Seçici agreganın boyutu. Genel agrega ve seçici çalışma
İstatistiksel çalışmalar çok zahmetli ve yollardır, bu yüzden katı gözlemlerin seçici ile değiştirme hakkında bir düşünce vardı.
Ödenmemiş gözlemin temel amacı, incelenen istatistiksel agreganın özelliklerini ankete katılan kısmında elde etmektir.
Seçici gözlem- Bu, agrega kümelerinin yalnızca rastgele seçim hükümlerine göre ayrı olarak alınan kısım olarak ayarlandığı istatistiksel bir araştırma yöntemidir.
Seçici bir çalışma yöntemi ile, yalnızca toplam agreganın bazıları, istatistiksel agrega genel bir nüfus denir.
Seçici set veya basitçe örnek, istatistiksel araştırmaya tabi olan genel agregadan seçilen birimlerin bir parçası olarak adlandırılabilir.
Örnek yönteminin değeri: Çalışırındaki birimlerin asgari sayısıyla, istatistiksel çalışma daha kısa sürede ve en düşük fon ve işçilik maliyetleriyle gerçekleşecektir.
Genel popülasyonda, incelenen bir özniteliğe sahip birimlerin payı genel bir oran olarak adlandırılır (belirtilen) r),ve değişken işaretin ortalama değeri genel ortalamadır (belirtir) x).
Seçici bir sette, incelenen işaretin payı, örnek bir kesir veya kısım (W tarafından belirlenmiş) olarak adlandırılır, numunedeki ortalama değer seçici ortalama.
Bilimsel organizasyonunun tüm kuralları anketinin süresine uyulduğunda, seçici yöntem oldukça doğru sonuçlar verir ve bu nedenle bu method Katı gözlem verilerini doğrulamak için başvurmanız önerilir.
Bu yöntem, devlet ve özel istatistiklerde yaygın olarak dağıtıldı, çünkü incelenen asgari birim sayısının çalışmasında, araştırmayı dikkatlice ve doğru şekilde yapmanıza izin verir.
Çalışılan istatistiksel agrega, değişen semptomlara sahip birimlerden oluşur. Seçici agreganın bileşimi, genel popülasyonun bileşiminden farklı olabilir, numunenin özellikleri ile genel popülasyon arasındaki bu tutarsızlık bir örnek hatadır.
Seçici gözlemciye özgü hatalar, örnek gözlem verileri ile tüm bütünlük arasındaki tutarsızlığın boyutunu karakterize eder. Örnek gözlem sırasında ortaya çıkan hatalar temsil edilen hatalar denir ve rastgele ve sistematik olarak ayrılır.
Seçici set, gözlem eksikliğinden dolayı tüm seti tam olarak çoğaltmazsa, buna rastgele hatalar denir ve boyutları, büyük sayıların ve olasılık teorisi kanununa dayanarak yeterli doğrulukla belirlenir.
Sistematik hatalar, gözlem için agrega birimlerinin seçimi prensibinin ihlal edilmesinin bir sonucu olarak ortaya çıkıyor.
2. Türleri ve Seçim Şemaları
Örnekleme hata boyutu ve tanımı için yöntemler tür ve seçim şemasına bağlıdır.
Dört gözlem biriminin dört çeşit seçimi vardır:
1) rastgele;
2) Mekanik;
3) Tipik;
4) Seri (yuva).
Rastgele seçim- Rastgele bir numunedeki en yaygın seçim yöntemi de, çekiliş yöntemi olarak da adlandırılır, onunla birlikte, istatistiksel setin her birimi için sıra numarası olan bir bilet hazırlanır.
Rastgele seçilenlerde gerekli miktar istatistiksel agrega birimleri. Bu koşullar altında, her biri örneğin, örneğin, kelimelerin çıkıntılarının, sayıların belirli bir kısmı rastgele sırayla belirli bir bilet sayısından rastgele sırayla seçildiğinde, örneğin, kazançların çıkıntılarının aynı olasılıkına sahiptir. sayıların bir kısmı alındı. Aynı zamanda, tüm numaralar, numuneye girmek için eşit bir fırsat sağlar.
Mekanik seçim- Bu, tüm setin rastgele bir işaret grubu açısından homojen içine bölündüğü bir yoldur, daha sonra her gruptan yalnızca bir birim alınır. Çalışılan istatistiksel setin tüm birimleri belirli bir sırayla önceden düzenlenmiştir, ancak bağlıdır. Numunenin boyutu mekanik olarak, gerekli birim sayısı belirli bir aralıkla seçilir..
Tipik seçim -bu, incelenen istatistiksel agreganın niteliksel olarak homojen, tek tip gruplar için önemli, tipik bir temele ayrıldığı bir yöntemdir, daha sonra belirli bir miktarda birim, belirli bir miktarda birim tarafından belirli bir miktarda birim tarafından seçilir, tüm bütünlük grup.
