R EVUE DE STATISTIQUE APPLIQUÉE
J. U LMO
D. S CHWARTZ
A. V ESSEREAU
Problèmes relatifs aux échantillonnages à plusieurs niveaux
Revue de statistique appliquée, tome 5, n
o1 (1957), p. 57-66
<
http://www.numdam.org/item?id=RSA_1957__5_1_57_0>
© Société française de statistique, 1957, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
PROBLÈMES RELATIFS AUX ÉCHANTILLONNAGES
A PLUSIEURS NIVEAUX
par
J.
ULMOStatisticienne à l’I.R.S.I.D.
D. SCHWARTZ et A VESSEREAU
Ingénieurs
des Manufactures del’État
La
présente
étude se rapporte auxproblèmes
d’échantillonnage du type échantillonnage àplusieurs
nivetïizx avec nombre constant deprélèvements
dansles diverses unités à un même niveau. Par
exemple :
Dans la production d’un centre de
fabrication d’ampoules
de B.C.G., onchoisit au hasard 1 lots de
fabrication,
on prélève au hasard dans chacun d’euxun même nombre a d’ampoules, chacune donnant naissance à t tubes de culture, c’est-à-dire à t mesures du nombre de
particules
vivantes.Ou encore : dans une livraison de
papier Kraft,
on choisit au hasard rrames, dans chacune on
prélét~e
au hasard ffeuilles,
chacune donnant naissanceà un même nombre m de mesures (par
exemple
de résistance à l’éclatement).De même dans la
production
d’une cokerie, on choisit au hasard des lots, dans chaque lot onprélève
au hasard des sous-lots, ou échantillons, chaque échantillon donnant lieu à utr certain nombre de mesures (par exemple de résis-tance à la dégrad«fion sous l’action de chocs).
Dans ces diuers exemples, la suite des
opérations
permet de distinguer d’une part l’échantillonnage proprement dit, d’autre part la mesure d’un carac- tère donné : ces deux typesd’opérations
peuvent, dans lapratique,
être d’essenceet de
signification
trèsdifférentes.
Mais dans le modèlemathématique,
on peutne pas tenir compte de cette dr f féronce, et considérer un groupe m mesures comme
un
échantillonri(ige
parmi toutes les mesurespossibles.
Un casfréquent
etsimple
sera celui del’échantillonnage
à deux niveaux : un niveau d’échantillon- n(ige prol.>remeiit dit et un niveau de ineslire. Parexemple :
pour la détermination de la iy(ileiir en liiiile d’une uuriété d’arachide, onprélève
un certain nombred’échantillons de la variété , et ch(tqiie échantillon donne lieu, selon les normes de la méthode internationale, ~t cinq analyses de tenerrr en huile, etc.
Dans les divers exemples éniiniérés, la
pratique
d’unéchantillonnage
à plusieurs niveau.r trorrve scr raison d’être dans le fait corrramment vérifié quechaque
niveau apporte un élément propre de variabilité : parexemple,
dans lecas des ampoules de I3.C..1~, la prise en considération des niveaux « lot »
« ainpoiile », « tube de mesure », résrrlfe du
fait qu’il
g a une plusgrande
ressem-blance entre tubes provenant d’une même ampoule et entre
ampoules
provenant d’un même lot.Quant à 7a constance du nombre des prélèr~ements dans les unités à lin
n~;eau donné, elle est motii~ée par des considércrtions telles que les suivantes : dans fe cas par
exemple
des ampoules de B.C.G., onprocède
au même nombre de mesures pour les diuerses ampoules par raison de symétrie, et si on prélève lemême nombre d’«mpaules cl«rrs les divers lots, c’est
qii’on
admet en première tippi-oxiniation, ou bien que le nombre (1’(impoiiles varie peu d’un lot à l’autre,ou que cette vririrition est sans rapport avec celle du caractère étudié.
Les auteurs
envisagent
ici deux catégories de problèmes :- En premier lieu, pour un plan
d’échantillonnage
donné (nombre donné de prélèvements àchaque
niveau), estinier à partir des mesures obtenues cer-1(tines
c(ir(i(-téristiqiies
de tendance centrale ou de dispersion,portant
sur la popu- lotion échantillonnée : t par exemple, i)(ileiir mo.,,jenne du nombre de particulesdans les «nr poules, variabilité due ~r
l’effet
lot, ill’effet
(impoizle, etc.- En deuxième lieu, rechercher le plan
d’échantillonnage
optimum enfonction
du but fixé qui sera, selon le cas, l’estimation la plusprécise
d’unecaractéristique
de tendance centrale ou d’unecartictéristiqiie
dedispersion.
