Stratyfikowane próbkowanie tego, co jest, typy, zalety i wady

On Próbkowanie stratyfikowane, o Stratyfikacja, jest to metoda próbkowania, która implikuje podział populacji na mniejsze podgrupy, znane jako warstwy. Z kolei te warstwy są tworzone na podstawie atrybutów lub wspólnych cech członków, takich jak dochód lub poziom wykształcenia.

Służy do podkreślenia różnic między grupami populacji, w przeciwieństwie do prostego próbkowania, które traktuje wszystkich członków populacji jako równe, z takim samym prawdopodobieństwem pobrania.

Źródło: Needpix.com

Celem jest poprawa precyzji próbki poprzez zmniejszenie błędu próbkowania. Może wytwarzać średnią ważoną o mniejszej zmienności niż średnia arytmetyczna prostej próby populacji.

Stratyfikacja to proces fragmentu przed pobraniem próbek członków populacji w jednorodnym podzbiorze. Przez warstwę definiuje się rozkład populacji.

Oznacza to, że musi być zbiorowo wyczerpujący i wzajemnie wykluczający się, więc do każdego elementu populacji należy przypisać jedną warstwę. Wówczas w każdej warstwie nakłada się systematyczne lub proste próbkowanie.

[TOC]

Ważne rozważania

Należy zauważyć, że warstwy nie należy zestawiać. Po nałożeniu podgrup podgrupy da niektórym ludziom większą możliwość wyboru jako podmiotów. To całkowicie utrudnia pojęcie stratyfikowanego próbkowania jako prototypu próbkowania.

Równie ważne jest, aby badacz używał prostego próbkowania w różnych warstwach.

Najczęstszymi warstwami stosowanymi w próbkowaniu stratyfikowanym są wiek, płeć, poziom społeczno -ekonomiczny, religia, narodowość i poziom edukacyjny.

Co to jest próbkowanie stratyfikowane?

Po zakończeniu analizy w grupie podmiotów o podobnych cechach, badacz może stwierdzić, że wielkość populacji jest zbyt duża, aby zakończyć te badania.

Aby zaoszczędzić czas i pieniądze, możesz przyjąć bardziej wykonalną perspektywę, wybierając małą grupę populacji. Ta niewielka grupa nazywa się wielkością próby, która jest podzbiorem populacji stosowanej do reprezentowania całej populacji.

Możesz wybrać próbkę populacji na kilka sposobów, z których jedna jest z próbkowaniem stratyfikowanym. Oznacza to podzielenie całkowitej populacji na jednorodne grupy zwane warstwami. Następnie wybierane są losowe próbki każdej warstwy.

Proces wykonywania próbek rozwarstwionego

- Podziel populację na mniejsze podgrupy lub warstwy, zgodnie z atrybutami i cechami dzielonymi przez członków.

- Weź losową próbkę każdej warstwy w liczbie proporcjonalnej do wielkości warstwy.

- Zmień podzbiór warstwy, aby utworzyć losową próbkę.

Może ci służyć: wezwanie kryminalne

- Wykonaj analizę.

Rozważmy na przykład badacza, który chciałby poznać liczbę studentów administracji, którzy otrzymali ofertę pracy w ciągu trzech miesięcy od ukończenia szkoły w 2018 r. Wkrótce odkryjesz, że było ich prawie 200.000 absolwentów administracji w tym roku.

Mógłbym zdecydować się po prostu wziąć losową próbkę 5.000 absolwentów i przeprowadzić ankietę. Jeszcze lepiej, może podzielić populację na warstwy i zabrać losową próbkę na tych warstwach.

Aby to zrobić, stworzyłbym grupy wiekowe na podstawie wieku, rasy, narodowości lub historii zawodowej.

Zostałaby pobrana losowa próbka każdej warstwy, proporcjonalnie do wielkości warstwy w odniesieniu do całkowitej populacji. Podzbiór te zostałby pogrupowany w celu utworzenia próbki.

