Chapitre 5 Interprétation des données d’enquête 1.

Chapitre 5 Interprétation des données d’enquête 1

Interprétation des données d’enquête Chapitre 5, principalement le point C, en p. 61 et suivantes Enquête, sondage : même combat ! Notre exemple : sondage d’opinion politique Une enquête, comment ça marche ? objectif du sondage :  on veut connaitre l’opinion politique  de l’ensemble des électeurs en Belgique or, « impossible » d’interroger les 8.000.000 d’électeurs (  ) solution :  on se contente d’interroger 2.000 électeurs parmi les 8.000.000  les 2.000 = échantillon choisi parmi les 8.000.000 Avant la théorie, que diriez-vous ? document distribué on y reviendra : à conserver/prendre au cours Un peu de théorie, en changeant temporairement d’exemple 2

Interprétation des données d’enquête Cadre général du nouvel exemple objectif : connaitre la taille moyenne des élèves d’une école  secondaire  mixte (elles le sont toutes maintenant)  de 800 élèves Comment faire ? mesurer tou(te)s les élèves (= collecte « exhaustive ») calculer la moyenne résultat : un nombre  unique  indiscutable (hypothèse : pas de problème de collecte) Si « impossible » de mesurer tou(te)s les élèves, que faire ? en mesurer une partie, un échantillon réaliser une enquête 3

Interprétation des données d’enquête Les enquêtes ou l’ABANDON de l’exhaustivité principe de base  observation d’un échantillon extrait de la population (40 élèves sur les 800)  puis INFÉRENCE statistique : définition, p. 61 (pas important pour nous)  objectif : idem collecte exhaustive  « méthode » : abandon de l’exhaustivité (mesure de 40 sur les 800) exhaustivité <> non-exhaustivité : avantages, inconvénients  coût et rapidité : avantage au non-exhaustif  précision dans les questions : avantage au non-exhaustif  qualité des données : avantage au non-exhaustif  interprétation des données : avantage à l’exhaustif 4 étendre le résultat de l’échantillon à la population Toujours avantage au non-exhaustif  ne plus faire d’exhaustif MAIS, mais, mais…

Interprétation des données d’enquête Les enquêtes ou l’ABANDON de l’exhaustivité principe de base  observation d’un échantillon extrait de la population (40 élèves sur les 800)  puis INFÉRENCE statistique : définition, p. 61 (pas important pour nous)  objectif : idem collecte exhaustive  « méthode » : abandon de l’exhaustivité (mesure de 40 sur les 800) exhaustivité <> non-exhaustivité : avantages, inconvénients  coût et rapidité : avantage au non-exhaustif  précision dans les questions : avantage au non-exhaustif (parfois…)  qualité des données : avantage au non-exhaustif  interprétation des données : avantage à l’exhaustif 14 étendre le résultat de l’échantillon à la population Toujours avantage au non-exhaustif  ne plus faire d’exhaustif MAIS, mais, mais…

Interprétation des données d’enquête Les enquêtes ou l’ABANDON de l’exhaustivité principe de base  observation d’un échantillon extrait de la population (40 élèves sur les 800)  puis INFÉRENCE statistique : définition, p. 61 (pas important pour nous)  objectif : idem collecte exhaustive  « méthode » : abandon de l’exhaustivité (mesure de 40 sur les 800) exhaustivité <> non-exhaustivité : avantages, inconvénients  coût et rapidité : avantage au non-exhaustif  précision dans les questions : avantage au non-exhaustif (parfois…)  qualité des données : avantage au non-exhaustif (parfois…)  interprétation des données : avantage à l’exhaustif 15 étendre le résultat de l’échantillon à la population Toujours avantage au non-exhaustif  ne plus faire d’exhaustif MAIS, mais, mais…

Interprétation des données d’enquête Retour à l’exemple de la taille moyenne des élèves échantillon de 40 élèves en espérant que échantillon = reflet fiable des 800 élèves Principale difficulté : choisir les 40 parmi les 800 démarche progressive étapes éventuellement « inutiles », du moins en apparence mais nécessaires au raisonnement 19 Inutile par contre de mémoriser les étapes, mais important de bien comprendre l’idée qui va en ressortir !

