L'échantillonnage aléatoire stratifié est une technique statistique utilisée pour sélectionner un échantillon représentatif à partir d'une population plus large en la divisant en sous-groupes distincts appelés strates. Ces strates sont formées sur la base de caractéristiques ou d'attributs communs aux membres, tels que l'âge, le niveau de revenu, le sexe ou le niveau d'éducation. En organisant la population de cette manière, les chercheurs s'assurent que l'échantillon final reflète fidèlement la diversité de l'ensemble du groupe.
Pour appliquer cette méthode, la population est d'abord partitionnée en strates spécifiques. Une fois divisée, des échantillons aléatoires sont tirés de chaque sous-groupe. Ce processus peut être effectué de manière proportionnelle, où le nombre d'échantillons prélevés dans chaque strate correspond à son pourcentage réel dans la population totale, ou de manière disproportionnée, où les tailles d'échantillon ne reflètent pas la distribution de la population. Cette approche permet d'éliminer les biais et les erreurs d'échantillonnage qui pourraient survenir si une sélection aléatoire simple était utilisée à la place.
Par exemple, un gestionnaire de portefeuille peut utiliser l'échantillonnage aléatoire stratifié pour répliquer un indice obligataire. En regroupant les obligations selon des caractéristiques communes telles que la notation de crédit ou la date d'échéance, le gestionnaire peut sélectionner un échantillon qui reflète la composition de l'indice. Cela garantit que le portefeuille résultant capture les caractéristiques clés du marché au sens large, offrant une représentation plus précise qu'une sélection purement aléatoire d'actifs.