Jenis pensampelan dan ciri -ciri mereka (dengan contoh)

The Jenis pensampelan Mereka adalah pelbagai cara mengekstrak data dari sebahagian daripada jumlah, alat statistik yang kuat yang fungsinya adalah untuk menentukan bahagian penduduk atau alam semesta yang diperlukan untuk memeriksa, melakukan kesimpulan dan mendapatkan maklumat mengenai perkara yang sama.

Pensampelan sangat penting apabila anda tidak dapat atau tidak mahu menganalisis populasi yang lengkap. Perhatikan bahawa istilah "penduduk" tidak hanya merujuk kepada satu set besar orang atau makhluk hidup, tetapi secara umum kepada jumlah elemen yang akan dikaji dalam masalah tertentu.

Menurut jenis persampelan yang dipilih, bahagian penduduk yang dianggap lebih wakil dipilih, selalu mengikut objektif.

Sudah tentu, apabila hanya sebahagian daripada alam semesta data yang diambil, adalah mungkin untuk lulus beberapa butiran yang diabaikan dan menghilangkan maklumat, itulah sebabnya hasilnya tidak tepat seperti yang mereka perlukan. Ini dikenali sebagai ralat pensampelan.

Ideanya adalah untuk mempermudahkan alam semesta data sebanyak mungkin, memilih sampel yang paling mewakili yang mampu memberikan maklumat maksimum, untuk memastikan kesahihan hasilnya.

Persampelan probabilistik	Persampelan bukan -probabilistik
Kuantitatif.	Kualitatif.
Pelaburan masa dan sumber yang lebih besar.	Kos yang sangat rendah.
Setiap elemen penduduk mempunyai kebarangkalian yang sama dipilih.	Unsur -unsur dipilih mengikut kepentingan siasatan.
Boleh dijalankan dengan penggantian atau penggantian.	Penyelidik mesti mengetahui ciri -ciri penduduk.

[TOC]

Jenis persampelan probabilistik atau rawak

Pensampelan probabilistik adalah berdasarkan kebarangkalian bahawa subjek sampel perlu dipilih. Dengan cara ini, setiap elemen penduduk diberi kemungkinan yang diketahui dipilih, yang tentunya mestilah lebih besar daripada 0.

Ini sangat penting, kerana ia boleh berlaku dari alam semesta data, sampel yang tidak mewakili set telah dipilih.

Sekiranya demikian, hasilnya akan Bias, Oleh kerana beberapa bahagian penduduk akan lebih disukai berbanding dengan yang lain. Untuk mengelakkan kecenderungan, dari mana terdapat pelbagai kategori, satu pilihan adalah untuk membiarkan peluang bertanggungjawab untuk memilih sampel dan dengan itu memberikan setiap elemen, kebarangkalian bukan null dipilih.

Pensampelan rawak mudah

Ini adalah cara mudah untuk memastikan peluang itu tugasnya. Sebagai contoh, jika ia adalah mengenai memilih beberapa kanak -kanak dalam kursus untuk mengambil bahagian dalam acara artistik sekolah, semua nama kanak -kanak diletakkan pada undi yang sama dilipat, mereka bercampur dengan topi dan segelintir adalah rawak.

Semua kanak -kanak dalam kursus ini adalah penduduk, Dan segelintir undi yang diambil dari topi adalah Contoh.

Kejayaan prosedur terletak pada membuat senarai lengkap semua kanak -kanak, sehingga tidak ada yang berada di luar. Dalam kursus kecil ini bukan masalah; Tetapi apabila anda ingin memilih sampel di kalangan penduduk yang lebih saiz, anda perlu memperbaiki kaedahnya.

Boleh melayani anda: 7 manifestasi yang merosakkan semasa belia 

Pensampelan rawak mudah boleh dijalankan Dengan penggantian atau penggantian. Contohnya, jika kita mengekstrak sebarang elemen dari penduduk dan mengembalikannya setelah memilih dan menelitinya, alam semesta unsur -unsur kita selalu sama sepanjang kajian.

Jika sebaliknya unsur yang dipilih dipelajari, tetapi ia tidak dikembalikan, ia adalah mengenai Pensampelan tanpa pengganti. Ini mesti diambil kira apabila mengira kebarangkalian bahawa unsur yang dipilih mempunyai.

Persampelan rawak sistematik

Untuk menjalankan persampelan ini, senarai N elemen dan juga menentukan saiz sampel, yang akan kita panggil n. Senarai itu dipanggil Bingkai pensampelan.

