ТИПЫ ВЕРОЯТНОСТНОЙ И НЕ ВЕРОЯТНОСТНОЙ ВЫБОРКИ (ПРИМЕРЫ) - КУЛЬТУРНЫЙ СЛОВАРЬ - 2025

В типы выборок являются различными способами извлечения данных из части от общей суммы, мощный статистический инструмент функция которого заключается в определение того, какая часть населения или Вселенная необходима изучить, чтобы сделать выводы и получить информацию о нем.

Выборка очень важна, когда вы не можете или не хотите анализировать всю совокупность. Обратите внимание, что термин «популяция» относится не только к большой группе людей или живых существ, но в целом ко всей совокупности элементов, которые будут изучаться в данной задаче.

Рисунок 1. Выборка важна для выбора репрезентативной выборки из вселенной. Источник: Pixabay.

В соответствии с выбранным типом выборки выбирается часть населения, которая считается наиболее репрезентативной, всегда в соответствии с целями.

Конечно, когда берется только часть совокупности данных, можно пропустить некоторые детали и опустить информацию, поэтому результаты не будут такими точными, какими должны быть. Это известно как ошибка выборки.

Идея состоит в том, чтобы максимально упростить совокупность данных, выбрав наиболее репрезентативную выборку, способную предоставить максимум информации, чтобы гарантировать достоверность результатов.

Типы вероятностной или случайной выборки

Вероятностная выборка основана на вероятности того, что нужно выбрать субъектов выборки. Таким образом, каждому элементу популяции дается известный шанс быть выбранным, который, конечно, должен быть больше 0.

Это чрезвычайно важно, потому что может случиться так, что из множества данных была выбрана выборка, которая недостаточно репрезентативна для всей совокупности.

Если это так, результаты будут необъективными, поскольку одни части населения будут иметь большее преимущество перед другими. Чтобы избежать систематической ошибки, из которой существует несколько категорий, один из вариантов - позволить случайному отбору выборки и, таким образом, дать каждому элементу ненулевую вероятность быть выбранным.

Простая случайная выборка

Это простой способ убедиться, что случай делает свое дело. Например, если речь идет об отборе нескольких детей из класса для участия в школьном художественном мероприятии, имена всех детей помещаются в одинаковые сложенные бюллетени, смешиваются в шляпе, и их выбирают наугад.

Все дети в классе составляют население, и горстка бюллетеней, вынутых из шляпы, является образцом.

Успех процедуры заключается в том, чтобы составить полный список всех детей, чтобы никто не остался в стороне. Для небольшого курса это не проблема; Но если вы хотите выбрать образец из более широкой совокупности, вам необходимо усовершенствовать метод.

Простая случайная выборка может осуществляться с заменой или заменой. Например, если мы извлекаем элемент из популяции и возвращаем его после выбора и изучения, совокупность наших элементов всегда остается неизменной на протяжении всего исследования.

Если, наоборот, выбранный элемент изучается, больше не возвращается, это отбор без замены. Это необходимо учитывать при расчете вероятности того, что элемент будет выбран.

Систематическая случайная выборка

Чтобы выполнить эту выборку, также необходимо перечислить N элементов, а также определить размер выборки, которую мы назовем n. Список называется основой выборки.

Теперь определен интервал перехода, который обозначается буквой k и рассчитывается следующим образом:

Выбирается случайное число от 1 до k, называемое ro random start. Это первый человек в списке, который будет выбран, и из него будут выбраны следующие элементы в списке.

Пример: предположим, что у вас есть список из 2000 студентов из университета, и вы хотите получить выборку из 100 студентов для участия в конгрессе.

Первое, что нужно сделать, это найти значение k:

После того, как мы разделили общее количество студентов на 100 фрагментов по 20 студентов, берется один из фрагментов и выбирается случайное число от 1 до 20, например 12. Следовательно, двенадцатый студент в нашем списке - это случайная загрузка.

Следующим выбранным учеником должно быть 12 + 20 = 22, затем 42, затем 62 и так далее, пока не будут выполнены все 100.

Как видите, это быстрый метод для применения, который обычно дает очень хорошие результаты, без необходимости помещать 2000 имен в шапку и брать 100 из них, если нет периодичности в генеральной совокупности, которая приводит к смещениям. .

Стратифицированная случайная выборка

Рисунок 2. При стратифицированной случайной выборке совокупность делится на сегменты, называемые стратами. Источник: Pixabay.

При простой случайной выборке каждый элемент в генеральной совокупности имеет одинаковую вероятность быть выбранным. Но это не всегда может быть правдой, особенно когда нужно учитывать больше сложностей.

Для применения схемы стратифицированной случайной выборки население необходимо разделить на группы со схожими характеристиками. Это слои. Затем берутся страты и из каждой выбираются простые случайные выборки, которые затем объединяются для формирования окончательной выборки.

Уровни определяются перед выборкой, изучая характеристики вселенной данных.