Tipik seçim, tüm tipik grupların temsilcileri numuneye girerken daha doğru sonuçlar sağlar.
Seri (yuva) seçimi.Kaynak, rastgele veya mekanik olarak seçilen tüm gruplara (seri, yuvalar) tabidir. Böyle bir grup için, bir seri katı gözlem gerçekleştirilir ve sonuçlar tüm sete aktarılır.
Örnekleme doğruluğu seçim şemasına bağlıdır. Numune tekrarlanan ve karşılıklı olmayan seçime göre gerçekleştirilebilir.
Yeniden seçme.Seçilen her birim veya seri, tüm bütünlüğe geri döner ve tekrar numuneye girebilir, sözde döndürülen top diyagramıdır.
Seçimi yakala.Ankete katılan her birim geri çekilir ve toplamaya geri dönmez, bu nedenle yeniden sınavı özlüyor. Bu şema, iade edilmeyen topun adını aldı.
Çekim seçimi daha doğru sonuçlar sağlar, çünkü örneklemenin aynı boyutunda, gözlem, toplam nüfusun daha fazla birimini kapsar.
Kombine seçimbir veya daha fazla adım geçebilir. Bütünlüğün birimleri bir kez maruz kaldığında, numunenin tek aşamalı olarak adlandırılır.
Numunenin, toplamlığın seçimi adımlar, sıralı aşamalar ve her aşamada geçerse, seçim aşamasında kendi seçim birimi vardır.
Çok fazlı numune - tüm örnekleme adımlarında, aynı seçim birimi korunur, ancak birkaç aşama, anket programının genişliğinde ve numunenin boyutunda birbirinden farklı olan numune anketlerinin aşamaları yapılır.
Genel ve seçici kümeler parametrelerinin özellikleri aşağıdaki sembollerle gösterilir:
N.- genel popülasyonun hacmi;
n. - örnek boyut;
X.- genel ortalama;
h.- Seçici ortalama;
r- genel orantılı;
w - seçici paylaşım;
2 - Genel Dispersiyon (genel popülasyondaki özelliğin dağılması);
2 - aynı özelliğin seçici dispersiyonu;
? - Genel popülasyonda ortalama ikinci dereceden sapma;
? - Örnekte ortalama ikinci dereceden sapma.
3. Hatalar Örneği
Seçici gözlemdeki her birim, seçilebilme olasılığına eşit olmalıdır - bu, numunenin mülkiyetinin temelidir.
Sahibinin örneği - Bu, tüm genel agreganın tümü bir çizim veya benzer şekilde benzer bir şekilde seçimidir.
Şans prensibi, bir nesnenin numuneden dahil edilmesinin veya dışlanmasının, dava hariç, herhangi bir faktörü etkilememesidir.
Örnekleme- Bu, seçici birimin birim sayısının genel popülasyonun birim sayısına oranıdır:
Saf formundaki sahip seçimi, diğer tüm seçim türleri arasında orijinaldir, seçici istatistiksel gözlemin temel prensiplerini içerir ve uyguluyor.
Seçici yöntemde kullanılan iki ana genelleyici göstergeler türü, ortalama kantitatif işaret ve alternatif bir özelliğin göreceli değeridir.
Seçici orantülasyon (W) veya özel olarak, incelenen bir işareti olan birim sayısının oranı ile belirlenir. m, için toplam sayısı Seçici agrega (n) birimleri:
Numune göstergelerinin güvenilirliğini karakterize etmek için, orta ve limit numune hatası farklıdır.
Numunenin hatası, temsilcilik hatası olarak da adlandırılır, karşılık gelen örnekler ile genel özellikler arasındaki farkı temsil eder:
?x \u003d | x - x |;
?w \u003d | X - P |.
Yalnızca seçici gözlemler Özetleme hatası var
Seçici ortalama ve seçici paylaşım - bu rastgele değişkenlerÖrneğe gelen çalışılan istatistik setinin birimlerine bağlı olarak çeşitli anlamlar almak. Buna göre, örnekleme hataları da rastgele değişkenlerdir ve aynı zamanda farklı değerler de alabilir. Bu nedenle, olası hataların ortalamasını tanımlar - ortalama örnekleme hatası.
Ortalama örnek hatası örneklem büyüklüğü ile belirlenir: daha fazla uyuşukluk Diğer tüm şeyler eşittir, ortalama örnekleme hatasının boyutu küçülür. Genel agrega artan birimin artan sayıda biriminin seçici bir incelemesini kapsayan, genel toplamın tamamını daha ve daha doğru şekilde tanımlayın.
Ortalama örnek hatası, incelenen özniteliğin varyasyon derecesine bağlıdır, sırayla değişim derecesi dispersiyon ile karakterize edilir? 2 veya w (l - w) - Alternatif bir özellik için. Özelliğin ve dispersiyonun varyasyonu, ortalama örnekleme hatası daha az olur ve bunun tersi de geçerlidir.