Interprétation des données d’enquête Tirer/choisir l’échantillon 1 er essai : tirer au hasard 40 parmi les 800  Souvent difficile, mais pas dans notre exemple  Méthode : le « coup » du chapeau  mettre le nom de chaque élève sur un bout de papier  mettre les bouts de papier dans un chapeau (ou un autre récipient)  bien mélanger  tirer 40 bouts de papier au hasard  Ok, car seul le hasard préside au choix 29

Interprétation des données d’enquête Tirer/choisir l’échantillon 1 er essai : tirer au hasard 40 parmi les 800  Souvent difficile, mais pas dans notre exemple  Méthode : le « coup » du chapeau  Résultat possible vu que tirage au hasard :  par pur HASARD, uniquement des garçons de 6 e année (ou « trop »)  taille surestimée  l’échantillon : ne compte que des grands : o à l’adolescence, la taille varie en fonction de l’âge o la taille varie en fonction du sexe : les ♂ un peu plus grands que les ♀ n’est pas le reflet fiable de la population des 800 ≠ miniature de la population  problème !  notion de représentativité : respect des structure significatives (comme l’âge et le sexe, ici) si respect : échantillon = miniature de la population des 800 35

Interprétation des données d’enquête Tirer/choisir l’échantillon 1 er essai : tirer au hasard 40 parmi les 800  Souvent difficile, mais pas dans notre exemple  Méthode : le « coup » du chapeau  Résultat possible vu que tirage au hasard :  par pur HASARD, uniquement des garçons de 6 e année (ou « trop »)  taille surestimée  l’échantillon : ne compte que des grands : o à l’adolescence, la taille varie en fonction de l’âge o la taille varie en fonction du sexe : les ♂ un peu plus grands que les ♀ n’est pas le reflet fiable de la population des 800 ≠ miniature de la population  problème !  notion de représentativité : respect des structure significatives (comme l’âge et le sexe, ici) si respect : échantillon = miniature de la population des 800 36  Comment atteindre la représentativité ?

Interprétation des données d’enquête Comment atteindre la représentativité ? 2 e essai : tirage « stratifié » (mot pas important pour nous)  « construire » l’échantillon  méthode :  déterminer les quotas par classe et sexe. Exemple : les élèves de 1 re année : o = 200 sur les 800, soit un quart du total o  l’échantillon doit comporter 25% de 1 re année, soit 10 (sur 40) les filles de 1 re année : o = 120 sur les 200, soit 60% o  l’échantillon doit comporter 6 filles de 1 re année, soit 60% des 10 de 1 re  ensuite le coup du chapeau sur base des quotas pour les filles de 1 re : o 120 bouts de papier avec un nom o chapeau : tirage de 6 parmi les 120 pour les garçons de 1 re : idem mais 4 parmi 80 ! pour les filles/garçons de 2 e, 3 e, 4 e, 5 e et 6 e : idem, mais nombres différents 37  Échantillon :° respectant la structure par âge et sexe ° « assez et pas trop » par âge et sexe ° REPRÉSENTATIF

Interprétation des données d’enquête Comment atteindre la représentativité ? 2 e essai : tirage « stratifié » (mot pas important pour nous)  « construire » l’échantillon  méthode :  déterminer les quotas par classe et sexe. Exemple : les élèves de 1 re année : o = 200 sur les 800, soit un quart du total o  l’échantillon doit comporter 25% de 1 re année, soit 10 (sur 40) les filles de 1 re année : o = 120 sur les 200, soit 60% o  l’échantillon doit comporter 6 filles de 1 re année, soit 60% des 10 de 1 re  ensuite le coup du chapeau sur base des quotas pour les filles de 1 re : o 120 bouts de papier avec un nom o chapeau : tirage de 6 parmi les 120 pour les garçons de 1 re : idem mais 4 parmi 80 ! pour les filles/garçons de 2 e, 3 e, 4 e, 5 e et 6 e : idem, mais nombres différents 38  Échantillon :° respectant la structure par classe et sexe ° « assez et pas trop » par classe et sexe ° REPRÉSENTATIF