Sekarang Selang lompat, yang dilambangkan dengan liriknya k Dan ia dikira seperti ini:

K = n/n

Nombor rawak dipilih - oleh 1 dan k, dipanggil r Sama ada Permulaan rawak. Ini adalah individu pertama dalam senarai yang akan dipilih dan daripadanya unsur -unsur berikut dipilih.

Contohnya: Katakan anda mempunyai senarai 2000 pelajar dari universiti dan anda ingin mendapatkan sampel 100 pelajar untuk mengambil bahagian dalam Kongres.

Perkara pertama yang perlu dilakukan ialah mencari nilai k:

K = 2000/100 = 20

Sebaik sahaja kita telah membahagikan jumlah pelajar ke dalam 100 serpihan sebanyak 20 pelajar, salah satu serpihan diambil dan nombor rawak antara 1 dan 20 dipilih, contohnya 12. Oleh itu, dua belas pelajar senarai kami adalah permulaan rawak.

Pelajar berikut yang akan dipilih mestilah 12+20 = 22, maka 42, kemudian 62 dan sebagainya, sehingga 100.

Seperti yang anda dapat lihat, ia adalah kaedah yang cepat untuk memohon dan biasanya memberikan hasil yang sangat baik, tanpa perlu meletakkan nama 2000 dalam topi dan mengeluarkan 100 daripadanya, selagi tidak ada periodicities dalam populasi, yang menimbulkan kecenderungan.

Pensampelan rawak berstrata

Dalam pensampelan rawak berstrata, populasi dibahagikan kepada segmen yang disebut strata

Dalam persampelan rawak yang sederhana, setiap elemen penduduk mempunyai kebarangkalian yang sama dipilih. Tetapi ini tidak selalu benar, terutamanya apabila terdapat lebih banyak kerumitan yang perlu diambil kira.

Untuk menjalankan skim persampelan rawak berstrata, penduduk mesti dibahagikan kepada kumpulan dengan ciri -ciri yang sama. Ini adalah strata. Kemudian strata diambil dan sampel rawak mudah masing -masing dipilih, yang kemudian digabungkan untuk membentuk sampel akhir.

Boleh melayani anda: 30 saksi Yehuwa yang paling terkenal

Strata ditentukan sebelum pensampelan, mengkaji ciri -ciri alam semesta data.

Ciri -ciri ini boleh menjadi status awam, umur, tempat di mana terdapat, contohnya penduduk bandar, pinggir bandar dan luar bandar, profesion, tahap pengajaran, seks dan banyak lagi.

Walau apa pun, ciri -ciri setiap lapisan dijangka sangat tersendiri, iaitu, setiap lapisan akan menjadi homogen.

Di dalam pensampelan berstrata kita membezakan dua kategori, bergantung kepada sama ada saiz sampel setiap lapisan adalah atau tidak berkadar dengan saiz ini.

Pensampelan rawak oleh konglomerat

Kaedah sebelumnya yang diterangkan memilih unsur -unsur sampel secara langsung, tetapi dalam persampelan konglomerat, a Kumpulan elemen penduduk dan ini akan menjadi unit sampel, yang dipanggil konglomerat.

Contoh konglomerat adalah jabatan universiti, entiti geografi seperti wilayah, bandar, daerah atau majlis perbandaran, yang semuanya mempunyai kebarangkalian yang sama. Sekiranya memilih entiti geografi, kita bercakap tentang pensampelan oleh kawasan.

Setelah konglomerat telah dipilih, unsur -unsur yang akan dianalisis dipilih dari sana. Oleh itu prosedur boleh mempunyai beberapa peringkat.

Kaedah ini mempunyai beberapa persamaan dengan kaedah rawak berstrata, hanya beberapa konglomerat jumlah yang dipilih di sini, sementara dalam kaedah sebelumnya semua strata penduduk dipelajari.

Jenis pensampelan bukan -probabilistik

Untuk beberapa situasi, persampelan probabilistik sangat mahal, kerana masa dan sumber mesti dilaburkan untuk mencari sampel yang benar -benar mewakili.

Ia juga biasanya berlaku bahawa anda tidak mempunyai bingkai sampel lengkap -senarai -, oleh itu tidak mungkin untuk menentukan kebarangkalian memilih elemen.

