaire sur Sphinx
 Saisir des réponses sur Sphinx
Clément Dussarps 5

6. Clément Dussarps 6
Date Etapes
26 septembre
Cours : bases de l’échantillonnage, construction questionnaire,
présentation du sujet ministériel, proposer ensemble des objectifs
Sphinx : faire 5 questions & saisie de réponses (5 individus)
Intersession (1 semaine)
Relire cours, finir exercices
Faire groupes, proposer des objectifs & hypothèses
03 octobre
Cours : bases du traitement des données, validation d’hypothèses
(khi-2), analyse multivariée (AFC)
Sphinx : traitements de données
Intersession (2 semaines)
Relire cours, finir exercices
Proposer questionnaire
17 octobre
Se mettre d’accord sur un questionnaire
Tester questionnaire entre nous
Intersession (4 semaines) Administration du questionnaire (10 rép. / personnes)
14 novembre Accompagnement pour traitement, dossiers, etc.
Intersession (3 semaines)
Dossiers à faire (rapport d’enquête par rapport à une question
précise)
05 décembre Présentation orale des dossiers + bilan

7. Clément Dussarps 7
3 notes
 Note globale sur les exercices rendus coeff. 1
 1 note présentation orale coeff. 1
 1 note dossier écrit coeff. 2

8.  
Clément Dussarps

9. Population de référence (ou mère) :
Clément Dussarps 9
Penser à bien la définir :
- « Etudiants en IUT
Publicité 2ème année à
Bordeaux »
- « Bûcherons Québecois
de moins de 35 ans »
- « Femmes de 35 à 50
ans, qui ont au moins 1
enfant, et regardent TF1 au
moins 1 fois par semaine»
- « Français en âge de
voter (> 18 ans) »
?

10. 10
 Un sac de billes (nombreuses !)
 Homogénéité (répartition ?)
 Un sac de 10000 billes ?
Tirer 100 billes
Taux de sondage = 1%
 Un sac de 1000 billes ?
Tirer 100 billes aussi !
10 seraient insuffisantes
Taux de sondage = 10%
Clément Dussarps
?

11. 11
 Ce que l’on veut :
o Précision acceptable
o Représentativité
 Limites = budget, temps
 Pour doubler la précision
= échantillon x4
Clément Dussarps

12. Clément Dussarps 12
 Recensement : faire l’appel dans une classe de 20
étudiants
 Sondage = 1000 personnes sur 65 millions de
personnes
 Recensement = 65 millions de personnes ou x foyers
 Différence d’objectifs
 Différence de coût
 Rapport coût/résultat

13. Population de référence (ou mère) :
Clément Dussarps 13

14. Echantillon (généralité) = une partie de la population
Clément Dussarps 14
L’échantillon est analysé.
A terme, il n’a de valeur que
pour en tirer des
conclusions sur la
population totale.

15. Echantillonnage aléatoire
Clément Dussarps 15
La population de référence
est connue et listée
On choisit x personnes sur
la population, sans aucune
pondération
(tirage aléatoire, chacun a
autant de chance qu’un
autre d’être sélectionné)
Représentatif de la
population (a priori), si elle
est homogène.

16. Echantillonnage stratifié
Clément Dussarps 17
La population de référence
est connue et listée
On « stratifie » les groupes,
on les répartis en sous-
groupes, par ex par rapport
:
- au genre
- à l’âge
- à la CSP
Les sous-groupes ne sont
pas toujours de tailles
équivalentes.

17. Echantillonnage en grappes (d’individus)
Clément Dussarps 18
La population de référence
est connue et listée
Ici, les grappes sont
« parfaites » (homogènes,
même taille)
Ex : choisir 10 immeubles
et frapper à toutes les
portes.
Les grappes sont-elles
homogènes ?
Les individus d'une même
grappe vérifient au moins
une même caractéristique
(âge, CSP…).