ESTIMATION SUR
ÉCHANTILLON
POUR UN PLAND’ECHANTILLONNAGE
DONNÉ
Nous
prendrons
commeexemple
concret celui desampoules
de B.C.G.Le
plan d’échantillonnage
est donné : =- choix au hasard de
e
lots deproduction,
-
prélèvement
au hasard de aampoules
dans chacun de ces lots- constitution de t tubes de culture par
ampoule.
On détermine sur
chaque
tube la valeur d’un caractère x(nombre
departicu-
les
qui germent,
outemps
degermination, etc...)
1 -
Centre de
production
. u B B.-i
Nous ferons
l’hypothèse
que l’effet des divers niveaux se traduit par une ad- dition de valeurs aléatoires de tellefaçon
que si xijk est la valeur déterminéesur le tube K de
l’ampoule j
du lot ï ~Les X ainsi que les (X. et les e sont
supposés indépendants
enprobabilité
etdistribués normalement autour d’une moyenne
nulle:
avec des variances :7
= variance due à l’effet lotQ A 2 _
" " " "ampoule
QT -
" " " " tube(ou
variance due à lamesure)
Xo est donc la moyenne du caractère x pour l’ensemble des lots.
I)
ESTIMATION DE LA VALEUR MOYENNE DE x DANS L’ENSEMBLE DES LOTS On estimera la moyenne xo par :Cette estimation est, en vertu des
hypothèses faites,
distribuée normalement autour de xo avec une variancequi
se déduit de10
et(2) :
d’ou:
On pourra estimer cette variance, et par suite un intervalle de confiance à un
seuil
quelconque
pour xo, si on peutestimer cr~, Q Â,
et(7~.
On trouvera ci- dessous(paragraphe 3)
une méthode d’estimationde Q~ , QÂ , et ~T ,
mais ilpeut
être intéressant de tester
auparavant
lasignification
des effetslot, ampoule
ettube.
2)
TESTS DE SIGNIFICATION DES VARIABILITES DUES AUX DIFFERENTS NI- VEAUX D’ECHANTILLONNAGE(analyse
de lavariance)
Il
s’agit
de voir si leshypothèses
nulles7~= 0,o-~ = 0, (7~. = 0,
sont admis-sibles.
On a, en
désignant
par x la moyenneobservée, x;j.
la moyenne observée pour les tubes del’ampoule ij,
et-xi..
la moyenne observée pour lesampoules
duloti :
ou
avec les
degrés
de libertéLes différents termes de
l’équation (4)
se calculent comme d’ordinaire par :On en déduit les estimations suivantes,
indépendantes
enprobabilité.
TABLEAU 1
(1) Ce résultat se déduit aisément du calcul de la variance entre moyennes d’ampoules d’un
même lot
i x;j. ,
dont.2013,2013-r
est une estimation sans biais :) ° ’ e t (a-I ~-,
On a en effet
et pour le lot i : soit
dont la variance est
Les
expressions
des valeurs moyennes des estimations montrent que l’on doitprocéder
de la manière suivante :On teste la
signification
de l’effet"ampoule"
encomparant
le carré moyen"entre
ampoules" Q
avec(a-I) e degrés
de liberté au carré moyen "entre(a_IÎ e
tubes" (T (t-I~aQ
avec(t-I) aQ degrés
de liberté par le test F.On teste la
signification
de l’effet "lot" encomparant
le carré moyen "entrelots"201320132013
Q -I avec(t -I) degrés
de liberté au carré moyen "entreampoules" QA
’(a-I)2
avec
(a-I) e degrés
de liberté.D’une
façon générale,
dans unéchantillonnage
àplusieurs niveaux,
l’effet dechaque
niveau est testé parcomparaison
du carré moyencorrespondant
à ce ni-veau à celui
qui correspond
au niveau immédiatement inférieur.3)
ESTIMATION DES VARIANCES AUX DIFFERENTS NIVEAUX D’ECHANTIL- LONNAGEa)
Estimations.On a intérêt à connaître la variabilité de la
production
du centre àchaque
ni-veau. On devra chercher à connaître
outre
(7 T variance
entre mesures finalesles variances
cr A 2 (due
à l’effet"ampoule"),
et
or2 L (due
à l’effet"lot")
Le tableau I
(Paragraphe 2)
montre que la varianceoT