Rastgele yeniden seçim ile, ortalama hatalar aşağıdaki formüllere göre teorik olarak hesaplanır:
1) Ortalama nicel özellik için:
nerede? 2 - Ortalama kantitatif dispersiyon değeri.
2) Bir hisse için (alternatif işaret):
Genel nüfusta bir özelliğin dağılmasından bu yana? Şekil 2, kesinlikle bilinmiyor, pratikte, dispersiyonun değeri, yeterince büyük bir örneklemeyle seçici kümenin, özelliklerini oldukça doğru bir şekilde çoğaltır. genel nüfus.
Kazara yeniden seçim sırasındaki ortalama örnekleme hatasının formülleri aşağıdaki gibidir. Ortalama nicel özellik için: Genel Dispersiyon, aşağıdaki oranın seçimi ile ifade edilir:
s2'nin dispersiyonun değeri olduğu yer.
Mekanik örnek- Bu, eşit gruplar için nötr bir temele ayrılmış olan bir birimlerin seçici bir kombinasyonuna seçilmesidir; Böyle bir gruptan sadece bir ünite seçilebilmesi için üretilir.
Çalışılan istatistiksel setin biriminin mekanik seçiminde belirli bir sırayla önceden konumlandırılmıştır, daha sonra belirli bir aralıkta mekanik olarak belirtilen birimlerin sayısı alınır. Aynı zamanda, genel popülasyondaki aralığın boyutu, numunenin fraksiyonunun ters değerine eşittir.
Yeterince büyük bir set ile, sonuçların doğruluğuna göre mekanik seçim, bu nedenle, mekanik numunenin ortalama hatasını belirlemek için, Mekanik Numunenin ortalama hatasını belirlemek için, tescilli profil numunesinin mülkiyetinin formülleri kullanılır.
Üniforma olmayan bir setten birimleri seçmek için, tipik numune olarak adlandırılan, genel popülasyonun tüm birimlerinin, incelenen göstergelerin bağlı olduğu aynı sayıda işaretlerin, niteliksel olarak homojen bir şekilde bölündüğünde kullanılır.
Ardından, sahip olduğu her tipik gruptan veya mekanik numuneden, seçici bir sette bireysel birim seçimi yapılır.
Tipik numune genellikle karmaşık istatistiksel agregaların çalışmasında kullanılır.
Tipik numune daha doğru sonuçlar verir. Genel nüfusun yazılması, böyle bir numunenin temsil edilmesini sağlar, her bir tipolojik grubun içindeki gösterimi, bu da Gruplararası dağılımın ortalama numune hatası üzerindeki etkisini ortadan kaldırmayı mümkün kılan. Bu nedenle, tipik numunenin ortalama hatasını belirlerken, invalme dışı dispersiyonların ortalaması, varyasyonun bir göstergesi olarak gerçekleştirir.
Seri numunesi, istisnasız, bu tür gruplarda gözlem almak için genel izometrik gruplar kümesinden rastgele bir seçim anlamına gelir.
İçindeki gruplar (seri) olduğundan, tüm birimler incelendiğinde, ortalama örnekleme hatası (izometrik seri seçiminde), yalnızca INTERGROUP (INTERSECREEN) dispersiyonuna bağlıdır.
4. Genel popülasyondaki örnek sonuçları yaymanın yolları
Seçici sonuçlara dayanan genel popülasyonun özelliği, örnek gözlemin nihai hedefidir.
Seçici yöntem, genel popülasyonun özelliklerini belirli örnek göstergelere göre elde etmek için kullanılır. Çalışmanın amaçlarına bağlı olarak, bu, genel popülasyonun veya düzeltme katsayılarını hesaplama yöntemi için örnek göstergelerin doğrudan yeniden hesaplanması ile gerçekleştirilir.
Doğrudan yeniden hesaplama yöntemi, seçici pay göstergeleri olduğunda w. veya orta h.Örnekleme hatasını dikkate alarak genel set'e uygulayın.
Düzeltme katsayıları yöntemi, numune yönteminin amacı, katı muhasebenin sonuçlarını netleştirmek olduğunda kullanılır. Bu method Nüfusun bu yıllık sığır nüfus sayımlarını açıklarken kullanılır.
İstatistikte, iki ana araştırma yöntemi ayırt edilir - katı ve seçicidir. Örnek bir çalışma yaparken, aşağıdaki gereksinimlere uygunluk zorunludur: Seçici agrega ve yeterli sayıda gözlemsel birimin temsilidir. Gözlem birimlerini seçerken mümkündür Yer değiştirme hataları, yani görünüşünün tam olarak öngörülebilir olamayacağı bu tür olaylar. Bu hatalar nesnel ve doğaldır. Örneklem çalışmasının doğruluğunun derecesini belirlerken, örnek işlem sırasında oluşabilecek hatanın büyüklüğü tahmin edilir - Rastgele Temsilci Hatası (M.) — Örnek çalışmada elde edilen ortalama veya nispi değerler ve genel popülasyondaki çalışma sırasında elde edilebilecek benzer değerler arasındaki gerçek farktır.