Untuk kes ini, jenis pensampelan bukan -probabilistik digunakan, dengan maklumat yang juga diperolehi, walaupun tidak ada jaminan ketepatan dalam hasilnya.

Apabila pensampelan jenis ini digunakan, anda mesti mengikuti beberapa kriteria pada masa pemilihan, mencari sampel yang paling sesuai sejauh mungkin.

Persampelan kemudahan

Ia adalah jenis persampelan yang agak asas, di mana unsur -unsur sampel dipilih mengikut ketersediaan mereka, iaitu, memilih individu yang lebih banyak di tangan. Ia mempunyai kelebihan menjadi kaedah kos yang sangat rendah, kerana kelajuan dan keselesaannya.

Tetapi seperti yang dinyatakan, tidak ada kepastian untuk mendapatkan maklumat yang boleh dipercayai dari hasilnya. Kadang -kadang ia digunakan untuk membuat pemilihan pendek dan cepat sebelum pilihan, atau juga menyiasat keutamaan pelanggan pada produk tertentu.

Ia boleh melayani anda: 50 data yang ingin tahu dan menarik mengenai dunia

Contohnya, tinjauan pendapat. Atau guru dapat meninjau pelajarnya sendiri, kerana dia mempunyai akses segera kepada mereka.

Walaupun kelihatan seolah -olah keputusan prosedur sedemikian tidak mempunyai nilai, ia berlaku bahawa mereka boleh menjadi gambaran yang baik dari penduduk, selagi ada alasan yang baik untuk mengandaikan bahawa bias tidak begitu besar.

Walau bagaimanapun, ia tidak begitu mudah, kerana pelajar guru tertentu mungkin tidak menjadi contoh wakil dari sisa pelajar. Dan hampir selalu tinjauan di pusat membeli -belah biasanya menemubual orang dengan penampilan yang lebih menarik.

Persampelan kuota

Untuk membuat persampelan kuota, anda mesti mempunyai pengetahuan sebelumnya tentang strata penduduk, untuk mempunyai idea tentang unsur -unsur yang paling mewakili. Tetapi ia tidak ditadbir oleh kriteria rawak pensampelan berstrata.

Dalam jenis persampelan ini, perlu menetapkan beberapa "kuota", oleh itu nama kaedah. Bayaran ini terdiri daripada mengumpulkan beberapa elemen dengan keadaan tertentu, contohnya 15 wanita yang berumur antara 25 dan 50 tahun, yang tidak merokok dan juga mempunyai kereta.

Setelah bayaran ditentukan, orang pertama yang memenuhi syarat yang ditetapkan dipilih. Kriteria untuk langkah terakhir ini boleh menjadi mudah untuk penyelidik. Di sini anda dapat melihat perbezaan dengan kaedah pensampelan berstrata, yang secara rawak.

Walau bagaimanapun, ia adalah kaedah rendah yang berfaedah jika, seperti yang kita katakan, penduduk yang sedang dikaji.

Sampling "Snowball"

Prosedur yang harus diikuti dalam gaya pensampelan ini adalah untuk memilih beberapa orang yang membawa kepada orang lain, dan ini seterusnya, sehingga sampel mempunyai saiz yang diperlukan oleh penyelidik.

Ini adalah prosedur yang berguna untuk mencirikan beberapa populasi dengan ciri -ciri yang agak spesifik. Contoh: Penghuni dalam penalti atau orang yang mempunyai penyakit tertentu.

Pensampelan budi bicara

Akhirnya di sini adalah penyelidik yang memutuskan kriteria yang akan digunakannya untuk memilih sampelnya, menurut pengetahuannya. Ia berguna apabila perlu menambah individu tertentu ke kajian ini, yang jika mereka menggunakan kaedah rawak, boleh kekal tanpa mengambil bahagian.

Rujukan

1. Berenson, m. 1985.Statistik untuk Pentadbiran dan Ekonomi, Konsep dan Aplikasi. Editorial Inter -American.
2. Statistik. Pensampelan. Pulih dari: EncyclopeDiaeconomica.com.
3. Statistik. Pensampelan. Pulih dari: statistik.Mat.USON.mx.
4. Boleh diterokai. Persampelan konglomerat. Pulih dari: diterokai.com.
5. Moore, d. 2005. Statistik asas digunakan. 2. Edisi.
6. Netquest. Pensampelan Probabilistik: Pensampelan berstrata. Pulih dari: netquest.com.
7. Wikipedia. Pensampelan. Pulih dari: Adakah.Wikipedia.org