Interprétation des données d’enquête Comment atteindre la représentativité ? 2 e essai : tirage « stratifié » (mot pas important pour nous)  construire l’échantillon  « plus » de travail que la 1 re méthode  Si pas de chance :  rien que des doublants ou simplement trop par rapport à leur %   taille surestimée  3 e essai : quotas par sexe et âge (plus par classe)   encore « plus » de travail que la 2 e méthode  et pas de chance : une majorité de plutôt grand(e)s pour leur âge   taille surestimée idée à retenir des 3 essais :  du 1 er au 3 e essai,  la part du hasard dans le choix des 40 parmi les 800 diminue  MAIS sans disparaitre ! 39

Interprétation des données d’enquête Comment atteindre la représentativité ? 2 e essai : tirage « stratifié » (mot pas important pour nous)  construire l’échantillon  « plus » de travail que la 1 re méthode  Si pas de chance :  rien que des doublants ou simplement trop par rapport à leur %   taille surestimée  3 e essai : quotas par sexe et âge (plus par classe)   encore « plus » de travail que la 2 e méthode  et pas de chance : une majorité de plutôt grand(e)s pour leur âge   taille surestimée idée à retenir des 3 essais :  du 1 er au 3 e essai,  dans le choix des 40 parmi les 800  la part du hasard diminue  MAIS sans disparaitre ! 47

Interprétation des données d’enquête Comment atteindre la représentativité ? 2 e essai : tirage « stratifié » (mot pas important pour nous)  construire l’échantillon  « plus » de travail que la 1 re méthode  Si pas de chance :  rien que des doublants ou simplement trop par rapport à leur %   taille surestimée  3 e essai : quotas par sexe et âge (plus par classe)   encore « plus » de travail que la 2 e méthode  et pas de chance : une majorité de plutôt grand(e)s pour leur âge   taille surestimée idée à retenir des 3 essais :  du 1 er au 3 e essai,  dans le choix des 40 parmi les 800  la part du hasard DIMINUE  MAIS SANS DISPARAITRE ! 51

Interprétation des données d’enquête L’essentiel vu jusqu’ici : Intervention inéluctable du hasard dans le choix de l’échantillon Par définition, avec le hasard, 2 possibilités  Il fait bien les choses et  Il fait mal les choses et Le problème :  après l’enquête  impossible de savoir si le hasard a bien ou mal fait les choses  sauf à faire une opération… exhaustive (exemple : mesurer les 800) Conséquence : interprétation des données avec  IMPRÉCISION  INCERTITUDE 52

Interprétation des données d’enquête L’essentiel vu jusqu’ici : Intervention inéluctable du hasard dans le choix de l’échantillon Par définition, avec le hasard, 2 possibilités  Il fait bien les choses et  Il fait mal les choses et Le problème :  après l’enquête  impossible de savoir si le hasard a bien ou mal fait les choses  sauf à faire une opération… exhaustive (exemple : mesurer les 800) Conséquence : en cas d’enquête, interprétation des données avec  IMPRÉCISION  INCERTITUDE 61

Interprétation des données d’enquête Abandon de l’exemple de la taille moyenne dans une école Interprétation d’un sondage sur 1.000 électeurs à la sortie des bureaux de vote (  contrôle de l’exhaustif possible à postériori) lors d’une élection opposant 2 candidats Hypothèses (pour se simplifier la vie, ce que nous ferons toujours) : pas d’erreur d’observation : déclarations sincères, bon enregistrement des réponses… pas d’erreur d’échantillonnage : échantillon parfaitement tiré au hasard aucun vote blanc, ni nul Tableau 1 avec les résultats « bruts » du sondage sur 1.000 personnes de l’échantillon, 495 (ou 49,5%) ont choisi A 62 % dans l’échantillon ou « valeur centrale » Candidat A49,5 % Candidat B50,5 %