est estimée directe- ment par :et que l’on
peut
estimer sans biaisa A 2
etcr L 2respectivement
par :b)
Intervalles de confiance.(oc ) . -
On pourra obtenir une solutionapprochée
à un niveau donné si le nom-de degrés
de liberté est élevé à ce niveau; on voit eneffet,
dans leséquations
que
les variances estimées sont des fonctions linéaires des carrés moyens~ ~
etQL
1 or chacun de ces carrés moyens, pour un nombre élevé(t-I)ae ’ (a-I)f et--r:I’
or c acun e ces carres moyens, pour un nom re e eve(t-I)aQ
"(a-I)~
~ -Ide
degrés
deliberté,
est distribué normalement avec une variance connue :- Si ta e est
élevé, s2 T
est distribué normalement autour de aT 2
avec la variance2o,4
2 s47
V(sT)2 -
T
que l’on
peut
estimer par 2 T0-;
V(’T)’ -(t-I)ag
que lionpeut
estimer par(t-I)ae
ce
qui
fixe les intervalles de confiance pour a2
- Si a~ est élevé
(et
parconséquent
tae afortiori), sÂ
est une combinaison linéai-re de deux variables normales
indépendantes,
donc distribuée normalement au-tour
de ~ Â
avec une variance que l’onpeut calculer;
on ad’après
dont l’estimation est
estimation de Var
expression qui
sera utiliséeplus
loin à propos desplans d’échantillonnage optima.
-
Enfin,
si e estélevé,
onpeut,
par un calculanalogue
auprécédent,
estimer lavariance de
s ~
enplus
des deux autres; on a ainsi les intervalles de confiance pour les variances aux trois niveaux.(p). -
Les solutionsapprochées ci-dessus,
si elles ont des chances de conve- nir au niveau leplus
bas(t
atgrand)
ont de moins en moins de chances d’être ap-plicables
au fur et à mesure que le niveau monte, le nombre dedegrés
de libertédiminuant. D’autres solutions doivent alors être recherchées. La solution exacte pour le niveau le
plus
bas estimmédiate.
C’est la solutionclassique reposant
sur le fait que :a (t-I) s2
U2 2
est distribué commex2 avec e a (t-I) degrés
de liberté.T T
On trouvera une méthode de la détermination des limites de confiance pour les variances dues aux autres niveaux
d’échantillonnage
dans BROSS(Biometrics, 6_, 1950, 136)
et TUCKEY(Biometrics, 7, 1951, 33).
Nous lareproduisons
ci- dessou8 enl’adaptant
aux notations utilisées dans notreexemple.
On
peut, d’après BROSS,
estimer les limites de confiance dea 2
aurisque
apar :
- limite inférieure
- limite
supérieure
ou F = carré moyen "entre
ampoules"
carré moyen "entre tubes"
Fa/2
limite fiducielle aurisque a/ 2
pour F avec e(a-I)
et(t-I)
a edegrés
de libertéF~/2
limite fiducielle aurisque a/2
pour Favec 9
(a-I)
et une infinité dedegrés
de liberté.On
rappelle
queTUCKEY montre que, dans le cas F
F (1/2 (variance
due au facteurampoule
nonsignificative
aurisque o./2),
on doitpréférer
pour la limitesupérieure
la limite inférieure étant
LI = 0,
PLANS
D’ÉCHANTILLONNAGE
OPTIMA’
On
peut
chercher lesplans qui
donnent la meilleureprécision possible,
soitpour la moyenne, soit pour le s variance s aux diver s niveaux.
I - ON
S’INTÉRESSE
A LA MOYENNEOn
peut prendre
commeoptimum
unplan qui
minimise la variance de la mo- yenne, soitd’après o3
dont on a une estimation en
remplaçant
les trois variances par leurs estimations tirées de@
et0 -
Ceproblème, qui présente
apriori
une infinité desolutions,
devra être traité en tenant
compte
despossibilités
offertes pour t, a,et e ,
et desprix
desprélèvements
àchaque
niveau. Il est clairqu’on
ne pourra le résoudrequ’en
connaissant les estimations de7~ , ~Â , a2 T
cequi
nécessite uneexpérience préliminaire.