Çalışmanın sonuçlarının güvenilirliğinin değerlendirilmesi, tanımını içerir:
1. Temsilci Hatalar
2. Genel popülasyondaki Orta (veya Göreceli) Değerlerin Güven Sınırları
3. Ortalama (veya göreceli) miktarlar arasındaki farkın güvenilirliği (kriter t)
Temsilciliğin hatasının hesaplanması (Mm) ortalama bir aritmetik değer (m):
Σ ortalama ikinci dereceden sapmadır; N, numunenin boyutudur (\u003e 30).
Nispi değerin Temsilciliğinin (MR) hatasının hesaplanması (P):
P, karşılık gelen göreceli değerdir (örneğin,% olarak hesaplanır);
Q \u003d 100 - ρ% - miktar, ters p; n - örnekleme (n\u003e 30)
Klinik ve deneysel çalışmalarda, kullanımı oldukça gereklidir. Küçük örnekGözlem sayısı 30'dan az veya ona eşit olduğunda. Temizlik hatalarını hesaplamak için küçük bir numuneyle, hem orta hem de göreceli değerler , Gözlem sayısı, bir tarafından azaltılır, yani.
; .
Temsilciliğin hatasının büyüklüğü, örneğin boyutuna bağlıdır: Ne daha fazla sayı gözlemler, daha küçük hata. Seçici göstergenin doğruluğunu değerlendirmek için, aşağıdaki yaklaşım kabul edildi: gösterge (veya ortalama değer), hatasından 3 kat daha yüksek olmalı, bu durumda güvenilir olarak kabul edilir.
Hatanın büyüklüğünün bilgisi, numune çalışmasının sonuçlarında kendinden emin olmak için yeterli değildir, çünkü numune çalışmasının belirli bir hatası, ortalama temsilcilik hatasının değerini önemli ölçüde daha büyük olabilir (veya daha az). Araştırmacının sonucu elde etmek istediği doğruluğunu belirlemek için, istatistikler böyle bir kavramı, örneğin tıbbi ve biyolojik istatistiksel araştırmaların sonuçlarının güvenilirliğinin özelliği olan hatasız bir tahminin olasılığı olarak kullanır. Genellikle, tıbbi ve biyolojik istatistiksel çalışmalar yürütürken,% 95 veya% 99'luk hata gerektirmeyen bir tahminin olasılığını kullanırlar. En çok sorumlu durumlarda, teorik veya pratik olarak özellikle önemli sonuçların yapılması gerektiğinde, hata gerektirmeyen bir tahminin olasılığı% 99,7 tarafından kullanılır.
Hata içermeyen bir tahminin belirli bir olasılık derecesi belirli bir miktara karşılık gelir. Rastgele örnekleme hatası (Δ - Delta)formül tarafından belirlenir:
Δ \u003d t * m, burada t, büyük bir numune ile,% 95'lik bir hatasız bir tahmin olasılığı olan bir güven katsayısıdır; % 99 - 3.0 hata gerektirmeyen bir tahminin olasılığı ile; % 99.7 - 3.3'lük bir hata-serbest tahminin olasılıkları ile ve küçük bir numunede, T öğrencisinin özel bir değer tablosu ile belirlenir.
Kullanma maksimum hata Örnekler (δ), belirlenebilir Güven sınırlarıHangi hata içermeyen bir tahmin olasılığı ile sonuçlandı değer değeri istatistiksel büyüklük , Genel popülasyonu (orta veya akraba) karakterize etmek.
Aşağıdaki formüller güven sınırlarını belirlemek için kullanılır:
1) orta boylar için:
MGEN'in genel popülasyondaki ortalama değerin güven sınırları olduğu;
MSOMB - Ortalama , Seçici agrega üzerindeki çalışma sırasında elde edilir; T, değeri, araştırmacının sonucu elde etmek istediği hata gerektirmeyen bir tahminin olasılığı ile belirlenen bir güven katsayısıdır; Mm, ortalama değerin temsilciliğinin bir hatasıdır.
2) Göreceli değerler için:
Red'in genel popülasyondaki göreceli değerin güven sınırları olduğu; Pilvanlar - Seçici agregadaki çalışma sırasında elde edilen göreceli değer; t - güven katsayısı; MP, göreceli değerin temsilciliğinin hatasıdır.
Güven Kenarlıkları, rastgele bir yapının nedenlerine bağlı olarak seçici göstergenin boyutunu hangi sınırların boyutunu gösterebilir.
