JENIS PERSAMPELAN KEBARANGKALIAN DAN BUKAN KEBARANGKALIAN (CONTOH) - PERBENDAHARAAN KATA BUDAYA - 2025

Yang jenis persampelan pelbagai cara yang mengekstrak data dari sebahagian daripada jumlah itu, alat statistik yang kuat yang berfungsi untuk menentukan apa yang sebahagian daripada penduduk atau alam semesta adalah perlu untuk memeriksa, untuk membuat kesimpulan dan mendapatkan maklumat mengenainya.

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

Rajah 1. Persampelan penting untuk memilih sampel yang mewakili dari alam semesta. Sumber: Pixabay.

Mengikut jenis persampelan yang dipilih, bahagian populasi yang dianggap paling mewakili dipilih, selalu sesuai dengan objektif.

Sudah tentu, apabila hanya sebahagian dari data semesta yang diambil, ada kemungkinan untuk kehilangan beberapa butiran dan menghilangkan maklumat, itulah sebabnya hasilnya tidak akan setepat yang seharusnya. Ini dikenali sebagai ralat persampelan.

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

Jenis kebarangkalian atau persampelan rawak

Pensampelan kebarangkalian didasarkan pada kebarangkalian subjek sampel harus dipilih. Dengan cara ini, setiap elemen populasi diberi peluang dipilih yang diketahui, yang tentunya mesti lebih besar daripada 0.

Ini sangat penting, kerana mungkin berlaku bahawa dari sekumpulan data, sampel telah dipilih yang tidak cukup mewakili keseluruhannya.

Sekiranya demikian, hasilnya akan berat sebelah, kerana beberapa bahagian populasi akan lebih disukai daripada yang lain. Untuk mengelakkan bias, di antaranya terdapat beberapa kategori, satu pilihan adalah membiarkan peluang memilih sampel dan dengan itu memberikan setiap elemen kemungkinan tidak sifar dipilih.

Persampelan rawak mudah

Ini adalah cara mudah untuk memastikan peluang itu berjalan dengan baik. Sebagai contoh, jika ada persoalan memilih beberapa kanak-kanak di dalam kelas untuk menyertai acara seni sekolah, semua nama anak-anak diletakkan pada surat suara dilipat yang sama, dicampurkan dengan topi, dan segelintir digambar secara acak.

Semua anak-anak di kelas terdiri dari populasi, dan segelintir surat suara yang dikeluarkan dari topi adalah contohnya.

Kejayaan prosedur terletak pada membuat senarai lengkap semua anak-anak, sehingga tidak ada yang ketinggalan. Dalam kursus kecil ini tidak menjadi masalah; Tetapi apabila anda ingin memilih sampel dari populasi yang lebih besar, anda harus memperbaikinya.

Persampelan rawak mudah boleh dilakukan dengan penggantian atau penggantian. Sebagai contoh, jika kita mengekstrak beberapa elemen dari populasi dan mengembalikannya setelah memilih dan memeriksanya, alam semesta elemen kita akan tetap sama sepanjang kajian ini.

Sekiranya, sebaliknya, elemen yang dipilih dikaji, lebih banyak yang tidak dikembalikan, ia mengambil sampel tanpa penggantian. Ini mesti diambil kira semasa mengira kebarangkalian elemen dipilih.

Persampelan rawak sistematik

Untuk menjalankan persampelan ini, perlu juga menyenaraikan unsur N dan juga menentukan ukuran sampel, yang akan kita panggil n. Senarai itu disebut kerangka persampelan.

Sekarang selang lompatan ditentukan, yang dilambangkan dengan huruf k dan dikira seperti ini:

Nombor rawak dipilih - secara rawak - antara 1 dan k, yang disebut ro random start. Ini adalah individu pertama dalam senarai yang dipilih dan dari situ elemen berikut dalam senarai dipilih.

Contohnya: anggap anda mempunyai senarai 2000 pelajar dari universiti dan anda ingin mendapatkan sampel 100 pelajar untuk menyertai kongres.

Perkara pertama yang perlu dilakukan ialah mencari nilai k:

Sebaik sahaja kita membahagikan jumlah pelajar menjadi 100 pecahan daripada 20 pelajar, satu daripada serpihan itu diambil dan nombor rawak dipilih antara 1 hingga 20, sebagai contoh 12. Oleh itu, pelajar kedua belas dalam senarai kami adalah but rawak.

Pelajar seterusnya yang akan dipilih mestilah 12 + 20 = 22, kemudian 42, kemudian 62 dan seterusnya, sehingga semua 100 selesai.

