Échantillonnage stratifiévignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.
Souris knock-outLes souris knock-out sont des souris domestiques (Mus musculus) qui ont été génétiquement modifiées pour inactiver un ou plusieurs gènes dans les cellules souches embryonnaires dont elles sont issues. Ces cellules souches étant pluripotentes, elles sont donc toutes initialement identiques mais une fois réimplantées dans un blastocyste, peuvent former l'ensemble des types cellulaires d'une souris qui porteront alors la mutation introduite. Il faut distinguer le knock-out d'une simple recherche de mutants.
Cluster samplingIn statistics, cluster sampling is a sampling plan used when mutually homogeneous yet internally heterogeneous groupings are evident in a statistical population. It is often used in marketing research. In this sampling plan, the total population is divided into these groups (known as clusters) and a simple random sample of the groups is selected. The elements in each cluster are then sampled. If all elements in each sampled cluster are sampled, then this is referred to as a "one-stage" cluster sampling plan.
Stéatohépatite non alcooliqueLa stéatohépatite non alcoolique (ou NASH, de son acronyme anglophone en et par raccourci médiatique, maladie du soda) également appelée maladie du foie gras est une surcharge en graisse du foie (stéatose hépatique) sans rapport avec la prise d'alcool. C’est une maladie le plus souvent asymptomatique, mais dont la prévalence est actuellement en augmentation en raison de la double épidémie mondiale de diabète de type 2 et d'obésité.
Sampling errorIn statistics, sampling errors are incurred when the statistical characteristics of a population are estimated from a subset, or sample, of that population. It can produced biased results. Since the sample does not include all members of the population, statistics of the sample (often known as estimators), such as means and quartiles, generally differ from the statistics of the entire population (known as parameters). The difference between the sample statistic and population parameter is considered the sampling error.
