- Vrste verjetnosti ali naključnega vzorčenja
- Enostavno naključno vzorčenje
- Sistematično naključno vzorčenje
- Stratificirano naključno vzorčenje
- Naključno vzorčenje grozdov
- Vrste vzorčenja, ki niso verjetne
- Priročno vzorčenje
- Vzorčenje kvot
- Vzorčenje snežne kepe
- Diskrecijsko vzorčenje
- Reference
Na vrsti vzorčenja so različni načini pridobivanja podatkov iz dela celote, močno statistično orodje, katerega naloga je ugotoviti, kateri del prebivalstva, ali je vesolje treba preučiti, da sklepati in pridobi informacije o tem.
Vzorčenje je zelo pomembno, če ne morete ali ne želite analizirati celotne populacije. Upoštevajte, da se izraz "populacija" ne nanaša samo na veliko skupino ljudi ali živih bitij, ampak na splošno na celoto elementov, ki jih bomo preučili v dani težavi.

Slika 1. Vzorčenje je pomembno za izbiro reprezentativnega vzorca iz vesolja. Vir: Pixabay.
Glede na vrsto izbranega vzorčenja izberemo tisti del populacije, ki velja za najbolj reprezentativnega, vedno v skladu s cilji.
Seveda, če vzamemo le del vesolja podatkov, je mogoče zgrešiti nekatere podrobnosti in izpustiti informacije, zato rezultati ne bodo tako natančni, kot bi morali biti. To je znano kot napaka vzorčenja.
Ideja je, da se vesolje podatkov čim bolj poenostavi z izbiro najbolj reprezentativnega vzorca, ki je sposoben zagotoviti največ informacij, da se zagotovi veljavnost rezultatov.
Vrste verjetnosti ali naključnega vzorčenja
Verjetnostno vzorčenje temelji na verjetnosti, da je treba izbrati subjekte vzorca. Na ta način ima vsak element populacije znano možnost, da bo izbran, kar mora biti seveda večje od 0.
To je izjemno pomembno, saj se lahko zgodi, da je bil iz vesolja podatkov izbran vzorec, ki ni dovolj reprezentativen za celoto.
V tem primeru bodo rezultati pristranski, saj bodo nekateri deli prebivalstva bolj naklonjeni drugim. Da bi se izognili pristranskosti, ki jih je več kategorij, je ena možnost, da izberemo priložnost za izbiro vzorca in tako vsakemu elementu damo ničelno verjetnost, da bo izbran.
Enostavno naključno vzorčenje
To je preprost način za zagotovitev, da priložnost opravi svoje delo. Če na primer izberete nekaj otrok v razredu, ki bodo sodelovali na šolskem likovnem dogodku, so vsa otroška imena nameščena na enakih zloženih glasovnicah, pomešana v klobuku in naključno narisana peščica.
Vsi otroci v razredu sestavljajo populacijo in peščica glasov, ki so jih potegnili iz klobuka, je vzorec.
Uspeh postopka je v tem, da sestavi popoln seznam vseh otrok, tako da nihče ne bo izpuščen. V majhnem poteku to ni težava; Ko pa želite izbrati vzorec iz večje populacije, morate metodo izpopolniti.
Preprosto naključno vzorčenje se lahko izvede z zamenjavo ali nadomeščanjem. Na primer, če izvzamemo kakšen element iz populacije in ga po izbiri in pregledu vrnemo, vesolje naših elementov vedno ostane enako.
Če nasprotno, izbrani element preučujemo, se več ne vrne, se vzorči brez zamenjave. To je treba upoštevati pri izračunu verjetnosti, da bo element izbran.
Sistematično naključno vzorčenje
Za izvedbo tega vzorčenja je potrebno našteti tudi N elemente in določiti tudi velikost vzorca, ki ga bomo poimenovali n. Seznam se imenuje okvir vzorčenja.
Zdaj je določen interval skoka, ki ga označimo s črko k in se izračuna takole:
Izbere se naključno število - naključno - med 1 in k, ki se imenuje ro naključni začetek. To je prvi posameznik na seznamu, ki je izbran, od koder so izbrani naslednji elementi na seznamu.
Primer: predpostavimo, da imate seznam 2000 študentov z univerze in želite pridobiti vzorec 100 študentov za sodelovanje na kongresu.
Prva stvar je najti vrednost k:
Ko razdelimo skupno število študentov na 100 fragmentov 20 študentov, vzamemo enega od fragmentov in izberemo naključno število med 1 in 20, na primer 12. Zato je dvanajsti učenec na našem seznamu naključni škorenj.
Naslednji izbrani študent mora biti 12 + 20 = 22, nato 42, nato 62 in tako naprej, dokler vseh 100 ni izpolnjenih.
Kot lahko vidite, je uporaba hitre metode, ki ponavadi daje zelo dobre rezultate, ne da bi morali 2000 imen postaviti v klobuk in jih vzeti 100, dokler v populaciji ne obstajajo periodike, ki povzročajo pristranskost. .
Stratificirano naključno vzorčenje

Slika 2. Pri stratificiranem naključnem vzorčenju se populacija razdeli na segmente, ki jih imenujemo strati. Vir: Pixabay.
Pri preprostem naključnem vzorčenju ima vsak element v populaciji enako verjetnost, da bo izbran. A to morda ni vedno res, še posebej, če je treba upoštevati več zapletov.
Za izvajanje stratificirane sheme naključnega vzorčenja je treba populacijo razdeliti v skupine s podobnimi značilnostmi. To so sloji. Nato se odvzamejo sloji in iz vsakega izberejo preprosti naključni vzorci, ki jih nato združijo v končni vzorec.
