Vrste vzorčenja in njihove značilnosti (s primeri)

The Vrste vzorčenja So različni načini pridobivanja podatkov iz dela skupnega, močnega statističnega orodja, katerega funkcija je določiti, kateri del populacije ali vesolja je potreben za preučitev, izvedbo sklepov in pridobivanje informacij o istem.

Vzorčenje je zelo pomembno, kadar ne morete ali ne želite analizirati celotne populacije. Upoštevajte, da se izraz "populacija" ne nanaša samo na velik nabor ljudi ali živih bitij, ampak na splošno na skupne elemente, ki jih bomo preučili v določenem problemu.

Glede na vrsto izbranega vzorčenja je del prebivalstva, ki se šteje za bolj reprezentativno, izbran, vedno v skladu s cilji.

Seveda, ko je vzet le del podatkovnega vesolja, je mogoče prenesti nekaj podrobnosti, ki so spregledane in izpustite informacije. To je znano kot Napaka vzorčenja.

Ideja je čim bolj poenostaviti vesolje podatkov in izbrati najbolj reprezentativni vzorec, ki je sposoben zagotoviti največ informacij, da se zagotovi veljavnost rezultatov.

Verjetnostno vzorčenje	Neprobabilistično vzorčenje
Kvantitativno.	Kvalitativno.
Večja naložba v čas in viri.	Zelo nizki stroški.
Vsak element populacije ima enako verjetnost, da bo izbran.	Elementi so izbrani v skladu z interesi preiskave.
Lahko izvedemo z zamenjavo ali zamenjavo.	Raziskovalec mora poznati značilnosti prebivalstva.

[TOC]

Vrste verjetnostnega ali naključnega vzorčenja

Verjetnostno vzorčenje temelji na verjetnosti, da je treba vzorce izbrati. Na ta način ima vsak element prebivalstva znano možnost izbrati, kar mora biti seveda večje od 0.

To je izredno pomembno, saj se lahko zgodi, da je iz podatkovnega vesolja izbran vzorec, ki ni reprezentativen za nabor.

Če je tako, bodo rezultati pristransko, Ker bodo nekateri deli prebivalstva bolj naklonjeni v primerjavi z drugimi. Da bi se izognili pristranskosti, iz katerih obstajajo različne kategorije, je ena možnost, da se priložnost za izbiro vzorca in s tem daje vsakemu elementu.

Preprosto naključno vzorčenje

To je preprost način za zagotovitev, da priložnost opravi svoje delo. Na primer, če gre za izbiro nekaterih otrok v tečaju za sodelovanje v umetniškem dogodku šole, so vsa imena otrok postavljena na enake zložene glasovnice, jih mešamo v klobuku in peščica je randomizirana.

Vsi otroci v tečaju so prebivalstvo, In peščica glasovnic, ki so jih vzeli iz klobuka, je vzorec.

Uspeh postopka je v izdelavi celotnega seznama vseh otrok, tako da nihče ni na zunaj. V majhnem tečaju to ni problem; Ko pa želite izbrati vzorec med večjo populacijo velikosti, morate metodo izpopolniti.

Vam lahko služi: 7 destruktivnih manifestacij v mladosti 

Lahko izvedemo preprosto naključno vzorčenje Z zamenjavo ali zamenjava. Na primer, če iz populacije izvlečemo kateri koli element in ga vrnemo po izbiri in pregledu, vesolje naših elementov vedno ostane enako v celotni študiji.

Če se nasprotno preuči izbrani element, vendar se ne vrne, gre za približno Vzorčenje brez zamenjave. To je treba upoštevati pri izračunu verjetnosti, ki jih ima element izbranega.

Sistematično naključno vzorčenje

Za izvedbo tega vzorčenja, seznam N elementi in določite tudi velikost vzorca, ki ga bomo poklicali n. Seznam se imenuje Okvir za vzorčenje.

Zdaj Interval skoka, to je označeno z besedilom k In tako je izračunano:

K = n/n

Izbran je naključna številka - do 1 in k, imenovana r tudi Naključni začetek. To je prvi posameznik na seznamu, ki je bil izbran, in iz njega se izberejo naslednji elementi.

Primer: Recimo, da imate seznam 2000 študentov z univerze in želite pridobiti vzorec 100 študentov za sodelovanje v kongresu.

Prva stvar je najti vrednost K:

K = 2000/100 = 20

Ko smo skupno število študentov razdelili na 100 fragmentov 20 študentov, se vzame eden od fragmentov in izbere naključno število med 1 in 20, na primer 12. Zato je dvanajst študent našega seznama naključni začetek.

Naslednji študent, ki ga je treba izbrati, mora biti 12+20 = 22, nato 42, nato 62 in tako naprej, do 100.

Kot lahko vidite, je to hiter način uporabe in ki ponavadi daje zelo dobre rezultate, ne da bi bilo treba dati 2000 imen v klobuk in jih vzeti 100, dokler v populaciji ni periodičnosti, ki jih ni. povzroči pristranskosti.

Stratificirano naključno vzorčenje

V stratificiranem naključnem vzorčenju je populacija razdeljena na segmente, imenovane sloje

V preprostem naključnem vzorčenju ima vsak element populacije enako verjetnost, da bo izbran. Toda to ne bi moglo biti vedno res, še posebej, če je treba upoštevati več zapletenosti.

Za izvedbo stratificirane sheme naključnega vzorčenja je treba populacijo razdeliti v skupine s podobnimi značilnostmi. To so Strata. Nato se vzamejo sloji in izbrani so preprosti naključni vzorci vsakega, ki se nato kombinirajo, da tvorijo končni vzorec.