Interprétation des données d’enquête Interprétation habituelle ou « journalistique » du sondage « Le sondage prévoit 50,5% pour B et donc sa victoire » Interprétation comme si données exhaustives un nombre UNIQUE : B = 50,5% un nombre CERTAIN : indicatif présent MAIS enquête  adaptation indispensable de l’interprétation imprécision <> nombre unique Incertitude <> nombre certain 74 « Valeur centrale » Candidat A49,5 % Candidat B50,5 %

Interprétation des données d’enquête Interprétation CORRECTE et COMPLÈTE des données d’enquête valeur centrale : % calculé dans l’échantillon marge d’erreur : obtenue par calcul (on y vient) borne inférieure pour A : 49,5% - 3,2% = 46,3% borne supérieure pour A : 49,5% + 3,2% = 52,7% fourchette pour A : [ 46,3% ; 52,7% ] interprétation :  à 95 chances sur 100 d’avoir raison (INCERTITUDE)  le résultat de A est dans la fourchette, soit entre 46,3 et 52,7 (IMPRÉCISION) 84 ValeurÀ 95 chances sur 100 d’avoir raison : centraleMargeBorne inférieureBorne supérieure A49,5  3,2% 46,3%52,7% B50,5  3,2% 47,3%53,7% VictoireBLe sondage ne dit rien de concluant à ce sujet

Interprétation des données d’enquête Interprétation CORRECTE et COMPLÈTE des données d’enquête Interprétation :  à 95 chances sur 100 d’avoir raison (INCERTITUDE)  le résultat de A est dans la fourchette (IMPRÉCISION) Interprétation, complément pas toujours cité :  à 5 chances sur 100  le résultat de A est hors fourchette : 42,7% 97 ValeurÀ 95 chances sur 100 d’avoir raison : centraleMargeBorne inférieureBorne supérieure A49,5  3,2% 46,3%52,7% B50,5  3,2% 47,3%53,7% VictoireBLe sondage ne dit rien de concluant à ce sujet Pourquoi pas toujours cité ? Car complémentaire de l’interprétation initiale

Interprétation des données d’enquête Interprétation CORRECTE et COMPLÈTE des données d’enquête Interprétation :  à 95 chances sur 100 d’avoir raison (INCERTITUDE)  le résultat de A est dans la fourchette (IMPRÉCISION) Interprétation, complément pas toujours cité :  à 5 chances sur 100  le résultat de A est hors fourchette : 42,7% 101 ValeurÀ 95 chances sur 100 d’avoir raison : centraleMargeBorne inférieureBorne supérieure A49,5  3,2% 46,3%52,7% B50,5  3,2% 47,3%53,7% VictoireBLe sondage ne dit rien de concluant à ce sujet Pourquoi pas toujours cité ? Car complémentaire de l’interprétation initiale.

Interprétation des données d’enquête Interprétation CORRECTE et COMPLÈTE des données d’enquête Interprétation :  à 95 chances sur 100 d’avoir raison (INCERTITUDE)  le résultat de A est dans la fourchette (IMPRÉCISION) Rappel : pourquoi l’introduction de l’incertitude et de l’imprécision ?  intervention du hasard dans le choix des 1.000  avec le hasard, 2 possibilités :  il fait bien les choses : « p » de l’échantillon proche du « p » de la population  il fait mal les choses : « p » de l’échantillon loin du « p » de la population  après l’enquête, on ne sait pas si le hasard a été favorable ou pas   prudence dans l’utilisation des données : imprécision & incertitude 102 ValeurÀ 95 chances sur 100 d’avoir raison : centraleMargeBorne inférieureBorne supérieure A49,5  3,2% 46,3%52,7% B50,5  3,2% 47,3%53,7% VictoireBLe sondage ne dit rien de concluant à ce sujet