18. Echantillonnage : quotas
Clément Dussarps 20
On a certains éléments de
la population de référence.
Ex : 500 femmes, 500
hommes, 250 individus <
25 ans, etc.
On respecte les proportions
de la population selon
certains choix (ex : respect
du genre, de l’âge, de la
CSP…). Ex : en utilisant
une base INSEE
Il faut bien préparer les
groupes et classes de
population (ex pour l’âge).

19. Echantillonnage : de jugement
Clément Dussarps 21
Sélection de personnes (ou
types de personnes) jugées
pertinentes pour l’étude.

20. Echantillonnage : de convenance, volontaire
Clément Dussarps 22
On connaît mal la
population de référence.
Envoi d’e-mails à toute une
population, abonnés d’un
journal, sondage dans la
rue sans méthode, etc.
Risque : tomber sur des
très contents ou très
mécontents (les
« énervés » et les
« youpiya »)
=> Qui sont les non
répondants ?

21. Non probabiliste
 Quotas
 Jugement
 Convenance
o Choix raisonné (déductif)
pour les quotas/panels
o Population un peu
connue, mais sans liste
complète
Clément Dussarps 23
Probabiliste
 Aléatoire
 Stratifié
 En grappes
o Hasard
o Population connue
(liste)

22.  Quelle méthode choisir ?
o Probabiliste :
• la population est parfaitement connue (liste des différents individus).
Pour l’aléatoire simple, seule la liste suffit (pas les caractéristiques)
• Rarement applicable du fait de cette condition
• Peut être coûteux, personnes difficiles à avoir
o Non probabiliste (empirique) :
• La liste exhaustive de la population n’est pas connue
• On a une idée de certaines caractéristiques de la population (ex : il
y a 50% de femmes, 50% d’hommes).
• Peut s’avérer fiable, notamment avec la méthode des quotas
Clément Dussarps 24

23.  Quelle méthode choisir parmi les non probabilistes :
o Méthode des quotas
• Quand on n’a pas de base précise listant les individus (mais
quelques chiffres sur la population totale)
• Bon rapport qualité / prix
o Convenance
• Quand on n’a pas le choix : ni base précise, ni moyen d’appliquer
les quotas
• Solution de facilité
• Représentativité rarement fiable
• Echantillon éventuellement redressable
o Panel / cohortes
• Etude longitudinale (sur le temps) auprès d’un public précis
(ex : consommateurs d’un produit)
Clément Dussarps 25
?

24.  Combien de personnes questionner ?
o Tout dépend du budget, du temps, de la qualité souhaitée
(précision)…
o Pour être précis, le nombre de personnes dans l’échantillon n’est
pas nécessairement proportionnel au nombre de personnes
dans la population (ex : interroger 400 personnes VS interroger
800 personnes ne veut pas dire = précision x 2)
o Peut être arbitraire (ex : on interroge 1 personne sur 10 = 10%)
o Il est possible de redresser l’échantillon après enquête pour le
faire correspondre aux quotas fixés
o Il existe aussi un calcul…
Clément Dussarps 26

25.  Calculer la taille d’un échantillon
Clément Dussarps 27
DES
MATHEMATIQUES !!!
Des défibrillateurs sont disponibles
pour les arrêts cardiaques éventuels

26.  Calculer la taille d’un échantillon (quotas)
t = niveau de confiance à 95% = 1,96
m = marge d’erreur à 5% = 0,05
p = proportion de la variable étudiée dans la
population (ex : 20% = 0,20) // si inconnue, prendre
50%
N =
Clément Dussarps 28
t² x p (1-p)
m²

27.  Il existe aussi des calculs pour estimer l’intervalle de
confiance…
 Pour en savoir plus : Google est votre ami
Clément Dussarps 29

28.  Enquête biaisée : échantillon non représentatif, à cause
d’une erreur volontaire ou non sur l’échantillonnage.
 Exemple : faire un sondage sur les consommateurs d’un magasin, en
interrogeant les personnes passant par une sortie et pas une autre, un
mercredi après-midi… (échantillon de convenance, administration mal
gérée !)
 Exemple 2 : choisir une population de personnes abonnées à L’Humanité
pour étudier les intentions de vote de la population française)
Clément Dussarps 30
?