Vam lahko služi: 30 najbolj znanih prič Jehova

Strata se določijo pred vzorčenjem in preučujejo značilnosti podatkovnega vesolja.

Te značilnosti so lahko civilni status, starost, kraj, kjer je na primer mestno, primestno in podeželsko prebivalstvo, poklic, stopnja pouka, seks in še veliko več.

Vsekakor naj bi bile značilnosti vsakega stratuma zelo značilne, to je, da bo vsak sloj homogen.

Znotraj stratificiranega vzorčenja ločimo dve kategoriji, odvisno od tega, ali je velikost vzorca vsakega sloja ali ni sorazmerna z velikostjo tega.

Naključno vzorčenje konglomeratov

Opisane prejšnje metode izberejo elemente vzorca neposredno, vendar v konglomeracijskem vzorčenju, a Skupina elementov populacije in to bo vzorčna enota, ki se imenuje konglomerat.

Primeri konglomeratov so oddelki univerze, geografske subjekte, kot so pokrajine, mesta, okrožja ali občine, ki imajo enako verjetnost, da bodo izbrani. V primeru izbire geografske entitete govorimo Vzorčenje po območjih.

Ko so izbrani konglomerati, se od tam izberejo elementi, ki jih je treba analizirati. Zato ima lahko postopek več stopenj.

Ta metoda ima nekaj podobnosti s stratificirano naključno metodo, le da so tukaj izbrani nekateri konglomerati skupnega.

Vrste neprobabiličnega vzorčenja

V nekaterih situacijah je verjetnostno vzorčenje zelo drago, saj je treba vložiti čas in sredstva za iskanje vzorcev, ki so resnično reprezentativni.

Običajno se zgodi tudi, da nimate celotnega vzorčnega okvira -seznam -, zato ni mogoče določiti verjetnosti izbire elementa.

Za te primere se uporabljajo vrste neprobabilističnega vzorčenja, s katerimi se pridobijo tudi informacije, čeprav v rezultatih ni nobene natančnosti.

Ko uporabimo to vrsto vzorčenja, morate v času izbire upoštevati nekatera merila, pri čemer želite, da je vzorec najprimernejši, kolikor je mogoče.

Vzorčenje praktičnosti

To je precej osnovna vrsta vzorčenja, v kateri so elementi vzorca izbrani glede na njihovo razpoložljivost, to je izbira posameznikov, ki so bolj pri roki. Prednost ima zelo poceni metoda zaradi svoje hitrosti in udobja.

Toda kot je navedeno, ni gotovosti pridobiti zanesljivih informacij iz njegovih rezultatov. Včasih se uporablja za kratke in hitre ankete pred izbiro ali tudi preiskovanje želje strank na določenih izdelkih.

Lahko vam služi: 50 radovednih in zanimivih podatkov o svetu

Na primer anketo. Ali pa lahko učitelj pregleda svoje učence, ker ima takojšen dostop do njih.

Čeprav je videti, kot da rezultati takšnega postopka nimajo vrednosti, se zgodi, da bi lahko bili dober odraz prebivalstva, če obstajajo dobri razlogi, da domnevamo, da pristranskost ni zelo velika.

Vendar to ni tako preprosto, saj študenti določenega učitelja morda ne predstavljajo reprezentativnega vzorca preostalih učencev. In skoraj vedno anketi v nakupovalnih središčih običajno intervjuvamo ljudi z bolj privlačnim videzom.

Vzorčenje kvot

Če želite vzorčiti kvote. Vendar ga ne urejajo naključna merila stratificiranega vzorčenja.

Pri tej vrsti vzorčenja je potrebno nastaviti nekaj "kvot", od tod tudi ime metode. Te pristojbine so sestavljene iz zbiranja številnih elementov z določenimi pogoji, na primer 15 žensk, katerih starost je med 25 in 50 let, ki ne kadijo in imajo tudi avto.

Ko je pristojbina določena, so izbrani prvi ljudje, ki izpolnjujejo ustaljene pogoje. Kriterij za ta zadnji korak je lahko primeren za raziskovalca. Tu lahko vidite razliko s stratificirano metodo vzorčenja, ki je naključno.

Vendar je koristna metoda z nizkimi stroški, če je, kot smo rekli, dobro znana populacija.

Vzorčenje "Snowball"

Postopek, ki ga je treba upoštevati v tem slogu vzorčenja, je, da izberete nekaj ljudi, ki vodijo do drugih, in ta po drugi strani, dokler vzorec ne bo velikosti, ki jo potrebuje raziskovalec.

To je postopek, ki je lahko koristen za označevanje nekaterih populacij s precej specifičnimi lastnostmi. Primeri: zaporniki v kazni ali ljudje z določenimi boleznimi.

Diskrecijsko vzorčenje

Končno je tu raziskovalec tisti, ki odloča o merilih, s katerimi bo izbral svoj vzorec, glede na njegovo znanje. Koristno je, če je treba v študijo dodati določene posameznike, ki bi lahko, če uporabljajo naključno metodo, ostali brez sodelovanja.

Reference

1. Berenson, m. 1985.Statistika za administracijo in gospodarstvo, koncepte in aplikacije. Interameriški uvodnik.
2. Statistika. Vzorčenje. Okrevano od: enciklopediaeconomica.com.
3. Statistika. Vzorčenje. Iztegnjeno od: statistike.Podstavek.USON.mx.
4. Raziskovalno. Vzorčenje konglomerata. Okrevano od: Raziskovalno.com.
5. Moore, d. 2005. Uporabljena osnovna statistika. 2. mesto. Izdaja.
6. Netquest. Verjetnostno vzorčenje: stratificirano vzorčenje. Okrevano od: NetQuest.com.
7. Wikipedija. Vzorčenje. Okrevano od: je.Wikipedija.org