Interprétation des données d’enquête Interprétation CORRECTE et COMPLÈTE des données d’enquête Interprétation :  à 95 chances sur 100 d’avoir raison (INCERTITUDE)  le résultat de A est dans la fourchette (IMPRÉCISION) Utilité du sondage  quel candidat va gagner ?  le sondage ne permet pas de prévoir la victoire de A ou de B  utile ou pas ?  utile : montre que la situation est serrée, ce qui est une information  inutile si le seul objectif est de prévoir la victoire, mais… On en arrive aux FORMULES (cf. documents distribués) 109 ValeurÀ 95 chances sur 100 d’avoir raison : centraleMargeBorne inférieureBorne supérieure A49,5  3,2% 46,3%52,7% B50,5  3,2% 47,3%53,7% VictoireBLe sondage ne dit rien de concluant à ce sujet

Interprétation des données d’enquête Les formules Marge d’erreur  données : lors d’un sondage  sur un échantillon de 1.253 individus  un parti a obtenu 18,7% des voix  le degré de certitude désiré est de 95% (ou 95 chances sur 100 d’avoir raison)  Le calcul effectif de la marge 117

Interprétation des données d’enquête Les formules Marge d’erreur  Le calcul effectif de la marge  La formule théorique  « p » = le % dans l’échantillon, soit 18,7% ou 0,187  « q » = 1 – p, soit 1 – 0,187 = 0,813 ou 100% - 17,7% = 81,3%  « n » = la taille de l’échantillon, soit 1.253  « k » est une coefficient variant selon le degré de certitude CHOISI : si degré de certitude = 95%, k = 1,96 (valeur par défaut) si degré de certitude = 99%, k = 2,58 (plus rarement choisi) 118

Interprétation des données d’enquête Les formules ( rappel : p = 0,187 ; n = 1.253 ; degré certitude : 95% ) Rappel : marge d’erreur = 2,2% ou 0,022 La fourchette  définie par 2 bornes :  inférieure : p - marge = 0,187 – 0,022 = 0,165 ou 16,5%  supérieure : p + marge = 0,187 + 0,022 = 0,209 ou 20,9%  finalement la fourchette = [ 16,5% ; 20,9% ] Retour à l’interprétation : vu les résultats du sondage, « p » dans la population se situe :  à 95 chances sur 100, DANS la fourchette (entre 16,5 et 20,9%)  à 5 chances sur 100, HORS fourchette (à – de 16,5% ou à + de 20,9) Des questions ? Alors aux exercices, citoyens ! 125

Interprétation des données d’enquête Les formules ( rappel : p = 0,187 ; n = 1.253 ; degré certitude : 95% ) Rappel : marge d’erreur = 2,2% ou 0,022 La fourchette  définie par 2 bornes :  inférieure : p - marge = 0,187 – 0,022 = 0,165 ou 16,5%  supérieure : p + marge = 0,187 + 0,022 = 0,209 ou 20,9%  finalement la fourchette = [ 16,5% ; 20,9% ] Retour à l’interprétation : vu les résultats du sondage, « p » dans la population se situe :  à 95 chances sur 100, DANS la fourchette (entre 16,5 et 20,9%)  à 5 chances sur 100, HORS fourchette (à – de 16,5% ou à + de 20,9) Des questions ? Alors aux exercices, citoyens ! Après les exercices, synthèse des acquis 136

