ISO 3534-4:2014

Statistics - Vocabulary and symbols - Part 4: Survey sampling

ISO 3534-4:2014 defines the terms used in the field of survey sampling and can be used in the drafting of other International Standards.

Statistique — Vocabulaire et symboles — Partie 4: Échantillonnage d'enquête

L'ISO 3534-4:2014 définit les termes utilisés dans le domaine de l'échantillonnage d'enquête et peut être utilisée pour la rédaction d'autres Normes internationales.

General Information

• Status: Published
• Publication Date: 16-Apr-2014
• ICS: 01.040.03 - Services. Company organization, management and quality. Administration. Transport. Sociology. (Vocabularies)
• ICS: 03.120.30 - Application of statistical methods
• Technical Committee: ISO/TC 69 - Applications of statistical methods
• Drafting Committee: ISO/TC 69 - Applications of statistical methods
• Current Stage: 9060 - Close of review
• Completion Date: 04-Mar-2030

Overview

ISO 3534-4:2014 - "Statistics - Vocabulary and symbols - Part 4: Survey sampling" is an international standard that defines the terms and symbols used in the field of survey sampling. As part of the ISO 3534 series, it provides a consistent vocabulary for survey methodology, finite population sampling, sampling design and estimation. The standard is intended to be used when drafting other International Standards and by professionals who need a common statistical language for surveys.

Key topics and technical content

ISO 3534-4:2014 focuses on standardized terminology rather than prescriptive methods. Key technical topics covered include:

• Core sampling definitions: population, finite population, subpopulation, superpopulation, sample, sampling unit.
• Design concepts: sampling design, sample size, multi-stage sampling, cluster sampling, stratification and strata.
• Estimation-related terms: terms related to estimators and their properties (see Part 3.2 in the document structure).
• Practical constructs: frames, clusters, strata, and examples that illustrate different sampling contexts (e.g., censuses, checkpoints, polls).
• Supporting materials: Annexes with methodology used to develop the vocabulary, concept diagrams, an index of sampling terms and a bibliography.
• Normative references: cross-references to ISO 3534‑1:2006 and ISO 3534‑2:2006 for related statistical terminology.

The standard contains structured sections for general terms and estimation-related terms, plus informative annexes (methodology, diagrams, alphabetical/indexed term lists) to aid implementation.

Practical applications and users

ISO 3534-4:2014 is practical for anyone who designs, conducts, reports or reviews surveys and sampling studies, including:

• National statistical agencies and census bureaus
• Market researchers, pollsters and social researchers
• Survey methodologists and applied statisticians
• Standards authors, technical writers and documentation teams drafting other ISO standards that reference survey sampling terms
• Academics and educators teaching survey methodology

Using consistent vocabulary from ISO 3534-4 improves clarity in survey protocols, technical reports, standards documents, peer-reviewed papers and cross‑disciplinary collaboration.

Related standards and keywords

• Part of the ISO 3534 series: ISO 3534-1 (general statistical terms), ISO 3534-2 (applied statistics).
• Relevant search terms: ISO 3534-4:2014, survey sampling vocabulary, sampling terminology, finite population sampling, sampling design, stratification, cluster sampling, sampling unit, survey methodology.

By adopting ISO 3534-4:2014 terminology, organizations ensure consistent, internationally recognized language for survey sampling, reducing ambiguity in survey design, reporting and standards development.

Standards Content (Sample)

INTERNATIONAL ISO
STANDARD 3534-4
First edition
2014-04-15
Statistics — Vocabulary and
symbols —
Part 4:
Survey sampling
Statistique — Vocabulaire et symboles —
Partie 4: Échantillonnage d’enquête
Reference number
©
ISO 2014
© ISO 2014
All rights reserved. Unless otherwise specified, no part of this publication may be reproduced or utilized otherwise in any form
or by any means, electronic or mechanical, including photocopying, or posting on the internet or an intranet, without prior
written permission. Permission can be requested from either ISO at the address below or ISO’s member body in the country of
the requester.
ISO copyright office
Case postale 56 • CH-1211 Geneva 20
Tel. + 41 22 749 01 11
Fax + 41 22 749 09 47
E-mail [e-mail]
Web www.iso.org
Published in Switzerland
ii © ISO 2014 – All rights reserved

Contents Page
Foreword .iv
Introduction .v
1 Scope . 1
2 Normative references . 1
3 Terms and Definitions . 1
3.1 General terms . 1
3.2 Terms related to estimation.13
Annex A (informative) Methodology used to develop the vocabulary .19
Annex B (informative) Concept diagrams .21
Annex C (informative) Index of sampling terms .24
Annex D (informative) Alphabetical index of sampling terms .27
Bibliography .30
Foreword
ISO (the International Organization for Standardization) is a worldwide federation of national standards
bodies (ISO member bodies). The work of preparing International Standards is normally carried out
through ISO technical committees. Each member body interested in a subject for which a technical
committee has been established has the right to be represented on that committee. International
organizations, governmental and non-governmental, in liaison with ISO, also take part in the work.
ISO collaborates closely with the International Electrotechnical Commission (IEC) on all matters of
electrotechnical standardization.
The procedures used to develop this document and those intended for its further maintenance are
described in the ISO/IEC Directives, Part 1. In particular the different approval criteria needed for the
different types of ISO documents should be noted. This document was drafted in accordance with the
editorial rules of the ISO/IEC Directives, Part 2 (see www.iso.org/directives).
Attention is drawn to the possibility that some of the elements of this document may be the subject of
patent rights. ISO shall not be held responsible for identifying any or all such patent rights. Details of
any patent rights identified during the development of the document will be in the Introduction and/or
on the ISO list of patent declarations received (see www.iso.org/patents).
Any trade name used in this document is information given for the convenience of users and does not
constitute an endorsement.
For an explanation on the meaning of ISO specific terms and expressions related to conformity
assessment, as well as information about ISO’s adherence to the WTO principles in the Technical Barriers
to Trade (TBT) see the following URL: Foreword - Supplementary information
The committee responsible for this document is ISO/TC 69, Applications of statistical methods,
Subcommittee SC 1, Terminology and symbols.
ISO 3534 consists of the following parts, under the general title Statistics — Vocabulary and symbols:
— Part 1: General statistical terms and terms used in probability
— Part 2: Applied statistics
— Part 3: Design of experiments
— Part 4: Survey sampling
iv © ISO 2014 – All rights reserved