Strate določimo pred vzorčenjem, preučimo značilnosti vesolja podatkov.
Te značilnosti so lahko zakonski stan, starost, kraj bivanja, na primer mestno, primestno in podeželsko prebivalstvo, poklic, stopnja izobrazbe, spol in številne druge.
Vsekakor je pričakovati, da bodo značilnosti vsakega sloja zelo izrazite, torej da je vsak sloj homogen.
Znotraj stratificiranega vzorčenja ločimo dve kategoriji glede na to, ali je velikost vzorca vsakega sloja sorazmerna z njegovo velikostjo.
Naključno vzorčenje grozdov
Zgoraj opisane metode neposredno izberejo elemente vzorca, toda pri vzorčenju v grozdu je izbrana skupina elementov iz populacije in to bo enota za vzorčenje, ki se imenuje grozd.
Primeri grozdov so oddelki univerze, geografske entitete, kot so pokrajine, mesta, okraji ali občine, ki imajo enako verjetnost, da bodo izbrani. V primeru izbire geografske enote govorimo o vzorčenju po območjih.
Ko so izbrani grozdi, 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 nekateri skupki izbrani od skupne, medtem ko so bili v prejšnji metodi proučeni vsi sloji populacije.
Vrste vzorčenja, ki niso verjetne
Verjetno je vzorčenje v nekaterih situacijah zelo drago, saj je treba vložiti čas in vire, da bi našli resnično reprezentativne vzorce.
Pogosto se zgodi tudi, da ni celotnega vzorčnega okvira - seznama -, zato ni mogoče določiti verjetnosti izbire elementa.
V teh primerih se uporabljajo neverodostojne vrste vzorčenja, s katerimi se pridobivajo tudi informacije, čeprav ni nobenega zagotovila za natančnost rezultatov.
Kadar se uporablja ta vrsta vzorčenja, je treba pri izbiri še vedno upoštevati nekatera merila, pri čemer želimo, da je vzorec čim bolj primeren.
Priročno vzorčenje
Gre za dokaj elementarno vrsto vzorčenja, pri kateri se elementi vzorca izberejo glede na njihovo razpoložljivost, torej izbiro posameznikov, ki so jim najbolj pri roki. Prednost ima zelo poceni metoda zaradi svoje hitrosti in praktičnosti.
Kot rečeno, zanesljivosti informacij o vaših rezultatih ni gotovo. Včasih se uporablja za hitre, kratke ankete pred volitvami ali za poizvedovanje o željah kupcev za določene izdelke.
Anketa lahko na primer odide na izhod treh trgovskih središč, ki so najbližje njegovi hiši, in vpraša tiste, ki odhajajo, za katerega kandidata bi glasovali. Ali pa učitelj lahko anketira lastne učence, ker imajo do njih neposreden dostop.
Čeprav je videti, da so rezultati takšnega postopka ničvredni, se zgodi, da bi lahko bili dober odraz prebivalstva, dokler obstajajo dobri razlogi za domnevo, da pristranskost ni zelo velika.
Vendar pa ni tako preprosto, saj učenci določenega učitelja morda ne predstavljajo reprezentativnega vzorca preostalega dela učencev. In večinoma anketiranci v nakupovalnih središčih ponavadi opravijo razgovor z najbolj privlačnimi ljudmi.
Vzorčenje kvot
Za vzorčenje po kvotah je treba imeti dobro predhodno poznavanje slojev prebivalstva, da bi imeli predstavo, kateri so najbolj reprezentativni elementi. Vendar ga ne ureja kriterij naključnosti stratificiranega vzorčenja.
Pri tej vrsti vzorčenja je treba določiti "kvote", od tod tudi ime metode. Te kvote so sestavljene iz zbiranja številnih elementov z določenimi pogoji, na primer 15 žensk, katerih starost je med 25 do 50 let, ki ne kadijo in imajo tudi avto.
Ko je kvota določena, se izberejo prvi ljudje, ki izpolnjujejo postavljene pogoje. Merila za ta zadnji korak so preiskovalcu lahko na voljo. Tu lahko vidite razliko z metodo stratificiranega vzorčenja, ki je naključna.
Vendar pa je ugodna metoda poceni, če je, kot rečeno, preučena populacija dobro znana.
Vzorčenje snežne kepe
Postopek v tem slogu vzorčenja je, da izberemo nekaj ljudi, ki vodijo druge, ti pa drugi, dokler vzorec ne postane toliko velikosti, kot jo potrebuje raziskovalec.
To je postopek, ki je lahko koristen za opis nekaterih populacij s precej specifičnimi lastnostmi. Primeri: zaporniki v zaporu ali osebe z določenimi boleznimi.
Diskrecijsko vzorčenje
Na koncu je raziskovalec tisti, ki odloči, katera merila bodo uporabljena za izbiro njegovega vzorca glede na njegovo znanje. Uporabna je lahko, kadar je treba v študijo dodati določene posameznike, ki z naključno metodo niso mogli sodelovati.
Reference
- Berenson, M. 1985. Statistika za management in ekonomijo, koncepte in aplikacije. Uredništvo Interamericana.
- Statistika. Vzorčenje. Pridobljeno iz: encyclopediaeconomica.com.
- Statistika. Vzorčenje. Pridobljeno: Estadistica.mat.uson.mx.
- Raziskovalno. Vzorčenje grozda Pridobljeno od: explorable.com.
- Moore, D. 2005. Uporabljena osnovna statistika. 2. Izdaja.
- Netquest. Verjetno vzorčenje: stratificirano vzorčenje. Pridobljeno: netquest.com.
- Wikipedija. Vzorčenje. Pridobljeno: es.wikipedia.org