Az sayıda gözlem ile (n<30), для вычисления доверительных границ значение коэффициента t находят по специальной таблице Стьюдента. Значения t расположены в таблице на пересечении с избранной вероятностью безошибочного прогноза и строки, Mevcut serbestlik derecesini gösteren (n) , N-1 olan.
Örneklem veya seçici agrega - Çalışmaya katılmak için seçilen yinelemeli agreganın belirli bir prosedürünün yardımı ile birçok dava (konular, nesneler, olaylar, örnekler).
Örnekleme özellikleri:
§ Numunenin nitel özelliği - tam olarak hangi seçtiğimiz ve bunun için ne tür örnekleme yöntemlerini kullanıyoruz.
§ Numunenin nicel özellikleri - Kaç tane dava, başka bir deyişle, numunenin boyutunu seçin.
Örnekleme ihtiyacı
§ Çalışmanın amacı çok geniştir. Örneğin, küresel şirket ürünlerinin tüketicileri çok sayıda bölgesel dağınık pazardır.
§ Birincil bilgi toplamaya ihtiyaç var.
Örnekleme
Örnekleme - Seçici kümeye dahil edilen davaların sayısı. İstatistiksel düşüncelerden, vakaların sayısının en az 30-35 olması önerilir.
Bağımlı ve Bağımsız Örnekler
İki (veya daha fazla) örneği karşılaştırırken, önemli bir parametre kendi bağımlılığıdır. Bir homomorfik çift kurabilirseniz (yani, bir vaka, örneklemeden bir ve sadece bir durum ne zaman x örneğinden biri ve tam tersi) iki örnekte (ve bu, ilişkinin temeli, karakteristik özelliği için önemlidir), böyle Örnekler denir bağımlı. Bağımlı örnekler örnekleri:
§ Çiftler İkizler
§ Deneysel etkiden önce ve sonra herhangi bir işaretin iki boyutu,
§ Kocalar ve eşler
Örnekler arasında böyle bir ilişki olmadığı durumunda, bu örnekler kabul edilir. bağımsız, Örneğin:
§ erkekler ve kadınlar,
§ Psikologlar ve matematik.
Buna göre, bağımlı örnekler her zaman aynı miktarda sahiptir ve bağımsız hacmi farklı olabilir.
Örnek karşılaştırma, çeşitli istatistiksel kriterler kullanılarak yapılır:
§ T-kriter öğrencisi
§ Wilkexon'un kriteri
§ U-kriter manna-whitney
§ İşaretlerin kriteri
Temsil edilebilirlik
Numune, temsili veya bildirimsiz olarak kabul edilebilir.
Reprametrasyonsuz bir numunenin örneği
Amerika Birleşik Devletleri'nde, karşılıksız örneklemin en ünlü tarihi örneklerinden biri, 1936'da cumhurbaşkanlığı seçiminde meydana gelen durum olarak kabul edilir. Litreri Digest Magazine, önceki seçimlerin olaylarını başarıyla tahmin etti, tahminlerinde, abonelerine on milyon deneme bültenine gönderildi, aynı zamanda tüm ülkenin telefon rehberi ve insanların araç kayıt listelerinden seçilen insanlar. İade edilen haber bültenlerinin% 25'inde (neredeyse 2,5 milyon), oylar aşağıdaki gibi dağıtıldı:
§% 57 Tercih Edilen Aday Cumhuriyetçi Alpha Landon
§ 40% Franklin Roosevelt'in Cumhurbaşkanlığı Demokrat'ı seçti.
Gerçek seçimlerde, bildiğiniz gibi, Roosevelt kazandı, oyların% 60'ından fazlasını kazanıyor. Litrali sindiriminin hatası aşağıdaki gibidir: "Numunenin temsilciliğini arttırmak istiyor", çünkü abonelerinin çoğunun Cumhuriyetçiler'in kendilerini düşündüğünü biliyorlardı, telefon kitaplarından ve kayıt listelerinden seçilen insanların pahasına örnekleri genişlettiler. Bununla birlikte, modern gerçekleri dikkate almadılar ve aslında daha fazla Cumhuriyetçiyi attı: Büyük Buhran sırasında, temel olarak ikincil ve üst sınıfın temsilcilerini (yani, çoğu Cumhuriyetçi değil, Demokratlar değil) temsilcileri için telefonlara ve otomobillere sahip.