Introduction
Survey sampling is essentially a strategy of planning for the collection of information on a population.
In cases where all entities in the population can be listed, statistical methodologies of sampling without
replacement play a key role. The design of a survey and its implementation depends on the type of
questions to be addressed, the degree of generality to be attached to the conclusions, and ultimately, the
resources available for conducting the survey and analysis of the results.
Political polls, customer satisfaction surveys, and personal interviews are pervasive in modern society
as mechanisms to provide decision makers with information to formulate or to adjust their strategies.
The news media frequently reports results from sampling efforts that typically address a country’s pulse
with regard to political leadership. This is by no means a recent phenomenon as sampling (especially
census work) has occurred for thousands of years. Survey sampling as a general methodology and finite
population sampling as its rigorous theoretical basis are the subject areas of this part of ISO 3534.
The methodology of survey sampling consists of a process of selecting a sample of items from a
population, measuring these items, and then estimating population characteristics based on the results
from the sample. Reference [4] has defined the concept of a survey with the following description.
1) A survey concerns a set of items comprising the population.
2) A survey involves a population having one or more measurable properties.
3) A survey has an objective to describe the population according to one or more parameters defined
in terms of these properties.
4) A survey requires operationally a representation of the population (frame) such as a list of items in
order to facilitate the measurements on individual items.
5) A survey is applied to a subset of items from the frame that are selected according to a sampling
design consisting of a sample size and a probability mechanism for selection.
6) A survey proceeds via extracting measurements of the items in the sample.
7) A survey needs an associated estimation process to obtain parameter estimates for the population.
This brief introduction by no means captures all of the subtleties and advancements in survey
sampling that have evolved over the centuries and especially in the past several decades with improved
computational capabilities. Advancements have progressed in tandem with real applications.
Some definitions in this part of ISO 3534 are adopted from ISO 3534-1:2006 or ISO 3534-2:2006. If
the adopted definition is identical with the original one, reference in square brackets is added to the
definition and if some differences exist, they are noted.
INTERNATIONAL STANDARD ISO 3534-4:2014(E)
Statistics — Vocabulary and symbols —
Part 4:
Survey sampling
1 Scope
This part of ISO 3534 defines the terms used in the field of survey sampling and can be used in the
drafting of other International Standards.
2 Normative references
The following documents, in whole or in part, are normatively referenced in this document and are
indispensable for its application. For dated references, only the edition cited applies. For undated
references, the latest edition of the referenced document (including any amendments) applies.
ISO 3534-1:2006, Statistics — Vocabulary and symbols — Part 1: General statistical terms and terms used
in probability
ISO 3534-2:2006, Statistics — Vocabulary and symbols — Part 2: Applied statistics
3 Terms and Definitions
For the purposes of this document, the terms and definitions given in ISO 3534-1:2006 and
ISO 3534-2:2006 and the following apply.
3.1 General terms
3.1.1
population
totality of items under consideration
[SOURCE: ISO 3534-1:2006, 1.1]
Note 1 to entry: A population can be real and finite, real and infinite, or completely hypothetical. Of particular
interest in this part of ISO 3534 is a finite population (3.1.2). Much of the field of sample survey (3.1.20) concerns
finite populations. The term population has superceded the term universe in usage. Population should be
construed to involve a fixed point in time, as populations can evolve over time.
3.1.2
finite population
population (3.1.1) which consists of a limited number of items
Note 1 to entry: Survey sampling (3.1.21) concentrates solely on applications with a finite number of items in the
population. The number of items could be very large (for example, hybrid automobiles in Europe, artefacts in a
museum, sheep in New Zealand) but their number is finite. The number of items in the population is generally
denoted as N. The specific value of N may or may not be known explicitly prior to conducting the survey.
EXAMPLE 1 The registry of citizens of a country is an example of a finite population with a known size.
EXAMPLE 2 Although, generally, the population size N is known in advance, this situation need not be the case.
For example, the proportion of hybrid cars is of interest and observations could be taken at a checkpoint (e.g.
toll booth or toll plaza). The number of cars that pass through the booth on a given day would not be known in
advance, although the investigators would likely have a rough idea of the number from previous history. Perhaps
a digital photo is taken of a select number of these vehicles to determine if they are hybrid cars.
3.1.3
subpopulation
well-defined subset of the population (3.1.1)
Note 1 to entry: Sample surveys (3.1.20) often have multiple objectives. Although the primary objective may
concern the population as a whole, it is possible that select subsets are also of interest. For the example noted
in 3.1.2, hybrid vehicles or, alternatively, sub-compact automobiles, comprise subpopulations that may warrant
particular interest. In some situations, the actual size of the subpopulation is unknown (e.g. number of teen-aged
children among tourists visiting EuroDisney) and the interest may centre on estimating this value.
Note 2 to entry: In ISO 3534-2:2006, 1.2.3, the definition of subpopulation is “part of a population.” For survey
sampling (3.1.21), subpopulations that are well defined (specifically identifiable) are of primary interest rather
than consideration of arbitrary “parts” of a population.
EXAMPLE Children in school in a province constitute a subpopulation of residents of the province. Working
adults in the province is another subpopulation among the residents of the province. Of interest but likely to
be more difficult to identify are homeless people in the province. The size of such a subpopulation is usually
unknown.
3.1.4
superpopulation
expanded population (3.1.1) that includes the population of interest
Note 1 to entry: For inferential or assessment purposes, it can prove useful to imagine that the population of
interest is embedded in a larger population having the base population as a special case. Such a theoretical
construct facilitates the development of optimal sampling designs (3.1.28) and allows the calculation of sampling
design properties. The population of values can be treated as a random sample (3.1.10) from a hypothetical
superpopulation as opposed to a set of fixed values from which random selection is used to constitute a sample
(3.1.8). According to Reference [2], the superpopulation concept can be given several interpretations. One
of the interpretations is that the finite population (3.1.2) is actually drawn from a larger universe. This is the
superpopulation concept in its purest form. The superpopulation approach can be a useful device for incorporating
the treatment of non-sampling errors (3.2.10) in survey sampling (3.1.21).
EXAMPLE For a stable country (consistent political boundaries without immigration or emigration), a
superpopulation could be the citizenry over the centuries. Thus, a decennial census (3.1.19) in such a country
could reflect an individual observation from its population size at a specific time.
3.1.5
sampling unit
unit
one of the individual parts into which a population (3.1.1) is divided
[SOURCE: ISO 3534-2:2006, 1.2.14]
Note 1 to entry: A population consists of a number of sampling units. The population could be divided into groups
of units which are distinct, non-overlapping, identifiable, observable, and convenient for sampling. Depending
on the circumstances, the smallest part of interest can be an individual, a voucher, a household, a school district,
or an administrative unit. This definition allows for the possibility in complex settings to have distinct sampling
units comprised of varying number of units. At a high level, the sampling unit could be school districts. Within
various school districts, the sampling unit could be individual households. Within a household, the sampling unit
could be school-age children.
Note 2 to entry: Every element of the population should belong to exactly one sampling unit. In some cases, the
population consists of individual elements, subunits, or items, but owing to the purpose of the sampling study,
it may be appropriate to group the individual elements into higher-level entities which then are treated as the
sampling unit of interest. For instance, the grouping could constitute clusters (3.1.6), each of which consists of a
set of elements.
2 © ISO 2014 – All rights reserved

EXAMPLE In a multi-stage sampling (3.1.40) project, the first stage could use provinces as the primary
sampling units. In the second stage, the sampling units could be counties. In the third stage, the sampling units
could be incorporated towns.
3.1.6
cluster
part of a population (3.1.1) divided into mutually exclusive groups related in a certain manner
Note 1 to entry: For economies of sampling (3.1.16), it may be much more efficient to sample collections of sampling
units (3.1.5) that constitute clusters. Cluster sampling (3.1.38) is useful when the frame of sampling units is not
available. Cluster sampling can also be an integral part of multi-stage sampling (3.1.40), where a first-level stage
is given by towns, followed by a stage with apartment/condominium buildings as the next level cluster, and then
finally specific floors/stages/levels of the building. At the lowest level stage, all sampling units are examined.
Note 2 to entry: The definition given here differs from ISO 3534-2:2006, 1.2.28 which states “part of a population
divided into mutually exclusive groups of sampling units related in a certain manner.”
The phrase “of sampling units” is omitted in this standard to reflect sampling practices, such as multi-stage
sampling.
EXAMPLE In investigating medical insurance fraud (overpayment to the provider of medical services), it is
easier to obtain a sample (3.1.8) of patients and then examine all of their submitted claims than to consider the
population (3.1.1) of claims across many patients. Common examples of clusters include a household or residents
in a given building, agricultural fields in villages, patients of medical practitioners, and students in classes in a
school.
3.1.7
stratum
subpopulation (3.1.3) considered to be more homogeneous with respect to the characteristics investigated
than that within the total population (3.1.1)
Note 1 to entry: The plural form of stratum is strata.
Note 2 to entry: Stratification is the division of a population into mutually exclusive and exhaustive strata.
Note 3 to entry: The fundamental aspect of stratification is that the strata should be homogeneous with respect
to the characteristic of interest in the population. On the other hand, if the stratification is not related to the
characteristic of interest (but was performed for administrative convenience), there may be little or no gain in
the precision of estimation of the population characteristic of interest. Further, it is advantageous if the variable
or variables that are the basis of the stratification are highly correlated with the characteristic of interest in the
population.
Note 4 to entry: Stratification can proceed along a geographical basis with the presumption that contiguous
areas may provide more homogeneous groupings of the sampling units (3.1.5). Such stratification may also have
economic and administrative advantages in the efficiency in conducting the survey.
Note 5 to entry: A fundamental difference between cluster (3.1.6) and stratum is that a stratum ought to consist of
rather homogeneous items whereas a cluster could consist of heterogeneous items. A common example is the use
of a household as a cluster that is generally heterogeneous with respect to ages of the members of the household.
Note 6 to entry: A compatible definition is given in ISO 3534-2:2006, 1.2.29, but it is formulated slightly incorrectly.
A more correct definition is given here.
EXAMPLE Two examples are the stratification of a cat or dog population into breeds and a human population
stratified by gender and social class.
3.1.8
sample
subset of a population (3.1.1) made up of one or more sampling units (3.1.5)
[SOURCE: ISO 3534-2:2006, 1.2.17]
Note 1 to entry: The selection of the sample should occur according to some specified procedure so as to obtain
information regarding the population. The sampling units chosen in the sample could be items, numerical values,
or even abstract entities, depending on the population of interest.
Note 2 to entry: Although the definition suggests that any subset of the population could be a sample, in practice,
there is an underlying objective for constituting the sample. In other words, a sample is selected for a specific
reason in support of a survey. Even a census (3.1.19) that intends to examine every item in the population could
end up examining a subset owing to difficulties in contacting every individual in the population.
3.1.9
sample size
n
number of sampling units (3.1.5) in a sample (3.1.8)
[SOURCE: ISO 3534-2:2006, 1.2.26]
Note 1 to entry: Determination of the sample size occurs in virtually every sample survey (3.1.20) application.
A typical approach to determining the sample size is to specify a bound on the true but unknown population
characteristic to be estimated and to equate a function of the variance of the estimator to this bound. In other
words, a sample size is computed such that the estimated population characteristic is within a pre-specified
difference from the population characteristic.
Note 2 to entry: In complex surveys, the sample size refers to the ultimate number of items in the final stage in
the sampling. A further complication in surveys is that the planned sample size could be the potential sample size,
but owing to non-response (3.2.11), the actual sample size may be less than that determined by fixing the margin
of error and the level of significance. There may be a difference between planned and actual sample size due to
many possible unforeseen circumstances.
3.1.10
random sample
sample (3.1.8) constituted by a method of random selection
[SOURCE: ISO 3534-1:2006, 1.6]
Note 1 to entry: The method of random selection can be such that the actual probability of selection of sampling
units (3.1.5) in the sample cannot be determined in advance nor at the conclusion of the study. If the probabilities
of selection of each sampling unit can be determined, then the random sample is referred to more specifically as
a probability sample (3.1.13).
Note 2 to entry: When the sample of n sampling units is selected from a finite population (3.1.2), each of the possible
combinations of n sampling units will have a particular probability of being taken. For survey sampling plans
(3.1.24), the particular probability for each possible combination can be calculated in advance. The probability
of being selected need not be identical for each sampling unit, depending on the sampling design (3.1.28) chosen.
Note 3 to entry: For survey sampling (3.1.21) from a finite population, a random sample can be selected by
different sampling plans such as stratified sampling (3.1.32), systematic sampling (3.1.29), cluster sampling (3.1.38),
sampling with probability of sampling proportional to size (3.1.44) of an auxiliary variable (3.2.15), and many other
possibilities.
Note 4 to entry: Of particular interest are the actual observed values associated with the items in the random
sample. The values may be quantitative or reflect the presence of a specific characteristic. Results obtained in
the random sample provide the basis for understanding the population (3.1.1) as a whole. In particular, a random
sample is required for the use of inferential statistical methods in the context of survey sampling.
Note 5 to entry: The definition given in this entry is, as noted, the same as that given in ISO 3534-1:2006, 1.6. This
definition presumes that the concept of random selection is understood from the context of probability theory.
Less formally, randomness in survey sampling involves a chance mechanism in the choice of sampling units placed
into the sample in contrast to a systematic or deterministic manner.
3.1.11
random sampling
act of forming a random sample (3.1.10)
Note 1 to entry: The sampling (3.1.16) of n sampling units (3.1.5) is taken from a population (3.1.1) in such a way
that each of the possible combinations of n sampling units has a particular probability of being taken which can be
difficult or impossible to determine. This definition differs from that given in ISO 3534-2:2006, 1.3.5.
4 © ISO 2014 – All rights reserved

