Abd-Basid ADAN Sondage2 .pdf (1)

Sondage : méthodes probabilistes
Master 2 En Méthodes Statistiques Et Econométriques
Faculté des sciences économiques et de gestion (FASEG)
Centre de recherche et de formation pour le développement
Economique et social (CREFDES)
Université de Cheik Anta Diop de Dakar
Réalisés par :
Abdi-Basid IBRAHIM ADAN [date of birth : 23/07/1993]
Hawa DIENG [date of birth : 13/12/1990]
Johana marie NDIONE [date of birth : 23/07/1990]
Projet de sondage
Professeur cissé
Master II en Méthodes Statistiques et Econométriques (MSE)
2016-2017
Adresse : 45753 Dakar-Fann, Km1 Avenue Cheikh Anta Diop,
Dakar 45753 Téléphone : 33 864 55 28
Abdi-Basid ADAN

Sondage : méthodes probabilistes
Master 2 En Méthodes Statistiques Et Econométriques
Tables Des Matières
Liste de tableau………………………………………………………....……..…………….………….2
Liste des graphiques………………………………........................................................................2
Liste des sigles et abréviations ……………..………………………………………………………...2
Introduction…………………..……………………………………………………………...………......3
I- Estimation de la superficie totale des fermes aux Etats-Unis………..……….…………5
1- Préambule……………………..………………………………..………………...……..…5
2- Estimation avec un seul échantillon……………………..…………… ……….………..9
II- Simulations..………………………………..………………………………..…….……..…14
1- Comparaison de quatre plans de sondage……………………..…………… ….….…..15
2- Comparaison de deux méthodes d’estimations pour un plan SI………………….……17
Annexe………………………………………………………..…………………..………………...… 18

Sondage : méthodes probabilistes
Master 2 En Méthodes Statistiques Et Econométriques
Listes des tabLeaux et sigLes d’abréviations
Liste de tableau
Tableau 1 : Répartition des communes par région géographique.
Liste des figures
Figure 1 : Diagramme de dispersion de communes par région géographique
Figure 2 : Diagramme de dispersion de la superficie des fermes en 1992 en fonction
de celle de 1982
Figure 3 : Ajustement par moindres carrées de la superficie en 1992 en fonction de
1982.
Figure 4 : Boîtes à moustaches de la superficie en 1992 en fonction des quatre
modalités de la variable REGION
Figure 5 : variable ACRES92 selon la probabilité de sélection et d’inclusion (PÏAR)
Figure 6: variable ACRES92 selon la probabilité de sélection et d’inclusion (PEAR)
Liste des sigles et abréviations
Xlab : Label of axis x
Sd : Standart Déviation
Rep : repeat
mstage : Multistage
srswor/ srswor : simple random sampling without/ with replacement
col : color
CV : coefficient de variation
SI : plan aléatoire simple sans remise
svydesign : Défini le plan d’échantillonnage d’un tableau de
données

Sondage : méthodes probabilistes
Master 2 En Méthodes Statistiques Et Econométriques
INTRODUCTION
Aux États-Unis, les recensements de l’agriculture ont lieu tous les 5 ans, ils
comptaient 2,1 millions d'exploitations agricoles en 2012, en baisse de 4,3 % par rapport
à 2007 (2,2 millions d'exploitations). Mais la surface totale de terre cultivée est restée
relativement stable sur la même période : elle n'a diminué que de moins d’1 %, passant
de 922 à 915 millions d'acres (370 millions d'ha). On observe donc un accroissement
de la surface cultivée par exploitation, plaçant la moyenne à 176 ha contre 169 en 2007.
C’est le Texas qui possède le plus grand nombre d’exploitations agricoles et la Californie
le plus gros revenu agricole.
En effet, l'agriculture des États-Unis a commencé très tôt, dès l'époque des
indiens. Ils cultivaient notamment du blé et de l'orge mais aussi du cacao, des
tomates...etc. Elle s'est réellement intensifiée avec l'arrivée des esclaves africains au
premier siècle. Il est un secteur clé de l'économie américaine, le pays étant
le 1er exportateur et le 2e importateur mondial. C'est la première agriculture au monde..
Depuis le XIXe siècle, la Corn Belt (« ceinture de maïs ») est la principale zone agricole
de ce pays - la Sun Belt étant connue pour ses fruits. En 2012 : 2,2 millions
d'exploitations, 371 millions d'hectares de surface agricole utile (169 hectares par ferme
en moyenne). La majorité de la production agricole se trouve dans les Grandes Plaines,
ainsi que la vallée de San Joaquin (Californie).
Dans le projet ci-contre, son intérêt porte sur l’échantillonnage par des
méthodes probabilistes afin de mettre au point un estimateur précis à variance
minimale. La variable auxiliaire en corrélation avec cette dernière est la superficie des
fermes en 1982 (ACRES82).
1
: Page

Sondage : méthodes probabilistes
Master 2 En Méthodes Statistiques Et Econométriques
I- Estimation de la superficie totale des fermes aux Etats-Unis
1. Préambule
Elément de Réponse
Remarque :
Les espaces entre les modalités de la variable COUNTY n’influence pas les calculs réalisés. En effet, en
remplaçants par des underscores les 2992 observations, les résultats observés sont identiques.
a) Il s’agit d’étudier les caractéristiques de la population statistique (l’univers :
l’ensemble des communes) :
 Pour ce faire, on utilise les commandes sous le logiciel statistique R :
On observe une superficie totale (ty) de 923 355 862 d’acres en 1992; alors que 10 ans
auparavant (1982), cette superficie était de 963 376 742 sur le 2992 communes.
En ce qui concerne, le nombre de communes par région géographique, il est possible
pour une meilleur illustration de visualiser par un graphique adapté :
* En cas de copie des commandes, veuillez rectifier les guillemets lors de l’exécution
attach(samp) # extraction des variables de la base
ty=sum(ACRES92) # total de ty
tx=sum(ACRES82) #superficie de fermes
rbind (ty,tx) # Sortie de resultats
tapply(COUNTY, REGION, FUN=length)# Commune par region
install.packages(« Hmisc ») # installer puis Charger l’outils Hmisc
library(Hmisc) # Deuxieme méthode commune par region
c=summarize(COUNTY, by=REGION,FUN = length)
barplot(c$COUNTY, col=rainbow(10),legend.text=TRUE)# Par graphique
# Spécification du répertoire du dossier de travail
getwd()
setwd("D:/Abdi-Basid ADAN/Projets Générales/Sondage Cissé 2")
# L’importation de la base de données
samp <- read.csv("AGPOP.csv",header=T,sep=";") ; View(samp
# Vérifications des observations et des variables.
dim(samp)
ls.str(samp)
tail(samp) ; head(samp)
2
: Page