Chłopaki

Proporcjonalne próbkowanie stratyfikowane

W tym typie wielkość próby dla każdej warstwy jest proporcjonalna do wielkości populacji populacji w porównaniu z całkowitą populacją. Oznacza to, że każda warstwy ma taki sam proporcja próbkowania.

Gdy wybrana jest charakterystyka jednostek do definiowania warstw, powstałe podgrupy są często o różnych rozmiarach.

Na przykład chcemy zbadać odsetek populacji meksykańskiej, która palą. Zdefiniowane są trzy warstwy:

- Poniżej 20 lat.

- Między 20 a 44.

- Większy niż 44.

Kiedy populacja Meksyku jest podzielona na te trzy warstwy, trzy grupy nie powinny mieć tej samej wielkości. W rzeczywistości prawdziwe dane potwierdzają to:

- Stratum 1: 42.4 miliony (41.0%).

- Stratum 2: 37.6 milionów (36.3%).

- Stratum 3: 23.5 milionów (22.7%).

Jeśli stosuje się proporcjonalne próbkowanie stratyfikowane, próbka powinna składać się z warstw, które utrzymują takie same proporcje jak populacja. Jeśli chcesz utworzyć próbkę 1.000 osób, próbki muszą mieć następujące rozmiary:

Jest bardzo podobny do zebrania mniejszej populacji, określonej przez względne proporcje warstw w populacji.

Jednolite stratyfikowane pobieranie próbek

W tym typie ta sama wielkość próby przypisuje się do wszystkich zdefiniowanych warstw, niezależnie od wagi tych warstw w populacji.

Jednolite stratyfikowane pobieranie próbek z poprzednim przykładem spowodowałoby następującą próbkę dla każdej warstwy:

Ta metoda faworyzuje warstwy, które mają mniejszą wagę w populacji, przyznając im taki sam poziom, jak najbardziej odpowiednie warstwy.

Może ci służyć: historia i ewolucja jakości

Zmniejsza to globalną skuteczność próby, ale pozwala na badanie poszczególnych cech każdej warstwy bardziej precyzji.

W przykładzie, jeśli chcesz złożyć konkretne stwierdzenie o populacji warstwy 3 (ponad 44), błędy pobierania próbek można zmniejszyć przy użyciu próbki 333 jednostek, zamiast próbki 227 jednostek, uzyskanych z proporcjonalnego próbkowania stratyfikowanego próbkowania.

Zalety i wady

Stratyfikowane pobieranie próbek działa dobrze dla populacji, które mają różne atrybuty, ale poza tym nie będzie skuteczne, jeśli nie można utworzyć podgrup.

- Zalety

Zbierz kluczowe funkcje

Główną zaletą próbkowania stratyfikowanego jest to, że kluczowe cechy populacji zbierają się w próbce.

Podobnie jak średnia ważona, ta metoda próbkowania wytwarza cechy w próbce proporcjonalne do całkowitej populacji.

Większa precyzja statystyczna

Stratyfikacja daje niższy błąd w oszacowaniu niż prosta metoda próbkowania. Tym większa różnica między warstwami, tym większy zysk precyzji.

Istnieje większa precyzja statystyczna podczas porównywania go z prostym pobieraniem próbek. Wynika to z faktu, że w podgrupach zmienność jest niższa, w porównaniu z wariantami przedstawionymi całkowitą populacją.

Mniejszy rozmiar próbki

Ponieważ ta technika ma wysoką dokładność statystyczną, oznacza to również, że wymaga mniejszej wielkości próby, co może zaoszczędzić dużo wysiłku, pieniędzy i czasu naukowców.

- Niedogodności

Niestety, tej metody badawczej nie można zastosować we wszystkich badaniach. Wadą metody jest to, że należy spełnić kilka warunków, aby można je było poprawnie wykorzystać.

Trudności w znalezieniu warstwy

Główną wadą jest to, że zidentyfikowanie odpowiednich warstw do badania może być trudne. Ponadto znalezienie wyczerpującej i ostatecznej listy całej populacji może być wyzwaniem.

Złożoność do organizowania

Drugą wadą jest to, że organizowanie i analizowanie wyników jest bardziej złożone.