EXAMPLE A computer program that employs a random number generator could be used to obtain a random
sample from a registry of individuals in a country or province.
3.1.12
simple random sample
probability sample (3.1.13) with each subset of a given size having the same probability of selection
Note 1 to entry: This definition is in harmony with the definition given in ISO 3534-2:2006, 1.2.24, although the
wording here is slightly different.
3.1.13
probability sample
random sample (3.1.10) in which the probability of selection of every possible sample (3.1.8) can be
determined
Note 1 to entry: The selection probability (3.1.15) of each sampling unit (3.1.5) can be determined.
EXAMPLE In sampling proportional to size (3.1.44), the selection probability is related to a specific auxiliary
variable (3.2.15).
3.1.14
representative sample
sample (3.1.8) for which the observed values have the same distribution as that in the population (3.1.1)
Note 1 to entry: The notion of representative sample is fraught with controversy, with some survey practitioners
rejecting the term altogether. Reference [6] noted the following six categories of meanings of representative
sampling in the non-statistical literature and attributed these to References [7], [8], [9], and [10] from their series
of articles in the International Statistical Review:
1) general, unjustified acclaim, approbation for the data;
2) absence of selective factors;
3) mirror or miniature of the population. The sample has the same distributions as the population;
4) typical or ideal case;
5) coverage of the population. Samples designed to reflect variation, especially among strata;
6) probability sampling. A formal sampling scheme to give every element a known, positive probability of
selection.
Note 2 to entry: This definition extends the definition given in ISO 3534-2:2006, 1.2.35 to a wider class of sampling
than random sampling, to include for example judgment sampling (3.1.31). The starting point in ISO 3534-2:2006
with representative sampling is a random sample (3.1.10), whereas in this definition, the starting point is sample.
3.1.15
selection probability
number expressing the chance that a specific sampling unit (3.1.5) will be chosen
3.1.16
sampling
act of forming a sample (3.1.8)
Note 1 to entry: The general term “forming” is used since samples could arise from a random generation process,
a physical process, or a scheme that has little or no stochastic basis. Subsequent statistical inference necessitates
a random method for generating the sample, but sampling itself includes historically some methods that have
practical deficiencies.
Note 2 to entry: Sampling method is occasionally used as a synonym for sampling, although this practice is not
universal. Sampling method is also linked to sampling plan (3.1.24).
Note 3 to entry: This definition does not use “drawing” (in contrast to ISO 3534-2:2006, 1.3.1) as this suggests a
physical process of forming the sample that is not a necessary requirement.
3.1.17
sampling with replacement
sampling (3.1.16) in which each sampling unit (3.1.5) is taken and observed, returned to the population
(3.1.1) before the next sampling unit is sampled
[SOURCE: ISO 3534-2:2006, 1.3.15]
Note 1 to entry: In this case, the same sampling unit may appear more than once in the sample (3.1.8). It is possible
that groups of units are sampled and then returned to the population before additional sampling occurs. Of course,
the actual procedure used has a bearing on the associated probabilities of selection.
Note 2 to entry: In sampling with replacement, the selection probabilities (3.1.15) for the sampling units remains
unchanged for each selection and the selections are independent.
3.1.18
sampling without replacement
sampling (3.1.16) in which each sampling unit (3.1.5) is included in the sample (3.1.8) from the population
(3.1.1) once only
Note 1 to entry: In finite population (3.1.2) sampling (especially for small population sizes), the generally preferred
procedure is to use sampling without replacement since more precise estimators can be obtained. However, these
gains are at the expense of possibly complicated formulae for estimated variances.
Note 2 to entry: In sampling without replacement, the selection probabilities (3.1.15) for the sampling units change
from one selection to the next (depending on the outcomes) and, consequently, the selections are not independent.
Note 3 to entry: This definition is similar but not identical to the definition given in ISO 3534-2:2006, 1.3.16.
3.1.19
census
examination of each sampling unit (3.1.5) in a specified finite population (3.1.2)
Note 1 to entry: Many countries conduct a full headcount on a regular basis (for example, every 10 years). These
efforts are challenging since, for example, some parts of the population can be illusive (e.g. illegal immigrants)
and are difficult to include in the census. A census can also be conducted exhaustively for finite populations to
eliminate sampling error (3.2.9) at the cost of additional effort over that incurred in sampling (3.1.16). A census
may not be appropriate for countries that maintain a complete registry of its population (e.g. Denmark).
Note 2 to entry: Generally, a census is conducted with respect to a fixed timepoint and with respect to specified
characteristics. For example, the decennial census in the United States is conducted to characterize the population
as of 1 April of the year of the census.
Note 3 to entry: The intent of a census is to examine every sampling unit in the finite population, but it is recognized
that practical difficulties may occur in reaching each sampling unit and further in obtaining complete information
on the individual units.
3.1.20
sample survey
examination or analytic study of a finite population (3.1.2) using survey sampling (3.1.21)
Note 1 to entry: Sample survey comprises a vast array of tools and techniques for investigating the properties and
nature of a population (3.1.1). Questionnaires, interviews, mail surveys, and so forth come to mind as instruments
for collecting information on a population. The methodology of sample survey involves the careful selection of
samples in order to maximize the amount of information gleaned on the population relative to the effort expended.
Note 2 to entry: The objective of a sample survey is to gain extensive information and knowledge about the
population. The results of a sample survey can be of much higher quality than that which could be obtained from
a census (3.1.19) of the population, owing to the focusing of efforts and expertise on a subset of the population. In
the case of a census, the possibly overwhelming nature of exhaustively examining every item in the population
could lead to many non-sampling errors (3.2.10) that undermine the entire effort.
6 © ISO 2014 – All rights reserved

3.1.21
survey sampling
process of selecting a sample (3.1.8) of sampling units (3.1.5) from a target population (3.1.1) to obtain
information regarding the characteristics of the items in the population
Note 1 to entry: Survey sampling in every day usage often implicitly suggests the methodology and can refer to
the general field of expertise associated with investigating finite populations (3.1.2) via questionnaires, opinion
surveys (3.1.23), political polls, and customer satisfaction surveys.
Note 2 to entry: This definition differs from the definition (sampling used in enumerative or analytic studies to
estimate the values of one or more characteristics in a population or for estimating how those characteristics are
distributed across the population) given in ISO 3534-2:2006, 1.2.18, which emphasizes the objective of survey
sampling rather than the process itself as is given here.
3.1.22
pilot survey
preliminary small-scale sample survey (3.1.20)
Note 1 to entry: Prior to conducting the complete sample survey, a small-scale study is recommended to
determine if there are difficulties in the instrument, questionnaire, or the sampling design (3.1.28). For example,
in a questionnaire, it could be determined that a query is ambiguous so that the results obtained on that question
will eventually be useless. There could also be key omissions or it could be determined that the instrument itself
could be improved.
3.1.23
opinion survey
sample survey (3.1.20) with the objective of investigating public views
Note 1 to entry: Typically, an opinion survey is conducted by a written questionnaire, in-person interviews,
telephone interviews, or by electronic media. Consequently, the results of such investigations can reflect
subjective opinions or perspectives. Two common types of opinion surveys are political surveys (or polls) and
marketing surveys.
3.1.24
sampling plan
sampling design (3.1.28) including implementation details
Note 1 to entry: Sampling plan and sampling design are distinguished here in the same sense as ISO 3534-3:2013
distinguished between experimental plan and experimental design. The sampling design is restricted to the
selection of sampling units (3.1.5) according to a possibly complex probabilistic scheme, which then implies the
manner of estimation (3.2.4) to be conducted. Sampling plan includes the sampling design and details on the
complete implementation of the sampling process, including work assignments of personnel, preparation of
questionnaires, and environmental conditions in the field.
3.1.25
sampling frame
complete collection of all sampling units (3.1.5) with their identification
Note 1 to entry: A sampling frame provides an explicit representation of the population (3.1.1) of interest for
the study, generally consisting of a list. It is possible that the list may be incomplete or contain some errors. For
example, an electoral register could contain individuals who have moved out of or into the voting district, contain
individuals who are deceased since the construction of the sampling frame, could contain duplicate entries, or
even contain convicted felons who are legally not entitled to vote and should be expunged from the records.
Note 2 to entry: This definition is different from ISO 3534-2:2006, 1.2.27 to emphasize the practical limitation in
constructing the sampling frame which may be an incomplete representation of the target population.
EXAMPLE Depending on the background information on the population, the sampling frame can be simple
but explicit or, in the extreme case, highly complex. In a famous survey, Reference [11] conducted a survey in
eastern India in which the sampling frame comprised an enumeration of the fields, a list of villages, and a set of
maps in different areas. From this heterogeneous material, a sampling frame was constructed and the study then
proceeded.
3.1.26
dual frame
sampling frame (3.1.25) provided from two sources
EXAMPLE A sampling frame could include telephone numbers selected from both landlines and cell phones.
It is not apparent in advance given a phone number as to which receiver it belongs, yet this information could
prove valuable at the analysis stage. There is also a potential problem in selecting the same individual twice (once
from each source).
3.1.27
area frame
sampling frame (3.1.25) consisting of non-overlapping geographic regions
Note 1 to entry: With the increasing availability of geographic information systems and portable global positioning
systems, the capability to undertake sampling (3.1.16) projects with area frames has been improved. A practical
motivation underlying area sampling is that, for many problems, there may be no current and accurate list of
population (3.1.1) elements.
EXAMPLE If one wanted to measure candy sales in retail stores, one might choose a sample (3.1.8) of city
blocks, and then audit sales of all retail outlets on those sample blocks.
3.1.28
sampling design
complete description of the structure of the sampling (3.1.16) and the subsequent analysis
Note 1 to entry: The description refers to the type of sampling to be undertaken [simple random sampling (3.1.12),
stratified sampling (3.1.32), cluster sampling (3.1.38), and so forth] and the sample size (3.1.9) or sizes if various
groupings of the sampling units (3.1.5) are considered. The description can also include the selection probabilities
(3.1.15) for each sampling unit and possibly the probability of selection of each potential sample (3.1.8).
3.1.29
systematic sampling
sampling (3.1.16) according to a partially deterministic structural plan
Note 1 to entry: With systematic sampling, the randomization of sampling is restricted. An initial starting point
in the sampling frame (3.1.25) could be randomly selected and then every k-th item thereafter to constitute the
sample (3.1.8). In systematic sampling, there tends to be a fixed interval in time or space between items selected.
If the sampling frame possesses a cyclic pattern of a comparable length to the sampling interval, then inadvertent
biases or excessive variance estimates at the analysis phase could be introduced.
Note 2 to entry: This definition varies slightly from ISO 3534-2:2006, 1.3.12 by emphasizing that systematic
sampling is not entirely random.
3.1.30
quasi-random sampling
systematic sampling (3.1.29) of every n-th entry from the sampling frame (3.1.25)
Note 1 to entry: Under certain conditions, largely governed by the method of compiling the sampling frame or
list, a systematic sample of every n-th entry from a list will be equivalent for most practical purposes to a random
sample (3.1.10). This method of sampling (3.1.16) is sometimes referred to as quasi-random sampling. It should be
one type of systematic sampling, and it should be below the definition for “systematic sampling” in the concept
diagram.
EXAMPLE Suppose a supermarket wants to study the buying habits of their customers. Using quasi-random
sampling, the supermarket manager can choose every 15th customer entering the supermarket and conduct the
study on this sample (3.1.8).
8 © ISO 2014 – All rights reserved