Örneklerden gelen gruplar için plan türleri
Birkaç ana plan yapım planı türü ayırt edilir:
1. Farklı koşullara tabi olan deneysel ve kontrol gruplarıyla çalışın.
§ İkili seçim stratejisini çekmekle deneysel ve kontrol gruplarıyla çalışma
2. Sadece bir grup kullanarak çalışma - deneysel.
3. Karışık (faktör) planı kullanarak çalışma - tüm gruplar farklı koşullara tabidir.
] Örnek türleri
Örnekler iki türe ayrılır:
§ olasılıksal
§ Inanılmaz
Olasılıklı örnekleri
1. Basit olasılıklı örnek:
§ Basit tekrarlanan örnek. Böyle bir numunenin kullanılması, her bir katılımcının eşit bir olasılıkla olasılıkla payına sahip olduğu varsayımına dayanır. Genel nüfusun listesine göre, kartlar katılımcıların sayılarıyla hazırlanır. Bir güverte içine yerleştirilirler, karıştırılır ve kart onlardan çıkarılır, sayı kaydedilir, sonra geri döner. Daha sonra, prosedüre ihtiyaç duyduğumuz kadar tekrar tekrarlanır. Eksi: Seçim birimlerinin tekrarı.
Basit bir rastgele bir örnek oluşturma prosedürü aşağıdaki adımları içerir:
1. Genel popülasyonun üyelerinin eksiksiz bir listesini ve bu listeyi numaralandırılması gerekir. Böyle bir liste, biz hatırlıyoruz, numunenin tabanı denir;
2. Tahmini örnek boyutunu belirleyin, yani beklenen katılımcı sayısı;
3. Rasgele sayıların tablosundan örnek birimlere ihtiyacımız olduğu için çok sayıda sayıya çıkarın. Numunede 100 kişi olması gerekirse, masadan 100 rastgele sayı alınır. Bu rasgele sayılar bir bilgisayar programı tarafından üretilebilir.
4. Liste tabanlı bu gözlem arasından seçim yapın, sayılar boşaltılan rastgele sayılara karşılık gelir
§ Basit rastgele numune bariz avantajlara sahiptir. Bu yöntemin anlaşılması son derece kolaydır. Çalışmanın sonuçları, incelenen toplamlığa dağıtılabilir. İstatistiksel sonuçları elde etmek için çoğu yaklaşım, basit bir rastgele örnek kullanarak bilgi toplamak içindir. Bununla birlikte, basit bir rastgele örnek yöntemi en az dört önemli kısıtlamaya sahiptir:
1. Basit rastgele bir numuneye izin veren gözlem örneğinin temelini oluşturmak genellikle zordur.
2. Basit bir rastgele bir numunenin kullanımının sonucu, büyük bir bütünlük veya büyük bir coğrafi bölge tarafından dağıtılan bir bütünlük olabilir, bu da veri toplama zamanını ve maliyetini önemli ölçüde arttırır.
3. Basit bir rasgele bir numunenin kullanımının sonuçları, diğer olasılıksal yöntemlerin kullanımının sonuçlarından daha düşük doğruluk ve daha büyük standart hatalar ile karakterize edilir.
4. SRS kullanımının bir sonucu olarak, bağlantısız bir numune oluşturulabilir. Basit bir rastgele seçim ile elde edilen numuneler, ortalama genel popülasyonu yeterince temsil eder, bazıları, çalışılan tamamen yanlış bir şekilde temsil eder. Bunun olasılığı, özellikle küçük bir örnekle büyüktür.
§ Basit bir corprestical örnek. Örnek inşaat prosedürü aynıdır, yalnızca katılımcıların sayısına sahip kartlar desteye geri döndürülmez.
1. Sistematik olasılıklı örnek. Basit olasılıksal örneğin basitleştirilmiş bir versiyonudur. Belirli bir aralık (k) sonrası genel agrega listesine göre, katılımcılar seçilir. Değer tesadüfen belirlenir. En güvenilir sonuç, homojen bir genel popülasyonla elde edilir, aksi takdirde adımın tesadüfleri ve bazı iç siklik örneklemleri (örnekleme) mümkündür. Eksileri: basit bir probilistik numunede olduğu gibi.
2. Seri (yuva) örneği. Seçim birimleri istatistiksel seridir (aile, okul, tugay vb.). Seçilen öğeler sağlam bir muayeneye tabi tutulur. İstatistiksel birimlerin seçimi rastgele veya sistematik numune türüyle düzenlenebilir. Eksi: Genel nüfusunkinden daha fazla homojenlik olasılığı.
3. Bir zonlu örnek. Homojen olmayan bir genel popülasyon durumunda, herhangi bir seçim tekniğiyle olasılıksal bir numune kullanmadan önce, genel agregayı homojen parçalar için bölünmesi önerilir, böyle bir numunenin imarlı olarak adlandırılır. İmar grupları, doğal eğitim (örneğin, şehrin alanları) ve herhangi bir işareti, çalışmanın temeli olarak hareket edebilir. Ayrımın yapıldığı temelde işaret, paket ve imarın bir işareti denir.