A côté de ce
problème général, qui
nepeut
être résolu que d’unefaçon parti-
culière à
chaque
cas, il est intéressant d’étudier le casfréquent
ou on fixe lalimite
supérieure
du nombre total des mesures, aucune autre restriction(prix,
durée,
Jetc ... )
n’étantimposée .
Dans le cas
présent,
si on suppose donné le nombre de mesuresla condition
a X
x minimum s’écrit :Comme
(7~ , (j 1 ’ 7-r ~
sont fixes etpositifs,
les entiers a et t vérifiant aumieux les conditions sont :
avec, J par suite,
L’optimum
consiste donc à échantillonner au maximum auniveau le plus
éle-vé,
et au minimum aux niveaux inférieur s .Cette
règle
est vraie, non seulementquand
onimpose eat
= n mais naturelle-ment aussi
quand
onimpose
eat n : en effet si onprend Q ,
, a, t, tels que eat = ni C n, ceplan
est inférieur ouégal
auplan (n ~ , 1,1),
lui-même moins bonque le
plan (n, I, I) .
Elle
peut
servir en outre deguide
si onajoute quelques
restrictionssupplé-
mentaires à certains niveaux. Par
exemple,
si à la condition e atn
onajoute
lacondition e ~ e 0 (avec
évidemmente o n),
on a leplus
souvent intérêt à échan- tillonner au maximum au niveau leplus
élevé enprenant (!
=e 0, puis
au maximumrestant
possible
au niveauampoule (c’est-à-dire
auplus grand
entier contenu dans~2013),
enprenant toujours
le minimum au niveau tube. On nepeut
toutefoisdans î-
donner ici à la
règle
un caractèreabsolu,
car on estamené,
dans une telle série dedivisions, à perdre
des mesures sur le nombre total npermis,
cequi peut
faireperdre
à la solution son caractèreoptimum;
onpeut alors,
en utilisant lesdivisibilités,
êtreamené,
soit àprendre
une solutionlégèrement différente,
soit à consentir unléger dépassement
des limitesimposées.
La
règle
del’échantillonnage
maximum au niveau leplus
élevéprésente plu-
sieurs
avantages importants :
*a)
Etantindépendante
des valeursde 02 ,7~ @ U2 .
larègle
ne nécessite pas leursestimations. Elle ne nécessite donc aucune
expérience préliminaire
pour calculer des estimations dea L 2 7~ , ,0’ T 2
et n’est pas influencée parl’imprécision
relati-vement
grande
de ces estimations. Par contre elle nepermet
pas d’estimero-~ , al
etU2 .
Elle permet toutefois d’estimerQ X
donc de déterminer des intervalles de confiance pour la moyenne xo .b)
Etantindépendante
des valeurscr 2 a 2 7~ ,
larègle
est par suiteindépendante
du caractère mesuré. Par
exemple,
si on s’intéresse à deux caractères mesurés dans les tubes(nombre
decolonies, temps
degermination),
leplan (n,I,I)
estoptimum
pour chacun des caractères(ce qui
n’est pas nécessairement vrai dans le casgénéral).
c) Enfin,
il fautsignaler qu’on peut avoir,
dans unplan d’échantillonnage (e,
a,t)
un raté ou un manquant, ce
qui
seproduit généralement
au dernier niveau(mesu- re) ;
parexemple,
on a un tube cassé. Si cet accident seproduit
dans leplan (n,
I,I),
on a seulement une mesureperdue,
et il reste unplan
correct(n-I, I, I).
Au contraire dans le
plan général (e ,
a,t)
laperte
de I tube conduirait en touterigueur,
si l’on voulait conserver unplan d’échantillonnage
à tconstant, à suppri-
mer toutes les mesures du lot
correspondant.
Onpeut
éviter cetteperte
d’infor- mation engardant
leplan initial,
avec estimation de la donnéemanquante;
mais le calcul estplus compliqué,
moins exact, et nepeut
convenir s’il y atrop
de man-quants.