3.1.31
judgment sampling
purposive sampling
sampling (3.1.16) constituted at the discretion of the surveyer
Note 1 to entry: Judgment sampling is not random sampling (3.1.11) as some sampling units (3.1.5) have zero
probability of selection while others are chosen whimsically. Even experts in the field are challenged to produce a
viable judgment sample in comparison to those constituted through sound statistically based sampling methods.
Note 2 to entry: Quota sampling (3.1.45) is an example of judgment sampling in which, for example, interviewers
choose their respondents to contain a specific number of men and a specific number of women in approximate
age classes, the result of which provides the appropriate demographics at the expense of generalizing the results
to any larger group.
Note 3 to entry: In exceptional circumstances, judgment sampling can be used effectively in conjunction with other
sampling methods, if, for example, there is a specific subset of the population (3.1.1) (say senior management) for
whom sampling errors (3.2.9) are not to be made from a public relations standpoint. Hence, all senior managers
would be included in the judgment sample, while the remaining population is assessed with more appropriate
sampling methods.
Note 4 to entry: In judgment sampling, sampling units are selected by considering the available auxiliary
information (often subjectively) with a view to ensuring a sample (3.1.8) that is an adequate reflection of the
population.
Note 5 to entry: Each of the terms systematic sampling (3.1.29), quasi-random sampling (3.1.30), and judgment
sampling can be viewed as a form of controlled sampling, as described by Reference [5] and Reference [3] (Section
5A.6).
Note 6 to entry: In contrast to probability sampling (3.1.13), uncertainties cannot be evaluated for judgment
sampling.
3.1.32
stratified sampling
sampling (3.1.16) such that the portions of the sample (3.1.8) are selected independently from the
different strata (3.1.7) and that at least one sampling unit (3.1.5) is selected from each stratum
Note 1 to entry: In some cases, the portions are specified proportions determined in advance to increase the
accuracy in estimating population (3.1.1) characteristics. In other cases, the strata cannot be established until
after the sampling takes place owing to the absence of information on the proportions. This occurs when the
frame does not contain information related to the basis of the stratification.
Note 2 to entry: Items from within each stratum are often selected by random sampling (3.1.11).
Note 3 to entry: If stratified sampling is used, then the corresponding estimators (3.2.3) of the population
parameters (3.2.1) should take this into account.
Note 4 to entry: This definition differs slightly from ISO 3534-2:2006, 1.3.6 since it is necessary to select from
each sample independently.
3.1.33
stratified simple random sampling
simple random sampling (3.1.12) from each stratum (3.1.7)
[SOURCE: ISO 3534-2:2006, 1.3.7]
Note 1 to entry: If the proportions of items selected from the differing strata are equal to the proportions of
population (3.1.1) items in the strata, it is called proportional stratified simple random sampling.
3.1.34
proportional allocation
procedure in stratified sampling (3.1.32) to allocate the number of sampling units (3.1.5) to different
strata (3.1.7) proportional to the number of sampling units in the strata
Note 1 to entry: An advantage of the use of proportional allocation is that the estimator (3.2.3) of the population
(3.1.1) total does not require the use of strata weights. In other words, the contributions to the population total
estimate, for example, is obtained by summing the observed values across all strata and then accounting for the
sample size and population size. This is an example of a self-weighting estimate.
3.1.35
optimum allocation
procedure in stratified sampling (3.1.32) to allot the number of sampling units (3.1.5) to different strata
(3.1.7) to optimize an objective function
Note 1 to entry: A variety of objective functions can be considered including those involving costs and others
involving the precision in estimation. Optimize can mean minimize or maximize depending on the situation
(e.g. minimize cost, maximize precision, maximize the number of samples for a fixed total cost, or minimize the
variance of an estimator).
Note 2 to entry: Particularly in cases with repeated sampling (say on an annual basis), it could be prudent to
compare the sample standard deviations within the strata to the assumed standard deviations used in obtaining
the optimum allocation.
EXAMPLE Suppose the cost, C, of conducting a survey is
Cc=+ cn
0 ∑ hh
h
where
c is an overhead cost;
c is the unit cost for stratum h;
h
n is the sample size for stratum h (to be determined).
h
To meet a specified total cost C, then the optimum total sample size n summed across the strata is given
by
()Cc− Ncσ /
0∑ hh h
n=
Ncσ
∑ hh h
The allocation in each stratum is given by
Ncσ /
hh h
nn=
h
Ncσ /
∑ hh h
Reference [3] provides the optimal sample size if the goal is to meet a specified variance of the population
mean.
10 © ISO 2014 – All rights reserved

3.1.36
Neyman allocation
optimum allocation (3.1.35) with the objective function equal to the variance of the estimator (3.2.3) of
the population mean or total
Note 1 to entry: The purpose of the method is to maximize survey precision, given a fixed sample size (3.1.9).
Neyman allocation, as the definition indicates, is actually a special case of optimal allocation (i.e. it minimizes the
variance of the estimator of the population mean).
EXAMPLE With Neyman allocation, the optimum sample size for stratum (3.1.7)h would be:
N σ
hh
nn=
h
(NNσσ++. )
11 kk
where
k is the number of strata;
n is the sample size for stratum h;
h
n is the total sample size;
N is the population (3.1.1) size for stratum h;
h
σ is the standard deviation of stratum h.
h
More sampling units (3.1.5) are selected from strata exhibiting greater variability or which are relatively
large.
3.1.37
poststratification
procedure in stratified sampling (3.1.32) to allocate the sampling units (3.1.5) to the different strata
following the selection of a random sample (3.1.10)
Note 1 to entry: A possible applica
...

NORME ISO
INTERNATIONALE 3534-4
Première édition
2014-04-15
Statistique — Vocabulaire et
symboles —
Partie 4:
Échantillonnage d’enquête
Statistics — Vocabulary and symbols —
Part 4: Survey sampling
Numéro de référence
©
ISO 2014
DOCUMENT PROTÉGÉ PAR COPYRIGHT
© ISO 2014
Droits de reproduction réservés. Sauf indication contraire, aucune partie de cette publication ne peut être reproduite ni utilisée
sous quelque forme que ce soit et par aucun procédé, électronique ou mécanique, y compris la photocopie, l’affichage sur
l’internet ou sur un Intranet, sans autorisation écrite préalable. Les demandes d’autorisation peuvent être adressées à l’ISO à
l’adresse ci-après ou au comité membre de l’ISO dans le pays du demandeur.
ISO copyright office
Case postale 56 • CH-1211 Geneva 20
Tel. + 41 22 749 01 11
Fax + 41 22 749 09 47
E-mail [e-mail]
Web www.iso.org
Publié en Suisse
ii © ISO 2014 – Tous droits réservés