29.  
Clément Dussarps

30. Clément Dussarps 32
 Individu = « unité statistique élémentaire » (Martin, 2005)
o Humains
o Foyers (et parfois : foyers + individus)
o Communes
o Etc…
 Variables : éléments étudiés (ex : l’âge) = questions
posées
 Modalités : réponses possibles (« modalités de
réponse ») Variable Donnée
Année de naissance 1990
Commune de résidence Bordeaux
Fréquence des soirées festives > 3 par semaine

31. Clément Dussarps 34
 Fermées à choix unique
 Fermées à choix multiples

32. Clément Dussarps 35
 Fermées à choix multiples ordonnées
 Fermées échelle :

33.  Types d’échelles :
o « Très satisfait », « plutôt satisfait », « plutôt pas satisfait »,
« insatisfait »
o Numérique : 0, 1, 2, 3… Préciser le sens de l’échelle (ex : 0 =
négatif, absence… ; 3 = très bien, très présent…)
 Conseil (discutable) : choisir un nombre de valeurs pair.
Cela évite les « valeurs refuge »
Exemple : « TS », « PS », « Ni satisfait, ni insatisfait », « PPS », « IS »
 Même si cela empêche la liberté de la neutralité…
Clément Dussarps 36

34. Clément Dussarps 37
 Ouverte numérique :
 Ouverte texte (alphanumérique) :

35.  
Clément Dussarps

36.  Définir l’objectif global de l’enquête
 Définir la population de référence
 Définir un échantillon :
o Type d’individus : personnes, foyers, communes…
o Périmètre géographique : où a lieu l’enquête et jusqu’où ?
o Date : quand a lieu l’enquête ?
o Si stratification/quotas : quelles données doivent servir pour le tri
(genre, âge, CSP…) ?
 Définir les données à recueillir
=> Méthode projet : QQOQCP : qui, quoi, où, quand,
comment, pourquoi ?
Clément Dussarps 39

37.  Pourquoi ? Objectifs de l’enquête
 Qui ? Public
 Quoi ? Quelle forme a l’étude (sondage,
recensement…), quelles questions poser
 Où ? Périmètre de l’enquête
 Quand ? Temporalité (judicieusement choisie)
 Comment ? Forme d’administration (passation)
Clément Dussarps 40

38.  Exemple : les fumeurs dans une promo de Pub 2A à
l’IUT de Bordeaux 3…
 Penser à être précis selon les objectifs fixés = objectifs
ici ?
Exemple de questions :
 Etes-vous fumeur : oui ; non
 Si oui, à quelle fréquence fumez-vous : …
 Si oui, êtes-vous sensible aux messages sur les paquets
…
 + données de profil
 etc. Clément Dussarps 41

39.  S’adapter à son public (quel vocabulaire ?, etc.)
 Savoir quelles données seront essentielles avant de
lancer l’enquête : sinon il manquera des données !
 Formuler des hypothèses avant
 L’ordre des questions a son importance. On préfère
souvent mettre le profil à la fin = + facile à répondre, plus
court…
 L’ordre au niveau micro a aussi son importance : éviter
d’influencer une réponse au regard d’une question posée
juste avant (ex : « mangez-vous des sandwich
(fréquence) ? » puis « pensez-vous manger sainement ?
» (échelle))
 « Règle » des trois oui : oui, oui… et oui !Clément Dussarps 42