Interprétation des données d’enquête Interprétation d’un sondage sur 1.000 électeurs à la sortie des bureaux de vote (  contrôle de l’exhaustif possible à postériori) Hypothèses : pas d’erreur d’observation, d’échantillonnage, de vote blanc ou nul Résultats des élections (après dépouillement de tous les bulletins) opération exhaustive (tous les bulletins du pays) possibilité de contrôler le sondage, ce qui est exceptionnel Tableau 1. Interprétation habituelle dans l’échantillon, 49,5% ont choisi A dans la population (tous les électeurs du pays), 51,5% ont voté A 137 EnquêteÉlections Candidat A49,5 %51,5% Candidat B50,5 %48,5% VictoireBA

Interprétation des données d’enquête Tableau 1. Interprétation habituelle Le sondage « prévoit » la victoire de B, mais c’est A qui a gagné Titre des journaux : « les perdants des élections = les sondages » Qu’en penser ? Tableau 2. Tableau complet avec marge et fourchette : 147 EnquêteÉlections Candidat A49,5 %51,5% Candidat B50,5 %48,5% VictoireBA ÉlectionsEnquête (sur 1.000, à la sortie des bureaux) RésultatsValeurÀ 95 chances sur 100 d’avoir raison dépouillementcentraleMargeBorne infér.Borne supér. A51,5%49,5 %  3,2% 46,3%52,7% B48,5%50,5 %  3,2% 47,3%53,7% VictoireABImpossible à déterminer !

Interprétation des données d’enquête Tableau 2. Tableau complet avec marge et fourchette Titre des journaux : « les perdants des élections = les sondages » Qu’en penser ?  D’accord, si on se limite aux valeurs centrales, ce qui est à proscrire…  Interprétation correcte et complète :  pour A, à 95 %, entre 46,3 et 52,7%, soit victoire ou défaite  pour B, à 95 %, entre 47,3 et 53,7 %, soit victoire ou défaite  conclusions : pour A et B, le résultat effectif est dans la fourchette ce sondage ne permet pas de prédire la victoire de l’un ou l’autre perdants des élections = ceux qui n’interprètent pas correctement les sondages 153 ÉlectionsEnquête (sur 1.000, à la sortie des bureaux) RésultatsValeurÀ 95 chances sur 100 d’avoir raison dépouillementcentraleMargeBorne infér.Borne supér. A51,5%49,5 %  3,2% 46,3%52,7% B48,5%50,5 %  3,2% 47,3%53,7% VictoireABImpossible à déterminer !

Interprétation des données d’enquête Tableau 3. Un autre sondage Le sondage s’est-il trompé ?  Argument pour : résultats en dehors de la fourchette  C’est oublier l’incertitude : 95 % d’avoir raison et 5 % de se tromper  Si on accuse le responsable du sondage, il pourra se défendre avec l’INCERTITUDE :  tout a été bien fait, selon les règles de l’art  MAIS pas de chance en choisissant les 1.000 de l’échantillon  le hasard a mal fait les choses  nous sommes dans les 5 mauvaises chances sur 100 ! 162 ÉlectionsEnquête (sur 1.000, à la sortie des bureaux) RésultatsValeurÀ 95 chances sur 100 d’avoir raison dépouillementcentraleMargeBorne infér.Borne supér. A51,5%40 %  3,1% 36,9%43,1% B48,5%60 %  3,1% 56,9%63,1% VictoireABLa victoire de B, en apparence Bref, un sondage bien fait ne peut jamais se tromper

Interprétation des données d’enquête Un sondage peut-il se tromper ? Par rapport à l’échantillon des 1.000 ? Par rapport à la population des millions d’électeurs ?  En ne retenant que la valeur centrale ?  erreur si la valeur centrale ne se réalise pas  c’est oublier l’imprécision et l’incertitude !  inacceptable  En prenant en compte UNIQUEMENT la fourchette ?  erreur si la valeur vraie n’est pas dans la fourchette  c’est oublier l’incertitude !  inacceptable  En prenant AUSSI en compte l’incertitude ?  si en dehors de la fourchette, invoquer la clause d’incertitude :  c’est la faute à « pas de chance » en choisissant l’échantillon Un sondage ne se trompe jamais ! 171