Sommaire Page
Avant-propos .iv
Introduction .v
1 Domaine d’application . 1
2 Références normatives . 1
3 Termes et définitions . 1
3.1 Termes généraux . 1
3.2 Termes relatifs à l’estimation .14
Annexe A (informative) Méthodologie utilisée pour élaborer le vocabulaire .20
Annexe B (informative) Diagrammes de concepts .22
Annexe C (informative) Index alphabétique des termes relatifs à l’échantillonnage .25
Annexe D (informative) Index alphabétique des termes relatifs à l’échantillonnage .28
Bibliographie .31
Avant-propos
L’ISO (Organisation internationale de normalisation) est une fédération mondiale d’organismes
nationaux de normalisation (comités membres de l’ISO). L’élaboration des Normes internationales est
en général confiée aux comités techniques de l’ISO. Chaque comité membre intéressé par une étude
a le droit de faire partie du comité technique créé à cet effet. Les organisations internationales,
gouvernementales et non gouvernementales, en liaison avec l’ISO participent également aux travaux.
L’ISO collabore étroitement avec la Commission électrotechnique internationale (CEI) en ce qui concerne
la normalisation électrotechnique.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont
décrites dans les Directives ISO/CEI, Partie 1. Il convient en particulier de prendre note des différents
critères d’approbation requis pour les différents types de documents ISO. Le présent document a été
rédigé conformément aux règles de rédaction données dans les Directives ISO/CEI, Partie 2 (voir www.
iso.org/directives).
L’attention est appelée sur le fait que certains des éléments du présent document peuvent faire l’objet de
droits de propriété intellectuelle ou de droits analogues. L’ISO ne saurait être tenue pour responsable de
ne pas avoir identifié de tels droits de propriété et averti de leur existence. Les détails concernant les
références aux droits de propriété intellectuelle ou autres droits analogues identifiés lors de l’élaboration
du document sont indiqués dans l’Introduction et/ou sur la liste ISO des déclarations de brevets reçues
(voir www.iso.org/patents).
Les éventuelles appellations commerciales utilisées dans le présent document sont données pour
information à l’intention des utilisateurs et ne constituent pas une approbation ou une recommandation.
Pour plus d’explications sur la signification des termes et expressions spécifiques employés par l’ISO
pour l’évaluation de la conformité, et pour plus d’informations au sujet de l’adhésion de l’ISO aux
principes de l’OMC relatifs aux obstacles techniques au commerce (OTC), voir l’URL suivante: Avant-
propos — Informations supplémentaires.
Le comité chargé de l’élaboration du présent document est l’ISO/TC 69, Application des méthodes
statistiques, sous-comité SC 1, Terminologie et symboles.
L’ISO 3534 comprend les parties suivantes, présentées sous le titre général Statistique — Vocabulaire et
symboles:
— Partie 1: Termes statistiques généraux et termes utilisés en calcul des probabilités
— Partie 2: Statistique appliquée
— Partie 3: Plans d’expériences
— Partie 4: Échantillonnage d’enquête
iv © ISO 2014 – Tous droits réservés

Introduction
L’échantillonnage d’enquête est fondamentalement une stratégie de planification de collecte
d’informations sur une population. Lorsqu’il est possible de répertorier toutes les entités d’une
population, les méthodologies d’échantillonnage sans remise jouent un rôle essentiel. La conception ou
le plan d’une enquête et sa mise en œuvre dépendent du type de questions à considérer, du degré de
portée générale à attribuer aux conclusions et en dernier lieu des ressources disponibles pour réaliser
l’enquête et l’analyse des résultats.
Dans la société moderne, les sondages politiques, les enquêtes de satisfaction client et les entrevues
personnelles sont des mécanismes prépondérants mis en œuvre pour fournir aux décideurs des
informations leur permettant de formuler ou d’ajuster leurs stratégies. Les médias d’information
font fréquemment état de résultats issus d’activités d’échantillonnage ou de sondage qui étudient
généralement le «pouls» d’un pays vis-à-vis d’une direction politique. Il ne s’agit en aucun cas d’un
phénomène nouveau dans la mesure où l’échantillonnage (notamment le recensement) est utilisé depuis
des milliers d’années. L’échantillonnage d’enquête en tant que méthodologie générale et l’échantillonnage
de population finie en tant que base théorique stricte constituent les sujets d’étude de la présente partie
de l’ISO 3534.
La méthodologie de l’échantillonnage d’enquête comporte un processus de sélection d’un échantillon
d’individus issus d’une population, la mesure des individus, puis l’estimation des caractéristiques de la
population sur la base des résultats obtenus de l’échantillon. La Référence [4] a défini le concept d’une
enquête selon la description suivante.
1) Une enquête concerne un ensemble d’individus constituant la population.
2) Une enquête implique une population présentant une ou plusieurs propriétés mesurables.
3) Une enquête a un objectif visant à décrire la population en fonction d’un ou de plusieurs paramètres
définis en termes des propriétés considérées.
4) Une enquête nécessite dans la pratique d’établir une représentation de la population (base) telle
qu’une liste d’individus afin de faciliter les mesures de chaque individu.
5) Une enquête est appliquée à un sous-ensemble d’individus de la base qui sont sélectionnés selon un
plan de sondage comprenant un effectif d’échantillon et un mécanisme de probabilité de sélection.
6) Une enquête est réalisée par extraction des mesures des individus de l’échantillon.
7) Une enquête nécessite d’appliquer un processus d’estimation associé pour obtenir les estimations
de paramètres de la population.
Cette brève introduction ne considère bien entendu pas toutes les subtilités et autres avancées dans
le domaine de l’échantillonnage d’enquête qui a évolué au cours des siècles, notamment au cours des
dernières décennies marquées par l’amélioration significative des capacités informatiques. Les progrès
ont évolué en même temps que les applications réelles.
Certaines définitions de la présente partie de l’ISO 3534 sont tirées de l’ISO 3534-1:2006 ou de
l’ISO 3534-2:2006. Lorsque la définition adoptée est identique à la définition d’origine, une référence
entre crochets est ajoutée à la définition et les éventuelles différences sont également indiquées.
NORME INTERNATIONALE ISO 3534-4:2014(F)
Statistique — Vocabulaire et symboles —
Partie 4:
Échantillonnage d’enquête
1 Domaine d’application
La présente partie de l’ISO 3534 définit les termes utilisés dans le domaine de l’échantillonnage d’enquête
et peut être utilisée pour la rédaction d’autres Normes internationales.
2 Références normatives
Les documents suivants, en tout ou partie, sont référencés de façon normative dans le présent document
et sont indispensables à son application. Pour les références datées, seule l’édition citée s’applique.
Pour les références non datées, la dernière édition du document de référence s’applique (y compris les
éventuels amendements).
ISO 3534-1:2006, Statistique — Vocabulaire et symboles — Partie 1: Termes statistiques généraux et termes
utilisés en calcul des probabilités
ISO 3534-2:2006, Statistique — Vocabulaire et symboles — Partie 2: Statistique appliquée
3 Termes et définitions
Pour les besoins du présent document, les termes et définitions donnés dans l’ISO 3534-1:2006 et
l’ISO 3534-2:2006 ainsi que les suivants s’appliquent.
3.1 Termes généraux
3.1.1
population
totalité des individus pris en considération
[SOURCE: ISO 3534-1:2006, 1.1]
Note 1 à l’article: Une population peut être réelle et finie, réelle et infinie ou totalement hypothétique. La présente
partie de l’ISO 3534 porte un intérêt particulier à une population finie (3.1.2). Le domaine de l’enquête par sondage
(3.1.20) concerne principalement les populations finies. Le terme «population» a remplacé le terme «univers
statistique» en usage. Il convient d’interpréter le terme «population» dans le contexte d’un moment temporel fixe
à l’instar de l’évolution probable des populations au cours du temps.
3.1.2
population finie
population (3.1.1) comprenant un nombre limité d’individus
Note 1 à l’article: L’échantillonnage d’enquête (3.1.21) ne se concentre que sur les applications dont la population
comporte un nombre fini d’individus. Le nombre d’individus peut être très important (par exemple, les automobiles
hybrides en Europe, les objets façonnés dans un musée, les moutons en Nouvelle Zélande), mais il est fini. Le
nombre d’individus dans la population est généralement noté N. La valeur particulière de N peut être connue ou
non de manière explicite avant de réaliser l’enquête.
EXEMPLE 1 Le registre des citoyens d’un pays constitue un exemple de population finie dont le nombre est
connu.
EXEMPLE 2 Bien que la taille de la population N soit généralement connue à l’avance, cet état de fait ne revêt
pas un caractère obligatoire. Par exemple, si la proportion de voitures hybrides constitue un point d’intérêt, les
observations peuvent être réalisées au niveau d’un point de contrôle (par exemple, cabine ou centre de péage).
Le nombre de voitures qui passe par la cabine sur un jour donné peut ne pas être connu à l’avance même si les
enquêteurs ont une relative idée du nombre déterminé sur la base d’antécédents connus. Une photo numérique
d’un nombre choisi des véhicules considérés peut éventuellement être prise pour déterminer s’il s’agit de voitures
hybrides.
3.1.3
sous-population
sous-ensemble bien défini de la population (3.1.1)
Note 1 à l’article: Les enquêtes par sondage (3.1.20) ont souvent plusieurs objectifs. Même si le principal objectif
peut concerner la population dans son ensemble, il est également possible de considérer des sous-ensembles
sélectionnés. S’agissant de l’exemple donné en 3.1.2, les véhicules hybrides ou, en variante, les automobiles super-
compactes, comprennent des sous-populations qui peuvent revêtir un intérêt tout particulier. Dans certaines
situations, l’effectif réel de la sous-population est inconnu (par exemple, le nombre d’adolescents parmi les
touristes visitant Eurodisney) et le centre d’intérêt peut se porter sur l’estimation de cette valeur.
Note 2 à l’article: Dans l’ISO 3534-2:2006, 1.2.3, la sous-population est définie comme «partie d’une population».
Pour l’échantillonnage d’enquête (3.1.21), les sous-populations bien définies (notamment identifiables) constituent
le principal intérêt à défaut de considérer des «parties» arbitraires d’une population.
EXEMPLE Les élèves d’une école dans une région représentent une sous-population des résidents de la
région. Les adultes travaillant dans la région constituent une autre sous-population parmi les résidents de la
région considérée. Les personnes sans-abri dans la région peuvent représenter un intérêt qu’il est toutefois plus
difficile à identifier. L’effectif de ce type de sous-population est généralement inconnu.
3.1.4
superpopulation
population (3.1.1) élargie comprenant la population considérée
Note 1 à l’article: Pour des besoins inférentiels ou d’évaluation, il peut se révéler utile d’envisager le fait que la
population considérée est intégrée dans une population élargie dont elle est un cas particulier. Ce type de concept
théorique facilite l’élaboration de plans de sondage (3.1.28) optimaux et permet de calculer les propriétés de plan
de sondage. La population considérée peut être traitée comme un échantillon aléatoire (3.1.10) à partir d’une
superpopulation hypothétique contrairement à un ensemble de valeurs fixes dont la sélection aléatoire permet de
constituer un échantillon (3.1.8). Selon la Référence [2], le concept de superpopulation peut donner lieu à plusieurs
interprétations. L’une des interprétations repose sur le fait que la population finie (3.1.2) est réellement tirée d’un
univers statistique plus large. Il s’agit du concept de superpopulation dans sa forme la plus stricte. L’approche
de superpopulation peut représenter un moyen utile permettant d’intégrer le traitement des erreurs autres que
d’échantillonnage (3.2.10) dans l’échantillonnage d’enquête (3.1.21).
EXEMPLE Considérant un pays stable (limites territoriales cohérentes sans immigration ou émigration), une
superpopulation peut représenter l’ensemble des habitants au cours des siècles. Ainsi, un recensement (3.1.19)
décennal réalisé dans un pays de ce type peut refléter une observation individuelle de la taille de sa population à
un moment particulier.
3.1.5
unité d’échantillonnage
unité
une des parties individuelles en laquelle une population (3.1.1) est divisée
[SOURCE: ISO 3534-2:2006, 1.2.14]
Note 1 à l’article: Une population comprend un certain nombre d’unités d’échantillonnage. La population peut
être divisée en groupes d’unités qui sont distincts, sans chevauchement, identifiables, observables et appropriés
à l’échantillonnage. Selon les circonstances, la plus petite partie considérée peut être un individu, un justificatif,
un ménage, un district scolaire ou une unité administrative. Cette définition permet, pour des paramétrages
complexes, de disposer d’unités d’échantillonnage distinctes comprenant un certain nombre d’unités différentes.
A un niveau supérieur, l’unité d’échantillonnage peut représenter des districts scolaires. Au sein des différents
districts scolaires, l’unité d’échantillonnage peut être des ménages individuels. Au sein d’un ménage, l’unité
d’échantillonnage peut être des enfants d’âge scolaire.
2 © ISO 2014 – Tous droits réservés