Этими характеристиками могут быть семейное положение, возраст, место вашего проживания, например, городское, пригородное и сельское население, профессия, уровень образования, пол и многое другое.

В любом случае ожидается, что характеристики каждого слоя будут очень отличительными, то есть каждый слой будет однородным.

В рамках стратифицированной выборки мы различаем две категории в зависимости от того, пропорционален ли размер выборки каждой страты ее размеру.

Случайная кластерная выборка

Описанные выше методы выбирают элементы выборки напрямую, но при кластерной выборке группа элементов выбирается из генеральной совокупности, и это будет единица выборки, которая называется кластером.

Примерами кластеров являются факультеты университета, географические единицы, такие как провинции, города, округа или муниципалитеты, все из которых имеют одинаковую вероятность быть выбранными. В случае выбора географического объекта мы говорим о выборке по районам.

После того, как кластеры выбраны, оттуда выбираются элементы для анализа. Поэтому процедура может состоять из нескольких этапов.

Этот метод имеет некоторое сходство со стратифицированным случайным методом, за исключением того, что здесь некоторые кластеры выбираются из общего числа, тогда как в предыдущем методе изучались все слои совокупности.

Типы не вероятностной выборки

Вероятностный отбор образцов может быть очень дорогостоящим в некоторых ситуациях, поскольку необходимо вложить время и ресурсы, чтобы найти образцы, которые действительно репрезентативны.

Также часто бывает, что не существует полной основы выборки - списка, поэтому невозможно определить вероятность выбора элемента.

Для этих случаев используются типы не вероятностной выборки, с помощью которых также получается информация, хотя нет гарантии точности результатов.

Когда применяется этот тип выборки, некоторые критерии все же должны соблюдаться во время отбора, стремясь к тому, чтобы образец был как можно более адекватным.

Удобство выборки

Это довольно элементарный тип выборки, при котором элементы выборки выбираются в зависимости от их наличия, то есть отбираются наиболее подходящие люди. Преимущество этого метода заключается в том, что он является очень дешевым методом из-за его скорости и удобства.

Но, как уже было сказано, нет уверенности в получении достоверной информации о ваших результатах. Иногда его используют для проведения быстрых коротких опросов перед выборами или для выяснения предпочтений потребителей в отношении определенных продуктов.

Например, исследователь может подойти к выходу из трех торговых центров, ближайших к его дому, и спросить у выходящих, за какого кандидата они проголосовали бы. Или учитель может опросить своих учеников, потому что они имеют к ним немедленный доступ.

Хотя кажется, что результаты такой процедуры ничего не стоят, бывает, что они могут хорошо отражать совокупность, если есть веские основания предполагать, что смещение не очень велико.

Однако это не так просто, потому что ученики определенного учителя не могут составлять репрезентативную выборку остальной части студенчества. И в большинстве случаев опросы в торговых центрах стремятся опрашивать самых привлекательных людей.

Выборка квот

Для проведения выборки по квотам необходимо иметь хорошее предварительное знание слоев населения, чтобы иметь представление о том, какие элементы являются наиболее репрезентативными. Но это не регулируется критерием случайности стратифицированной выборки.

В этом типе выборки необходимо установить «квоты», отсюда и название метода. Эти квоты состоят из набора элементов с определенными условиями, например 15 женщин в возрасте от 25 до 50 лет, которые не курят и также владеют автомобилем.

После определения квоты выбираются первые люди, которые соответствуют установленным условиям. Критерии для этого последнего шага могут быть удобны для исследователя. Здесь вы можете увидеть разницу со случайным методом стратифицированной выборки.

Однако это недорогой метод, который выгоден, если, как мы уже сказали, исследуемая популяция хорошо известна.

Выборка снежка

Процедура, которой следует придерживаться в этом стиле выборки, состоит в том, чтобы выбрать несколько человек, которые руководят другими, а они, в свою очередь, другими, до тех пор, пока размер выборки не станет необходимого исследователю.

Это процедура, которая может быть полезна для характеристики некоторых популяций с весьма специфическими признаками. Примеры: заключенные в тюрьме или люди с определенными заболеваниями.

Дискреционная выборка

Наконец, именно исследователь определяет критерии, которые будут использоваться для выбора его образца, в соответствии со своими знаниями. Это может быть полезно, когда необходимо добавить в исследование определенных лиц, которые не смогли принять участие случайным образом.

Ссылки

1. Беренсон, м. 1985. Статистика для управления и экономики, концепции и приложения. От редакции Interamericana.
2. Статистика. Отбор проб. Получено с: encyclopediaeconomica.com.
3. Статистика. Отбор проб. Получено с: Estadistica.mat.uson.mx.
4. Explorable. Выборочное обследование. Получено с: explorable.com.
5. Мур, Д. 2005. Прикладная базовая статистика. 2-й. Издание.
6. Netquest. Вероятностная выборка: стратифицированная выборка. Получено с: netquest.com.
7. Wikipedia. Отбор проб. Получено с: es.wikipedia.org