40.  Une question ne concerne qu’un seul élément (pas de double
question)
 Eviter la négation dans une question
 Etre précis dans les réponses et exhaustif. Si nécessaire,
prévoir une réponse « Autre » à préciser en question ouverte
 Etre précis c’est aussi éviter la subjectivité. Une question du
type « êtes-vous en activité depuis longtemps ? » n’est pas
claire : « depuis combien de temps êtes-vous en activité » =
« - d’1 an, 1 an, 2 ans, 3 ans, > 3 ans »
 Eviter de donner une réponse dans la question : « ce produit
sain est-il bon pour vous ? »
 On peut rendre les réponses obligatoires, mais attention à ne
pas être trop contraignant
Clément Dussarps 43

41.  Faire attention avec les représentations, il n’est pas
toujours aisé de se projeter. Ex : « pensez-vous aller au
supermarché entre 18h et 20h dans les 3 jours à
venir ? »
 Dans tous les cas : tester le questionnaire sur un petit
nombre (5 – 10 personnes suffisent généralement pour
détecter les grosses erreurs, il en faut parfois plus pour
détecter les manques dans les questions = 30 est bien)
 Ce test permet de détecter :
o Erreurs sur la forme : manière dont sont posées les questions ou
les réponses, manque d’une modalité de réponse, etc.
o Sur le fond : manque d’informations pour conclure. Ex : profil
peu ou mal analysé au regard des objectifs
Clément Dussarps 44

42.  
Clément Dussarps

43.  Présentation du sujet traité cette année
« Soirées festives étudiantes et risques »
 Objectifs ?
 Hypothèses ?
 Questions possibles ?
Clément Dussarps 46
?

44.  Prise en main Sphinx, faire 5 questions et saisir 5
réponses
 Questions :
o 1 fermée à choix unique (ex : genre = homme / femme)
o 1 fermée à choix multiples, ordonnés (ex : quels sont vos styles
musicaux préférés parmi : Rock, Métal, Dance, Rap,
Classique…)
o 1 fermée échelle (ex : fréquence d’écoute de musique)
o 1 ouverte numérique (ex : âge)
o 1 ouverte texte (quel est votre groupe de rock favori ?)
 Choisir un ordre logique à ces questions
 Rajouter une condition (ex : ne poser la question ouverte
texte que si la personne a coché « rock »)
Clément Dussarps 47

45.  http://www.clementdussarps.fr/C1/
 Finir les exercices pour samedi 29/09/12 à 12h00 (envoyer à
clement.dussarps@u-bordeaux3.fr)
 Relire le cours – m’envoyer questions par e-mail (réponse la fois
prochaine à tous)
 Faire des groupes de 3 personnes maximum
 Proposer 3 à 5 problèmes à traiter sur le sujet de l’enquête
o « Soirées festives chez les étudiants et risques »
o Penser à ce que vous voulez cibler : la manière dont les gens perçoivent cela, ou
dont ils vivent cela, etc.
o Déterminer un échantillon possible
 Proposer des hypothèses de réponse aux problèmes posés
Clément Dussarps 48

46.  De bonnes bases sans
mathématiques :
49
 De bons savoir-faire,
regard intéressant sur les
stats :

47.  Olivier Martin, « L’enquête et ses méthodes ; l’analyse de données quantitatives », 2005, Armand
Colin.
 Bernard Py, « La statistique sans formule mathématique », 2010, Pearson.
 Nombreux cours ici (Jean-Marc Fontan, Québec) : http://www.omd.uqam.ca/membres/pages-perso/Jean-
Marc/cours/SOC1101/ - voir les cours 3, 4, 5,
 Echantillonnage : http://www.needocs.com/document/management-divers-divers-cours-d-
echantillonnage,6127
 http://www.astro.ulg.ac.be/cours/magain/stat/
 Cours complet : http://www.dunod.com/document/9782100521371/52137_AnnexesWeb_s.pdf
 Manipulation des sondages : http://www.apprendre-a-manipuler.com/medias/les-5-techniques-les-
plus-utilisees-pour-manipuler-les-sondages-dopinion-auquels-vous-repondez.html
Intéressant pour comprendre comment on peut « faire mentir » des chiffres
Clément Dussarps 50

48.  
Clément Dussarps