4. "Rahat" örnek. "Kullanışlı" örnek prosedürü, "uygun" örnek birimlerle temas kurmaktır - bir grup öğrenci, bir spor takımı, arkadaşlarınız ve komşularla birlikte. İnsanların yeni bir konsepte tepkisi hakkında bilgi edinmeniz gerekiyorsa, bu örnek oldukça haklı. "Uygun" örnek genellikle anketleri ön test etmek için kullanılır.
İnanılmaz örnekler
Böyle bir örnekteki seçim, şans esaslarına göre gerçekleştirilmez, ancak öznel kriterlere göre - erişilebilirlik, tipik, eşit gösterim vb.
1. Quad Numune - Numune, genel popülasyonun yapısını oluşturan işaretlerin kotaları (oranları) şeklinde üreten bir model olarak inşa edilmiştir. Çalışılan özelliklerin farklı kombinasyonuna sahip numune elemanlarının sayısı, böyle bir hesaplama ile belirlenir, böylece genel popülasyondaki paylarına (oranlara) karşılık gelir. Örneğin, eğer genel olarak set 5.000 kişiye sahibiz, 2.000 kadın ve 3.000 erkek var, sonra kota örneğinde 20 kadın ve 30 erkek ya da 200 kadın ve 300 erkek var. Alıntılanan örnekler en sık demografik kriterlere dayanır: cinsiyet, yaş, bölge, gelir, eğitim ve diğerleri. Eksileri: Genellikle bu tür örnekleri bildirimsizdir, çünkü Birkaç sosyal parametreyi dikkate alamazsınız. Artıları: Kolayca erişilebilir bir malzeme.
2. Kar komaya yöntemi. Örnek aşağıdaki gibi inşa edilmiştir. Her katılımcı, ilkten başlayarak, arkadaşlarının, meslektaşlarının, seçim koşullarına uygun olan ve çalışmaya katılabilecek olan tanıdıklarını, arkadaşlarının, bilgilerinin rehberini isteyin. Bu nedenle, ilk adım hariç, örnek nesnelerin katılımıyla oluşturulur. Yöntem, genellikle ulaşmak zorlu katılımcı gruplarını bulmak ve görüşmek için gerekli olduğunda kullanılır (örneğin, yüksek gelirli, bir profesyonel gruba ait katılımcılar, benzer hobileri / hobileri vb. )
3. Spontan örnek, "ilk sayaç" denilen bir örneğidir. Genellikle televizyonda ve radyo yıldızlarında kullanılır. Doğal numunelerin boyutu ve bileşimi önceden bilinmemektedir ve yalnızca bir parametre ile belirlenir - katılımcıların aktivitesi. Eksileri: Genel bir dizi röportaj yapan ve sonuç olarak, temsilciliği belirleyememesi imkansızdır.
4. Rota anketi - çalışmanın birliği aile ise, genellikle kullanılır. Anketin yapılacağı yerleşim haritasında, tüm sokaklarda numaralandırılmıştır. Rasgele sayıların tablosu (jeneratör) yardımı ile, büyük sayılar seçilir. Her büyük sayı 3 bileşenden oluşurken görüntülenir: Sokağın sayısı (2-3 birinci sayı), ev numarası, apartman numarası. Örneğin, 14832 sayısı: 14, haritadaki sokak numarası, 8 - ev numarası, 32 - apartman dairesidir.
5. Tipik nesnelerin seçimi ile imarlı bir numune. Eğer zonlamadan sonra, her gruptan tipik bir nesne seçilir, yani. Çalışmaya çalışılan özelliklerin çoğunluğunun çoğunluğu için ortalama göstergelere yaklaştığında, böyle bir numunenin tipik nesnelerin bir türü olarak adlandırılır.
6.Modal örnek. 7. Uzman örnek. 8.Getherojenik numune.
Bina grupları için stratejiler
Psikolojik deneye katılımları için grupların seçimi, iç ve dış geçerliliğe ilişkin maksimum olası uyumluluğu sağlamak için gerekli çeşitli stratejiler kullanılarak gerçekleştirilir.
§ Randomizasyon (rastgele seçim)
§ Çift yönlü seçim
§ Pedranetik seçim
§ Yaklaşık modelleme
§ Gerçek grupları çekmek
Randomizasyon
Randomizasyon, veya rastgele seçimBasit rastgele örnekler oluşturmak için kullanılır. Böyle bir numunenin kullanımı, nüfusun her bir üyesinin eşit olasılıkla her bir üyenin numuneye girebileceği varsayımına dayanır. Örneğin, 100 üniversite öğrencisinin rastgele bir örneğini yapmak için, kağıtları bir şapkadaki tüm üniversite öğrencilerinin isimleri ile katlayabilir ve ardından ondan 100 adet kağıt alabilirsiniz - rastgele bir seçim olacaktır (Goodwin J., s. 147).