La
règle
del’échantillonnage
maximum au niveau leplus
élevés’applique
enparticulier
à toute unecatégorie
deproblèmes
à deux niveaux :échantillonnage proprement
dit et mesure.On a alors e
échantillons,
donnant lieu chacun à m mesures. Il arrive souvent que la seule limitationimposée
est le nombre total me = n de mesures. Il faut alorsprélever
néchantillons,
enprocédant
à une mesure seulement sur chacun.(En langage ordinaire,
il vaut mieux mal connaître ungrand
nombre d’échantil- lonsqu’en
bien connaître unpetit nombre).
Si pour des raisons de
sécurité,
onimpose
la condition de la mesurerépétée
en double
exemplaire
aumoins,
onprendra
commeoptimum (2 2) .
Un telplan
a par ailleurs l’intérêt de donner une idée de l’erreur de mesure .
2)
ON S’INTERESSE AUX VARIANCESIl
peut
arriverqu’on s’intéresse,
non à la moyenne, mais aux variances.C’est ce
qui arrivera,
enparticulier,
dans le casoù,
s’intéressant à la moyenne,on
doit,
pour dresser leplan optimum,
faire un essaipréliminaire permettant
d’estimer les variances. Mais il seprésente
ici une difficulté : il y a une variance par niveau et leplan optimum
pour la variance due à un niveau ne sera pas néces- sairementoptimum
pour les autres. Des indicationsgénérales
seront toutefoisdonnées
plus
loin. Nous étudierons d’abord le cas de deux niveaux seulement.A) Echantillonnage
à 2 niveauxNous continuons à utiliser
l’exemple
desampoules,
et nous supposonsqu’on
étudie un lot seulement. Le
plan d’échantillonnage
est caractérisé par :a = nombre des
ampoules (tirées
au hasard dans lelot)
t = nombre de tubes de mesure par
ampoule
Deux variances
peuvent
nousintéresser,y~
eto~
a)
Planoptimum
pourQT
On
peut prendre
commeplan optimum
celuiqui
minimise la variance des~,
dont la valeur est donnée par
7 (en faisant e
=I)
Le
plan optimum
devra rendre maximum le dénominateur(t-I)
a = ta - a.Si nous admettons ici encore que la seule restriction
imposée
soit le nombre des mesuresta Cn,
il faut rendre minimum a, cequi
donne a = I.Le
plan optimum
estdonc,
cequi
n’estguère
étonnant : *une seule
ampoule,
avec n mesures.Ce
plan
nepermet
naturellement pas d’estimera Â,
Le
plan optimum permettant
en outre d’estimera 2est a = 2, t =2013 .
2b)
Planoptim m
pour QA 2
On
peut prendre
commeplan optimum
celuiqui
minimise la variance desI,
dont la valeur est donnée
d’après (~ ,
en faisant e = IEn
développant
et enposant
on a *
Dans cette
expression, p
nedépend
pas duplan
choisi. Si l’on suppose encore que la seule condition est ndonné,
c’est une fonction de t, et ils’agit
de trouverla valeur de t
qui
la minimise, ceci dans l’intervalle de variationpossible
pour t, c’est-à-dire :valeur maximum t
= n (il
faut au moins a =2)
valeur minimum t =
2
2(avec t=I,
il n’est paspossible
de calculersT,
et parconséquents, ,
comme le montrent leséquations (E) )
La fonction de t
représentée
endoit
alors être étudiée dans cetintervalle,
pour déterminer la valeur
qui
la rend minimum. On est amené à calculer sa déri- vée et à étudier sonsigne.
L’étude détaillée avec la discussion des divers caspossibles,
amène finalement aux conclusionssuivantes, qui
sont fonction du rap-2
port
tp A
vAT1* Si CrA T (p > I), l’optimum
a lieu pour t =2,
a1
Autrementdit,
lorsque la variance
due à l’effet"ampoule" égale
oudépasse
la variance due aux"tubes"
(ou
encore dans cetexemple, lorsque
la variance due àl’échantillonnage
égale
oudépasse
la variance due à lamesure),
il faut échantillonner au maximumau
niveau
leplus élevé,
J etprendre
le minimum t = 2 au niveau leplus
bas.soit
P
1 la racinepositive
del’équation.
On doit
distinguer
deux cas :~
Si
--;.- >P1 , l’optimum a lieu pour t égal à la plus grande racine
del’équation
Si
20132*~pl ’ 1 optimum
a lieu pour tégal
à laplus grande
racine del’équation
racine
qui
tend vers 1+ I quand
n2013~oo sip
n’est pastrop petit (1).