Note 2 à l’article: Il convient que chaque élément de la population appartienne exactement à une unité
d’échantillonnage. Dans certains cas, la population est constituée d’éléments individuels, de sous-unités ou
d’individus, mais compte tenu de l’objet de l’étude par sondage, il peut être approprié de regrouper les éléments
individuels en entités de niveau supérieur qui sont ensuite traitées comme l’unité d’échantillonnage considérée.
Par exemple, le regroupement peut constituer des grappes (3.1.6), chacune étant composée d’un ensemble
d’éléments.
EXEMPLE Dans le cadre d’un projet d’échantillonnage à plusieurs degrés (3.1.40), le premier degré peut utiliser
les régions comme unités d’échantillonnage principales. Au deuxième degré, les unités d’échantillonnage peuvent
être les départements. Au troisième degré, les unités d’échantillonnage peuvent être les villes.
3.1.6
grappe
partie d’une population (3.1.1) divisée en groupes mutuellement exclusifs liés ensemble d’une certaine
manière
Note 1 à l’article: Dans le contexte économique de l’échantillonnage (3.1.16), il peut se révéler plus efficace
d’échantillonner des groupes ou collections d’unités d’échantillonnage (3.1.5) qui forment des grappes.
L’échantillonnage en grappe (3.1.38) est utile en l’absence de base d’unités d’échantillonnage. L’échantillonnage
en grappe peut également faire partie intégrante de l’échantillonnage à plusieurs degrés (3.1.40), pour lequel le
premier degré est représenté par les villes, suivi d’un degré considérant les appartements/immeubles en co-
propriété en tant que grappe de niveau suivant, puis en dernier lieu les étages/éléments/niveaux spécifiques de
l’immeuble. Au degré le plus bas, toutes les unités d’échantillonnage sont examinées.
Note 2 à l’article: Cette définition diffère de celle donnée dans l’ISO 3534-2:2006, 1.2.28, qui stipule «partie d’une
population divisée en groupes mutuellement exclusifs d’unités d’échantillonnage liées ensemble d’une certaine
manière.
La présente norme n’indique pas l’expression «unités d’échantillonnage» afin de refléter les pratiques
d’échantillonnage, telles que l’échantillonnage à plusieurs degrés.
EXEMPLE Dans le cadre des enquêtes sur les fraudes à l’assurance médicale (trop-payé au prestataire de
service médical), il est facile d’obtenir un échantillon (3.1.8) de patients, puis d’examiner l’ensemble de leurs
demandes de prestations plutôt que de considérer la population (3.1.1) des demandes de prestations parmi de
nombreux patients. Des exemples courants de grappes comprennent un ménage ou des résidents d’un immeuble
donné, les champs agricoles dans les villages, les patients de médecins et les élèves dans les classes d’une école.
3.1.7
strate
sous-population (3.1.3) considérée plus homogène que la population (3.1.1) totale eu égard à la
caractéristique étudiée
Note 1 à l’article: Le pluriel de strate est strates.
Note 2 à l’article: La stratification est la division d’une population en strates mutuellement exclusives et
exhaustives.
Note 3 à l’article: L’aspect fondamental de la stratification repose sur le fait qu’il convient que les strates soient
homogènes eu égard aux caractéristiques considérées de la population. D’autre part, si la stratification n’est pas
liée à la caractéristique considérée (mais a été réalisée pour des raisons administratives), le gain de fidélité de
l’estimation de la caractéristique considérée de la population peut se révéler faible voire inexistant. Il est par
ailleurs préférable que la ou les variables qui constituent la base de la stratification soient fortement corrélées à
la caractéristique considérée de la population.
Note 4 à l’article: La stratification peut être réalisée selon une base géographique fondée sur le fait que des zones
contiguës peuvent fournir des regroupements plus homogènes des unités d’échantillonnage (3.1.5). Ce type de
stratification peut également assurer des avantages économiques et administratifs en termes d’efficacité dans la
réalisation de l’enquête.
Note 5 à l’article: Une différence fondamentale entre grappe (3.1.6) et strate réside dans le fait qu’une strate est
constituée d’individus plutôt homogènes alors qu’une grappe peut comprendre des individus hétérogènes. Un
exemple courant est l’utilisation d’un ménage en tant que grappe qui est généralement hétérogène si l’on considère
l’âge des membres du ménage.
Note 6 à l’article: Une définition compatible est donnée dans l’ISO 3534-2:2006, 1.2.29, mais sa formulation est
légèrement incorrecte. La définition fournie ici est plus correcte.
EXEMPLE Deux exemples sont la stratification d’une population de chats ou de chiens en races et d’une
population humaine par le sexe et les classes sociales.
3.1.8
échantillon
sous-ensemble d’une population (3.1.1) constitué d’une ou de plusieurs unités d’échantillonnage (3.1.5)
[SOURCE: ISO 3534-2:2006, 1.2.17]
Note 1 à l’article: Il convient de sélectionner l’échantillon selon une procédure spécifiée afin d’obtenir des
informations concernant la population. En fonction de la population considérée, les unités d’échantillonnage
choisies dans l’échantillon peuvent être des individus, des valeurs numériques ou encore des entités abstraites.
Note 2 à l’article: Bien que la définition suggère que tout sous-ensemble de la population peut être un échantillon, il
existe dans la pratique un objectif sous-jacent à la constitution de l’échantillon. En d’autres termes, un échantillon
est sélectionné pour une raison spécifique propre à une enquête. Même un recensement (3.1.19) ayant pour objet
d’examiner chaque individu de la population peut se terminer par l’examen d’un sous-ensemble compte tenu des
difficultés à contacter chaque individu de la population.
3.1.9
effectif d’échantillon
n
nombre d’unités d’échantillonnage (3.1.5) constituant un échantillon (3.1.8)
[SOURCE: ISO 3534-2:2006, 1.2.26]
Note 1 à l’article: L’effectif d’échantillon est pratiquement déterminé dans chaque application d’enquête par
sondage (3.1.20). Une approche typique de détermination de l’effectif d’échantillon consiste à spécifier une limite
de la caractéristique de la population vraie mais inconnue à estimer et de l’assimiler à une fonction de la variance
de l’estimateur. En d’autres termes, un effectif d’échantillon est calculé de sorte que la caractéristique estimée de
la population soit comprise dans les limites d’une différence pré-spécifiée par rapport à la caractéristique de la
population.
Note 2 à l’article: Dans le cadre d’enquêtes complexes, l’effectif d’échantillon fait référence au nombre final
d’individus du dernier degré d’échantillonnage. Une autre complexité propre aux enquêtes réside dans le fait que
l’effectif d’échantillon planifié peut représenter l’effectif d’échantillon potentiel mais compte tenu du défaut de
réponse (3.2.11), l’effectif d’échantillon réel peut être inférieur à celui déterminé par établissement de la marge
d’erreur et du niveau de signification. Il peut exister une différence entre l’effectif d’échantillon planifié et l’effectif
d’échantillon réel du fait d’un certain nombre possible de circonstances imprévues.
3.1.10
échantillon aléatoire
échantillon (3.1.8) prélevé selon une méthode de sélection aléatoire
[SOURCE: ISO 3534-1:2006, 1.6]
Note 1 à l’article: La méthode de sélection aléatoire peut être telle que la probabilité réelle de sélection des
unités d’échantillonnage (3.1.5) dans l’échantillon ne peut être déterminée à l’avance ni à la fin de l’étude. Si les
probabilités de sélection de chaque unité d’échantillonnage peuvent être déterminées, l’échantillon aléatoire est
alors désigné plus spécifiquement en tant qu’échantillon probabiliste (3.1.13).
Note 2 à l’article: Lorsque l’échantillon de n unités d’échantillonnage est prélevé d’une population finie (3.1.2),
chacune des combinaisons possibles de n unités d’échantillonnage aura une probabilité particulière d’être
prélevée. Pour les plans d’échantillonnage (3.1.24) d’enquête, la probabilité particulière pour chaque combinaison
possible peut être calculée à l’avance. Il n’est pas nécessaire que la probabilité d’être sélectionné soit identique
pour chaque unité d’échantillonnage, selon le plan de sondage (3.1.28) choisi.
4 © ISO 2014 – Tous droits réservés