Interprétation des données d’enquête Que faire pour… … augmenter la certitude ?  prendre une fourchette plus grande  MAIS l’information devient moins intéressante car l’imprécision grandit  exemple : si « p » = 49,5 et « n » = 1.000  si 95 %, fourchette = [ 46,3% ; 52,7% ]  si 99 % (degré de certitude plus élevé), fourchette = [ 45,1% ; 53,6% ]  données plus difficiles à vendre car imprécision plus grande  pour parler avec certitude :  annoncer pour chaque candidat un résultat entre 0 et 100 %  ce qui est une information évidente : besoin de rien, ni personne pour l’annoncer 172

Interprétation des données d’enquête Que faire pour… … augmenter la certitude ? … diminuer l’imprécision ?  augmenter la taille de l’échantillon (« n »)  MAIS plus cher (argent) !  à la limite,  interroger toute la population (tous les électeurs)  résultat précis (sans fourchette)  mais contradictoire avec la notion d’enquête… 173

Interprétation des données d’enquête Interprétation des données : non-exhaustivité <> exhaustivité Hypothèse : pas d’erreur d’observation (déclarations sincères, bon enregistrement des réponses…) d’une valeur unique, on passe à une fourchette de certaine, la donnée devient incertaine 174 CollecteValeur tirée de l’observationDegré de certitude Exhaustiveuniquecertaine Non exhaustive : enquête fourchette (= imprécision) incertaine (= incertitude) En passant de l’exhaustif au non-exhaustif, on perd beaucoup dans l’interprétation des données !

Interprétation des données d’enquête Utilité des sondages, des enquêtes ? Critère : utile si surplus de connaissance Exemple 1 : pays où vont se dérouler les 1 res élections Exemple 2 : sondages préélectoraux en Belgique 177

Interprétation des données d’enquête Critère : utile si surplus de connaissance Exemple 1 : pays où vont se dérouler les 1 res élections Exemple 2 : sondages préélectoraux en Belgique (situation ancienne) Avec les mêmes données :  Exemple 1 : commentaires intéressants  Exemple 2 : à la limite ne rien faire, car information évidente ! 178 PartisScore auxSondage en 1994 élections ‘89B. inf.Valeur centraleB. sup. PS38,1%25,8%29,2%32,6% PRL-FDF22,7%21,9%25,2%28,5% PSC21,3%17,020,0%23,0% PartisSondage en 1994 B. infValeur centraleB. Sup. PS25,8%29,2%32,6% PRL-FDF21,9%25,2%28,5% PSC17,0%20,0%23,0%

Interprétation des données d’enquête Et si on ajoute les résultats de 1994 Conclusion : tous les scores dans les fourchettes ! Conclusion : 2 scores hors fourchette, mais SURPRISES énormes ! 179 WallonieScore auxSondage en 1994Score aux élections ‘89B. inf.Valeur centraleB. sup.élections ‘94 PS38,1%25,8%29,2%32,6%30,5% PRL-FDF22,7%21,9%25,2%28,5%24,3% PSC21,3%17,0%20,0%23,0%18,8% FlandreScore auxSondage en 1994Score aux élections ‘89B. inf.Valeur centraleB. sup.élections ‘94 CVP34,1%20,3%23,5%26,7%27,5% VLD17,1%23,9%27,3%30,7%18,4% SP20,0%13,6%16,4%19,2%17,5%

Chapitre 5 Interprétation des données d’enquête 1.

Présentations similaires

Présentation au sujet: "Chapitre 5 Interprétation des données d’enquête 1."— Transcription de la présentation:

Présentations similaires

Notre projet

Feed-back

Entrer

S'autoriser via un réseau social:

Chapitre 5 Interprétation des données d’enquête 1.

Présentations similaires

Présentation au sujet: "Chapitre 5 Interprétation des données d’enquête 1."— Transcription de la présentation:

Présentations similaires

Notre projet

Feed-back