Eşleştirme seçimi
Eşleştirme seçimi - Örnekleme grupları inşa etme stratejisi, deneme gruplarının, denemeden deneme için de eşdeğer olan konulardan yan taraf parametrelerine göre cinsinden derlendiği strateji. Bu strateji, deneysel ve kontrol gruplarını daha iyi bir seçenekle kullanan deneyler için etkilidir - ikiz çiftleri (mono- ve arama), yaratmanıza izin verdiği için ...
Passionometrik seçim
Passionometrik seçim - Stratumun (veya kümelerin) tahsis edilmesi ile randomizasyon. Bu numuneyi oluşturma yöntemi ile, genel set, belirli özelliklere sahip (cinsiyet, yaş, politik tercihler, eğitim, gelir seviyesi vb.) Gruplara (tabakalar) ayrılmıştır ve konular ilgili özelliklerle seçilir.
Yaklaşık modelleme
Yaklaşık modelleme - Sınırlı örnekleri çizmek ve daha geniş bir popülasyonda bu örnekle ilgili sonuçları özetlemek. Örneğin, üniversitenin 2. yılında öğrencilerin incelenmesine katılım ile, bu çalışmanın verileri "17 ila 21 yaş arası insanlar" için geçerlidir. Bu tür genellemelerin izin verilebilirliği son derece sınırlıdır.
Yaklaşık modelleme - açıkça belirtilen bir sistem sınıfı (işlemler) olan bir modelin oluşumu, davranışını (veya gerekli fenomenleri) kabul edilebilir doğrulukla tanımlar.
Dikkatlice düşünülmüş bir çalışmanın ana bileşenlerinden biri, numunenin tanımıdır ve temsili bir örnek nedir. Kek ile bir örnek gibidir. Sonuçta, zevkini anlamak için tüm tatlıyı yemeye gerek yok mu? Yeterince küçük bir parça.
Yani, pasta genel agrega (yani, bir anket için uygun olan tüm katılımcılar). Coğrafi olarak, örneğin, yalnızca Moskova bölgesinin sakinleri olarak ifade edilebilir. Cinsiyet - Sadece kadınlar. Ya da yaş sınırları var - 65 yaşından büyük Ruslar.
Genel seti hesaplamak zordur: Nüfus sayımı verilerine veya ön değerlendirme anketlerine sahip olmanız gerekir. Bu nedenle, genellikle genel agrega "pretend" ve elde edilen sayıdan hesaplanan seçici agrega veya örneklem.
Temsilci örnek nedir?
Örneklem - Bu açıkça tanımlanmış bir katılımcı sayısıdır. Yapısı, seçimin ana özellikleri üzerindeki genel nüfusun yapısı ile çakışmalıdır.
Örneğin, potansiyel katılımcılar,% 54'ün kadın olduğu Rusya'nın tüm nüfusu olduğunda,% 46'sı erkeklerdir, numune tam olarak aynı yüzde içermelidir. Parametre tesadüfi meydana gelirse, numunenin temsilci olarak adlandırılabilir. Bu, çalışmada yanlışlıkların ve hataların en aza indirildiği anlamına gelir.
Numunenin boyutu, doğruluk ve verimlilik gereklilikleri dikkate alınarak belirlenir. Bu gereklilikler birbirleriyle ters orantılıdır: daha fazla örnekleme, sonuç ne kadar doğru olur. Aynı zamanda, bu, bu, bu, bu, çalışmada daha fazla maliyet gereklidir. Ve tam tersi, daha az örnek, daha az maliyet, daha az doğru ve daha yanlışlıkla genel popülasyonun özelliklerini yeniden üretir.
Bu nedenle, sosyologların seçim hacmini hesaplamak için, formül icat edildi ve yaratıldı Özel hesap makinesi:
Güven olasılığı ve güvenilir hata
Koşullar nelerdir? güven olasılığı"Ve" güvenilir hata"? Güven olasılığı, ölçüm doğruluğunun bir göstergesidir. Yabancı bir hata, çalışmanın sonuçlarının olası bir hatasıdır. Örneğin, genel olarak 500 00'dan fazla kişinin (örneğin, Novokuznetsk'de yaşamak) örneği altında,% 95'lik bir güven olasılığı ve% 5'lik bir hata olasılığı 384 kişi olacaktır veya (% 95 ± 5'lik bir güven aralığı ile) ).
Bundan ne takip ediyor? Böyle bir numune (bir kişinin 384'ü) ile 100 çalışmayı gerçekleştirirken, istatistik yasaları uyarınca yanıt alınan davaların yüzde 95'i, ilk olanın% 5'inde olacaktır. Ve istatistiksel bir hatanın asgari olasılığı ile temsili bir örnek alacağız.
Örnekleme hacmini saydıktan sonra, profil panelinin demo sürümünde yeterli sayıda katılımcı olup olmadığını görebilirsiniz. Panel anketini nasıl geçireceğinizi daha fazla öğrenebilirsiniz.