Cette discussion
envisage
l’ensemble des casthéoriquement possibles,
J maistous ne sont pas
également plausibles
dans lapratique.
C’est cequ’on peut voir,
en
particulier,
en examinant les diverses conditions énuméréesquand
n estgrand.
Cas de n ~rand :
1er cas :
~’Â ~ uf , l’optimum
reste t =2, a =2013
2ème cas :
QÂC ~ T
La racine
P1
i del’équation (il) qui sépare
les deux éventualitéspossibles
de-vient
~
P~
~·2 vient
P1
’ rv 2013~n
Cette valeur devient
rapidement
trèspetite quand
naugmente,
et dupoint
devue
pratique
l’éventualitéQ 2 2 ~ P~
sera très rare, ellecorrespond à
un effetT ’
ampoule négligeable.
(12
L’éventualité rencontrée en
pratique sera -;2013> pi
et leplan optimum
définiT
en
conséquence
par t = racine del’équation 12
ru 1+ 1
N 1+ 2013~-
En
définitive,
onprendra
commereste générale
leplan optimum
défini paravec un minimum de t = 2
quand y~~y~
REMARQUE - C’est
également
leplan optimum
pour l’estimation de la moyennequand
on désire avoir une estimation deQ T
ety ~
.c)
Planoptimum pour o’ ~ et y j
Le
plan optimum pour Q T qui permette
en mêmetemps
l’estimationde ~ Â
est, comme on l’a vu ’ a
(1)
Plus précisément, il faut queI
soitnégligeable
devant py;;
2
Le
plan optimum
poura 2
,A varie, selon la valeur dea A2 T
duplan :
du
plan :
au
plan :
Ces deux
optima
sont donc loin d’êtretoujours
conciliables et peuvent mêmesupposer .
2
Il y a un cas où le même
plan
estoptimum
pour lesdeux,
c’est le casou-
est très
petit,
leplan ( a
=2,
t= nl
étantoptimum :
mais ce cas,qui correspond
à une variance
négligeable
de l’effetampoule,
et oùl’échantillonnage
à deux ni-veaux
perd
à la limite sasignification,
n’aguère
d’intérêtpratique.
Le cas le
plus fréquent
enpratique correspondra
à une variance d’échantil-lonnage égale
ousupérieure
à la variance de mesure. On aura alors un conflit entre :le
plan (a
=2), t = 2 optimum
pourQT
’
~2
et
le plan
t # l+’~T
A(et
souventt = 2) optimum
pourO’Ã
Nous
signalerons
que la solutionqui
a le doubleavantage
d’êtreoptimum
poura A 2
et pour la moyenne(dès qu’on
renonce à la solution a = n, t = I,
qui
ne donne pas lesvariances),
n’est en même temps pastropmauvaise
dansl’absolupoura T 2 (quoique
étant la moinsbonne),
parce que le nombre dedegrés
de liberté à ce niveau reste de toutefaçon
élevé(égal
à2013).
Si aucontraire,
onoptait
pour une solution dutype (a
= 2, t=2013) on
auraitune solution
optimum
pour o~~,
mais très mauvaise pour a¡,
le nombre desdegrés
de liberté à ce niveau tombant
à I, -
et en outre mauvaise pour la moyenne.Si on veut trouver un
plan qui
soit réellementoptimum
"à la foispour U T 2
eta A 2 11,
, il fautpréciser
cequ’on
entend par là. Onpeut (par exemple)
rechercher unplan
tel que les estimations decr 2 et a 2
soient obtenues avec la mêmeprécision,
ou encore avec la même
précision
relative : il faudrait dans lepremier
cas unplan
tel quev (s 2) V (s 2)
et dans le deuxième cas , un
plan
tel que :relations
qui,
dans chacun des deux cas, enremplaçant s 2
ets2par
leurs valeurs(8)
et(9)
donneront t et a. "B) Echantillonnage
àplus
de 2 niveauxLes calculs deviennent
complexes;
en outre, il devient difficile de trouver leplan optimum
à la fois pour les divers niveaux.Des considérations
analogues
à cellesqui
viennent d’êtreexposées
pour 2 ni-veaux conduisent à