Naukowcy muszą zidentyfikować każdego członka badanej populacji i sklasyfikować ją tylko w subpopulacji. W rezultacie próbkowanie stratyfikowane jest niekorzystne, gdy naukowcy nie mogą zaklasyfikować każdego członka populacji z pewnością w podgrupie.

Zestawienie może stanowić problem, jeśli istnieją podmioty podzielone na wiele podgrup. Po wykonaniu prostego pobierania próbek, zostaną wybrane w wielu podgrupach. Rezultatem może być wprowadzenie w błąd lub niedokładne odzwierciedlenie populacji.

Może ci służyć: Ernest Dale: Biografia i wkład w administrację

Przykłady, takie jak studenci uniwersytetów, absolwenci, mężczyźni i kobiety, ułatwiają to, ponieważ są to wyraźnie zdefiniowane grupy.

Jednak w innych sytuacjach może być znacznie trudniejsze. Możesz sobie wyobrazić, że włączają cechy, takie jak rasa, pochodzenie etniczne lub religia. Proces klasyfikacji stałby się trudniejszy, przekształcając rozwarstwione pobieranie próbek w nieskuteczną metodę.

Przykład

Załóżmy, że zespół badawczy chce określić średnie notatki studentów uniwersytetów w Stanach Zjednoczonych.

Zespół badawczy ma oczywiste trudności w gromadzeniu tych danych od 21 milionów studentów uniwersytetów. Dlatego decyduje się na pobranie próbki populacji, stosując tylko 4.000 studentów.

Zespół obserwuje różne atrybuty uczestników próbki i cuda, czy istnieje jakakolwiek różnica między średnimi nutami a specjalizacją uczniów.

W próbie 560 uczniów to studenci Anglików, 1.135 Sciences, 800 informatyki, 1.090 Inżynieria i 415 matematyki.

Zespół chce użyć proporcjonalnego próbkowania stratyfikowanego, w którym warstwy próbki są proporcjonalne do próbki populacji.

Stworzenie warstw

Aby to zrobić, zespół bada statystyki studentów uniwersytetów w USA.Uu. I znajdź oficjalny odsetek studentów specjalizujących się: 12% w języku angielskim, 28% w nauce, 24% w zakresie informatyki, 21% inżynierii i 15% w matematyce.

Dlatego utworzono pięć warstw z procesu próbkowania stratyfikowanego. Zespół musi potwierdzić, że warstwa populacji jest proporcjonalna do próbki warstwy. Odkrywa jednak, że proporcje nie są równe.

Dlatego zespół musi powrócić do próby populacji 4.000 uczniów, ale tym razem losowo wybierając 480 (12%) studentów angielskich, 1.120 (28%) nauk, 960 (24%) informatyki, 840 (21%) inżynierii i 600 (15%) matematyki.

Dzięki temu istnieje stratyfikowana proporcjonalna próba studentów uniwersytetów, co zapewnia lepszą reprezentację studentów uniwersytetów w USA.Uu.

Naukowcy mogą podkreślić konkretną warstwę, obserwować różne badania studentów uniwersytetów USA.Uu. i obserwuj różne średnie nut.

Bibliografia

1. Adam Hayes (2019). Stratyfikowane losowe pobieranie próbek. Zaczerpnięte z: Investopedia.com.
2. Wikipedia, The Free Encyclopedia (2019). Próbkowanie stratyfikowane. Zaczerpnięte z: w.Wikipedia.org.
3. Expleasle (2019). Stratyfikowana metoda próbki. Zaczerpnięte z: Wyraźne.com.
4. Survey Gizmo (2019). Co to jest próbka stratyfikowana i kiedy jest ITED? Zaczerpnięte z: Surveygizmo.com.
5. Ashley Crossman (2019). Zrozumienie próbek stratyfikowanych i jak je zrobić. Myśl co. Zaczerpnięte z: Thoughtco.com.
6. Carlos Ochoa (2017). Losowe pobieranie próbek: próbkowanie stratyfikowane. Zaczerpnięte z: Netquest.com.