Note 3 à l’article: Pour l’échantillonnage d’enquête (3.1.21) réalisé à partir d’une population finie, il est possible de
prélever un échantillon aléatoire par différents plans d’échantillonnage tels que l’échantillonnage stratifié (3.1.32),
l’échantillonnage systématique (3.1.29), l’échantillonnage en grappe (3.1.38), l’échantillonnage avec probabilité
d’échantillonnage proportionnel à l’effectif (3.1.44) d’une variable auxiliaire (3.2.15) et de nombreuses autres
possibilités.
Note 4 à l’article: Les valeurs réelles observées et associées aux individus de l’échantillon aléatoire revêtent un
intérêt particulier. Les valeurs peuvent être quantitatives ou refléter la présence d’une caractéristique particulière.
Les résultats obtenus avec l’échantillon aléatoire fournissent la base de la compréhension de la population (3.1.1)
dans son ensemble. Un échantillon aléatoire est plus particulièrement nécessaire pour les méthodes statistiques
inférentielles appliquées dans le contexte de l’échantillonnage d’enquête.
Note 5 à l’article: La présente définition est identique à celle donnée dans l’ISO 3534-1:2006, 1.6. Cette définition
suppose que le concept de sélection aléatoire est considéré dans le contexte de la théorie des probabilités. D’un
point de vue moins formel, le caractère aléatoire de l’échantillonnage d’enquête implique un mécanisme de
possibilités à appliquer dans le choix des unités d’échantillonnage contrairement à une méthode systématique ou
déterministe.
3.1.11
échantillonnage aléatoire
opération consistant à constituer un échantillon aléatoire (3.1.10)
Note 1 à l’article: L’échantillonnage (3.1.16) de nunités d’échantillonnage (3.1.5) est tiré d’une population (3.1.1)
de manière que chaque combinaison possible de n unités d’échantillonnage ait une probabilité particulière
d’être tirée, ce qui peut être difficile, voire impossible à déterminer. Cette définition diffère de celle donnée dans
l’ISO 3534-2:2006, 1.3.5.
EXEMPLE Un programme informatique qui utilise un générateur de nombres aléatoires peut être utilisé
pour obtenir un échantillon aléatoire à partir d’un registre d’individus dans un pays ou une région.
3.1.12
échantillon simple aléatoire
échantillon probabiliste (3.1.13) tel que chacun des sous-ensembles d’une taille donnée ait la même
probabilité de sélection
Note 1 à l’article: Cette définition concorde avec celle donnée dans l’ISO 3534-2:2006, 1.2.24, même si le libellé est
légèrement différent.
3.1.13
échantillon probabiliste
échantillon aléatoire (3.1.10) dans lequel il est possible de déterminer la probabilité de sélection de
chaque échantillon (3.1.8) possible
Note 1 à l’article: La probabilité de sélection (3.1.15) de chaque unité d’échantillonnage (3.1.5) peut être déterminée.
EXEMPLE Pour l’échantillonnage proportionnel à l’effectif (3.1.44), la probabilité de sélection est associée à
une variable auxiliaire (3.2.15).
3.1.14
échantillon représentatif
échantillon (3.1.8) pour lequel les valeurs observées ont la même distribution que celle de la population
(3.1.1)
Note 1 à l’article: La notion d’échantillon représentatif fait l’objet de nombreuses controverses et certains
spécialistes du domaine des enquêtes vont même jusqu’à rejeter en bloc le terme. La Référence [6] indique les
six catégories de sens suivantes de l’échantillonnage représentatif dans la documentation non statistique et
les attribue aux Références [7], [8], [9] et [10] qui les spécifient dans leur série d’articles publiés dans la Revue
internationale de statistique:
1) acclamation injustifiée, générale, approbation des données;
2) absence de forces sélectives;
3) miroir ou miniature de la population. L’échantillon a les mêmes distributions que la population;
4) cas typique ou idéal;
5) couverture de la population. Les échantillons sont désignés pour refléter la variation, plus particulièrement
entre les strates;
6) échantillonnage de probabilité. Un programme d’échantillonnage formel qui donne à chaque élément une
probabilité positive et connue de sélection.
Note 2 à l’article: Cette définition élargit celle donnée dans l’ISO 3534-2:2006, 1.2.35 à une classe d’échantillonnage
plus large que l’échantillonnage aléatoire, pour y inclure par exemple l’échantillonnage raisonné (3.1.31). Dans
l’ISO 3534-2:2006, l’échantillonnage représentatif a pour point de départ un échantillon aléatoire (3.1.10), alors
que dans la présente définition, le point de départ est l’échantillon.
3.1.15
probabilité de sélection
nombre exprimant la possibilité qu’une unité d’échantillonnage (3.1.5) spécifique soit choisie
3.1.16
échantillonnage
opération consistant à constituer un échantillon (3.1.8)
Note 1 à l’article: Le terme général «à constituer» est utilisé dans la mesure où les échantillons peuvent être
obtenus d’un processus de génération aléatoire, d’un processus physique ou d’un programme à faible voire aucune
base stochastique. L’inférence statistique ultérieure nécessite d’appliquer une méthode aléatoire pour générer
l’échantillon, même si l’échantillonnage proprement dit comporte du point de vue historique certaines méthodes
qui présentent des insuffisances pratiques.
Note 2 à l’article: La procédure d’échantillonnage est occasionnellement utilisée comme synonyme
d’échantillonnage, bien que cette pratique ne soit pas universelle. La procédure d’échantillonnage est également
associée au plan d’échantillonnage (3.1.24).
Note 3 à l’article: La présente définition n’indique pas «à prélever» (contrairement à l’ISO 3534-2:2006, 1.3.1) car
ceci suggère un processus physique de constitution de l’échantillon qui ne représente nullement une exigence.
3.1.17
échantillonnage avec remise
échantillonnage (3.1.16) dans lequel chaque unité d’échantillonnage (3.1.5) tirée et observée est remise
dans la population (3.1.1) avant que l’unité d’échantillonnage suivante ne soit tirée
[SOURCE: ISO 3534-2:2006, 1.3.15]
Note 1 à l’article: Dans ce cas, la même unité d’échantillonnage peut apparaître plusieurs fois dans l’échantillon
(3.1.8). Il est possible que des groupes d’unités soient échantillonnés, puis remis dans la population avant de
réaliser un échantillonnage supplémentaire. Bien entendu, la procédure réelle utilisée a une incidence sur les
probabilités associées de sélection.
Note 2 à l’article: Dans le cadre de l’échantillonnage avec remise, les probabilités de sélection (3.1.15) des unités
d’échantillonnage ne sont pas modifiées pour chaque sélection et les sélections sont indépendantes.
3.1.18
échantillonnage sans remise
échantillonnage (3.1.16) dans lequel chaque unité d’échantillonnage (3.1.5) est comprise dans l’échantillon
(3.1.8) tiré de la population (3.1.1) une seule fois
Note 1 à l’article: Dans le cadre de l’échantillonnage de population finie (3.1.2) (notamment pour des populations
de petite taille), la procédure généralement privilégiée consiste à utiliser l’échantillonnage sans remise, dans la
mesure où il permet d’obtenir des estimateurs plus justes. Cependant, ces avantages sont obtenus moyennant
l’éventuelle application de formules complexes pour les variances estimées.
Note 2 à l’article: Dans le cadre de l’échantillonnage sans remise, les probabilités de sélection (3.1.15) des unités
d’échantillonnage varient d’une sélection à l’autre (en fonction des résultats) et par conséquent les sélections ne
sont pas indépendantes.
Note 3 à l’article: Cette définition est similaire sans être identique à celle donnée dans l’ISO 3534-2:2006, 1.3.16.
6 © ISO 2014 – Tous droits réservés

3.1.19
recensement
examen de chaque unité d’échantillonnage (3.1.5) dans une population finie (3.1.2) spécifiée
Note 1 à l’article: De nombreux pays réalisent régulièrement des dénombrements d’effectifs complets (par
exemple, tous les 10 ans). Ces efforts représentent un enjeu particulier dans la mesure où, par exemple, certaines
parties de la population pouvant être illusoires (par exemple, immigrants clandestins), sont difficiles à inclure
dans le recensement. Un recensement peut également être réalisé de manière exhaustive sur des populations
finies afin d’éliminer une erreur d’échantillonnage (3.2.9) moyennant un effort complémentaire à celui consacré à
l’échantillonnage (3.1.16). Un recensement peut ne pas convenir à des pays qui tiennent à jour un registre complet
de leur population (par exemple, le Danemark).
Note 2 à l’article: En règle générale, un recensement est réalisé en fonction d’une période déterminée et de
caractéristiques spécifiées. Par exemple, le recensement décennal aux États-Unis est réalisé pour caractériser la
population à compter du 1er avril de l’année du recensement.
Note 3 à l’article: Un recensement est destiné à examiner chaque unité d’échantillonnage de la population finie.
Il est cependant admis d’être éventuellement confronté à des difficultés pratiques pour obtenir chaque unité
d’échantillonnage et de ce fait pour obtenir des informations complètes sur les unités individuelles.
3.1.20
enquête par sondage
examen ou étude analytique d’une population finie (3.1.2) en appliquant un échantillonnage d’enquête
(3.1.21)
Note 1 à l’article: L’enquête par sondage comporte un vaste réseau d’outils et de techniques permettant de réaliser
une enquête sur les propriétés et la nature d’une population (3.1.1). Les questionnaires, entretiens, enquêtes
postales et autres procédés sont à considérer comme des instruments permettant de collecter des informations
sur une population. La méthodologie de l’enquête par sondage implique de soigneusement sélectionner les
échantillons afin d’optimiser la quantité d’informations recueillies sur la population par rapport aux efforts
déployés.
Note 2 à l’article: L’enquête par sondage a pour objectif d’obtenir de nombreuses informations et une connaissance
concernant une population donnée. Les résultats d’une enquête par sondage peuvent être d’une bien meilleure
qualité que ceux pouvant être obtenus au moyen d’un recensement (3.1.19) de la population, compte tenu des
efforts et des compétences consacrés à un sous-ensemble de la population. Dans le cas d’un recensement, le
caractère éventuellement très fastidieux et pénible de l’examen exhaustif de chaque individu de la population
peut engendrer de nombreuses erreurs autres que d’échantillonnage (3.2.10) qui peuvent miner tous les efforts
consentis en la matière.
3.1.21
échantillonnage d’enquête
processus de sélection d’un échantillon (3.1.8) d’unités d’échantillonnage (3.1.5) à partir d’une population
(3.1.1) cible afin d’obtenir des informations concernant les caractéristiques des individus de la population
Note 1 à l’article: L’échantillonnage d’enquête réalisé au quotidien fait souvent appel de manière implicite à la
méthodologie et peut faire référence au domaine général des compétences associé à l’enquête réalisée auprès
de populations finies (3.1.2) par le biais de questionnaires, enquêtes d’opinion (3.1.23), sondages politiques et
enquêtes de satisfaction client.
Note 2 à l’article: Cette définition diffère de la définition (échantillonnage utilisé dans le cadre d’études énumératives
ou analytiques pour estimer les valeurs d’une ou de plusieurs caractéristiques dans une population ou pour
évaluer la manière dont ces caractéristiques sont distribuées dans la population) donnée dans l’ISO 3534-2:2006,
1.2.18, qui met l’accent sur l’objectif de l’échantillonnage d’enquête plutôt que sur le processus proprement dit
comme indiqué ici.
3.1.22
enquête pilote
enquête par sondage (3.1.20) préliminaire à petite échelle
Note 1 à l’article: Préalablement à la réalisation de l’enquête par sondage complète, il est recommandé de réaliser
une étude à petite échelle afin de déterminer les éventuelles difficultés soulevées par l’instrument, le questionnaire
ou le plan de sondage (3.1.28). Par exemple, un questionnaire peut permettre de déterminer l’ambiguïté d’une
interrogation risquant de ce fait de rendre inutiles les réponses à la question posée. Il est également possible de
déceler des omissions essentielles ou de déterminer la possibilité d’améliorer l’instrument proprement dit.
3.1.23
enquête d’opinion
enquête par sondage (3.1.20) visant à examiner les opinions publiques
Note 1 à l’article: En général, une enquête d’opinion est réalisée au moyen de questionnaires écrits, d’entrevues
personnelles, d’entretiens téléphoniques ou de supports électroniques. Par conséquent, les résultats de ces
types d’enquêtes peuvent refléter des opinions ou perspectives subjectives. Les deux types courants d’enquêtes
d’opinion sont les enquêtes politiques (ou sondages) et les enquêtes commerciales.
3.1.24
plan d’échantillonnage
plan de sondage (3.1.28) comprenant les détails de mise en œuvre
Note 1 à l’article: Le présent document fait une distinction entre le plan d’échantillonnage et le plan de sondage
au même titre que l’ISO 3534-3:2013 fait une distinction entre plan expérimental et plan d’expérience. Le plan de
sondage est limité à la sélection des unités d’échantillonnage (3.1.5) selon un éventuel programme probabiliste
complexe, qui implique la méthode d’estimation (3.2.4) à réaliser. Le plan d’échantillonnage comprend le plan
de sondage et les détails relatifs à la mise en œuvre complète du processus d’échantillonnage, y compris les
attributions des tâches du personnel, la préparation des questionnaires et les conditions environnementales sur
le terrain.
3.1.25
base d’échantillonnage
recueil complet de toutes les unités d’échantillonnage (3.1.5) avec leur identification
Note 1 à l’article: Une base d’échantillonnage fournit une représentation explicite de la population (3.1.1)
considérée pour l’étude, se présentant généralement sous la forme d’une liste. La liste peut ne pas être complète ou
comporter des erreurs. Par exemple, une liste électorale peut comporter des personnes ayant quitté ou intégré la
circonscription électorale, répertorier des personnes décédées depuis la constitution de la base d’échantillonnage,
comprendre des doublons, voire des coupables condamnés privés du droit de vote et qu’il convient de rayer des
registres.
Note 2 à l’article: Cette définition est différente de celle donnée dans l’ISO 3534-2:2006, 1.2.27, qui met l’accent
sur la limitation pratique à la constitution de la base d’échantillonnage susceptible de donner une représentation
incomplète de la population cible.
EXEMPLE En fonction des données historiques sur la population, la base d’échantillonnage peut être
simple mais explicite, ou dans des cas extrêmes, extrêmement complexe. Dans le cadre d’une enquête réputée,
la Référence [11] a réalisé une enquête en Inde orientale pour laquelle la base d’échantillonnage était constituée
d’une énumération de champs, d’une liste de villages et d’un ensemble de cartes de différentes zones. Sur la base
de ces documents hétérogènes, il a été possible de constituer une base d’échantillonnage et de réaliser l’étude
correspondante.
3.1.26
base double
base d’échantillonnage (3.1.25) provenant de deux sources
EXEMPLE Une base d’échantillonnage peut comprendre des numéros de téléphone sélectionnés à la fois
parmi des lignes de téléphones conventionnels et de téléphones mobiles. Il n’est pas toujours évident de connaître
à l’avance le récepteur téléphonique auquel appartient le numéro de téléphone, ces informations peuvent donc
se révéler utiles à l’étape de l’analyse. Il existe également un risque potentiel de sélectionner deux fois le même
individu (une fois à partir de chaque source).
8 © ISO 2014 – Tous droits réservés

3.1.27
base par zone
base d’échantillonnage (3.1.25) comprenant des zones géographiques non chevauchantes
Note 1 à l’article: Compte tenu de la disponibilité croissante des systèmes d’information géographique et des
systèmes mondiaux de localisation mobiles, la capacité à réaliser des projets d’échantillonnage (3.1.16) à bases par
zones a été améliorée. La raison pratique qui sous-tend l’échantillonnage par zones réside dans le fait que pour
bon nombre de problèmes, il peut ne pas exister de liste réelle et précise des éléments de la population (3.1.1).
EXEMPLE Si l’on souhaite mesurer les ventes de confiseries dans un magasin de détail, il est possible de
choisir un échantillon (3.1.8) de pâtés de maisons, puis d’auditer les ventes de tous les points de vente au détail
compris dans les pâtés de maison échantillons.
3.1.28
plan de sondage
description complète de la structure de l’échantillonnage (3.1.16) et de l’analyse ultérieure
Note 1 à l’article: La description fait référence au type d’échantillonnage à réaliser [échantillonnage simple aléatoire
(3.1.12), échantillonnage stratifié (3.1.32), échantillonnage en grappe (3.1.38), etc.] et à l’effectif d’échantillon (3.1.9)
ou aux tailles si différents groupements d’unités d’échantillonnage (3.1.5) sont envisagés. La description peut
également comprendre les probabilités de sélection (3.1.15) de chaque unité d’échantillonnage et éventuellement
la probabilité de sélection de chaque échantillon (3.1.8) potentiel.
3.1.29
échantillonnage systématique
échantillonnage (3.1.16) se déroulant selon un plan structurel partiellement déterministe
Note 1 à l’article: Avec l’échantillonnage systématique, la randomisation de l’échantillonnage est limitée. Il est
possible de sélectionner de manière aléatoire un point de départ initial dans la base d’échantillonnage (3.1.25), puis
par la suite tous les k-ièmes individus pour constituer l’échantillon (3.1.8). Dans l’échantillonnage systématique, il
peut exister un intervalle de temps de durée fixe ou une distance fixe entre les individus sélectionnés. Si la base
d’échantillonnage dispose d’un modèle cyclique de longueur comparable à l’intervalle d’échantillonnage, des biais
involontaires ou des estimations de variance excessives peuvent être introduits lors de la phase d’analyse.
Note 2 à l’article: Cette définition diffère légèrement de celle donnée dans l’ISO 3534-2:2006, 1.3.12, en mettant
l’accent sur le fait que l’échantillonnage systématique n’est pas totalement aléatoire.
3.1.30
échantillonnage quasi-probabiliste
échantillonnage systématique (3.1.29) de chaque n-ième élément à partir de la base d’échantillonnage
(3.1.25)
Note 1 à l’article: Dans certaines conditions, en grande partie régies par la méthode de compilation de la base
d’échantillonnage ou de la liste, un échantillon systématique de chaque n-ième élément d’une liste équivaudra
dans la plupart des cas pratiques à un échantillon aléatoire (3.1.10). Cette méthode d’échantillonnage (3.1.16) est
parfois désignée comme échantillonnage quasi-probabiliste. Il convient qu’elle soit d’un type d’échantillonnage
systématique, et qu’elle se situe sous la définition de «échantillonnage systématique» dans le diagramme de
concepts.
EXEMPLE Soit un supermarché désireux d’étudier les comportements d’achat de ses clients. L’échantillonnage
quasi-probabiliste permet au directeur du supermarché de choisir tous les 15ème
...