Seperti yang anda lihat, ini adalah kaedah cepat untuk menerapkan dan biasanya memberikan hasil yang sangat baik, tanpa perlu memasukkan topi nama 2000 dan mengambil 100 daripadanya, asalkan tidak ada berkala dalam populasi, yang menimbulkan bias. .

Persampelan rawak berstrata

Rajah 2. Dalam pensampelan rawak berstrata, populasi dibahagikan kepada segmen yang disebut strata. Sumber: Pixabay.

Dalam persampelan rawak mudah, setiap item dalam populasi mempunyai kebarangkalian yang sama untuk dipilih. Tetapi ini mungkin tidak selalu benar, terutamanya apabila terdapat lebih banyak kerumitan yang perlu dipertimbangkan.

Untuk menjalankan skema persampelan rawak berstrata, populasi mesti dibahagikan kepada beberapa kumpulan dengan ciri yang serupa. Ini adalah strata. Strata kemudian diambil dan sampel rawak mudah dipilih dari masing-masing, yang kemudian digabungkan untuk membentuk sampel akhir.

Strata ditentukan sebelum mengambil sampel, mengkaji ciri-ciri alam semesta data.

Ciri-ciri ini boleh menjadi status perkahwinan, usia, tempat tinggal anda, misalnya penduduk bandar, pinggir bandar dan luar bandar, profesi, tahap pendidikan, jantina dan banyak lagi.

Walau bagaimanapun, diharapkan ciri-ciri setiap stratum akan sangat khas, iaitu setiap stratum homogen.

Dalam pensampelan berstrata kita membedakan dua kategori, sesuai dengan apakah ukuran sampel setiap strata adalah atau tidak sebanding dengan ukurannya.

Persampelan kelompok rawak

Kaedah yang dijelaskan di atas memilih unsur-unsur sampel secara langsung, tetapi dalam persampelan kluster, sekelompok elemen dipilih dari populasi dan ini akan menjadi unit persampelan, yang disebut kluster.

Contoh kluster adalah jabatan universiti, entiti geografi seperti wilayah, bandar, daerah atau perbandaran, yang semuanya mempunyai kebarangkalian yang sama untuk dipilih. Sekiranya memilih entiti geografi, kita bercakap mengenai persampelan mengikut kawasan.

Setelah kelompok dipilih, elemen yang akan dianalisis dipilih dari sana. Oleh itu, prosedur boleh mempunyai beberapa peringkat.

Kaedah ini mempunyai beberapa persamaan dengan kaedah rawak berstrata, kecuali di sini beberapa kelompok dari jumlahnya dipilih, sedangkan pada metode sebelumnya semua strata populasi telah dikaji.

Jenis persampelan bukan kebarangkalian

Persampelan kebarangkalian mungkin sangat mahal dalam beberapa keadaan, kerana masa dan sumber mesti dilaburkan untuk mencari sampel yang benar-benar mewakili.

Sering kali juga berlaku bahawa tidak ada kerangka persampelan lengkap - daftar-, oleh itu tidak mungkin untuk menentukan kebarangkalian memilih elemen.

Untuk kes-kes ini, jenis persampelan bukan kebarangkalian digunakan, dengan informasi juga diperoleh, walaupun tidak ada jaminan ketepatan dalam hasilnya.

Ketika persampelan jenis ini diterapkan, beberapa kriteria masih harus diikuti pada saat pemilihan, dengan memastikan sampel tersebut memadai mungkin.

Persampelan kemudahan

Ini adalah jenis persampelan yang cukup asas, di mana unsur-unsur sampel dipilih mengikut ketersediaannya, iaitu memilih individu yang paling dekat. Ia mempunyai kelebihan sebagai kaedah kos yang sangat rendah, kerana kelajuan dan kemudahannya.

Tetapi seperti yang dikatakan, tidak ada kepastian untuk mendapatkan maklumat yang boleh dipercayai mengenai hasil anda. Kadang-kadang digunakan untuk membuat tinjauan cepat dan cepat sebelum pilihan raya, atau untuk menanyakan pilihan pelanggan untuk produk tertentu.

Contohnya, seorang pengundi boleh pergi ke pintu keluar tiga pusat membeli-belah yang paling dekat dengan rumahnya dan meminta mereka yang memilih calon mana yang akan mereka pilih. Atau seorang guru dapat meninjau pelajar mereka sendiri, kerana mereka dapat mengaksesnya dengan segera.

Walaupun nampaknya hasil dari prosedur seperti itu tidak bernilai, namun kebetulan ini dapat menjadi gambaran yang baik bagi penduduk, asalkan ada alasan yang baik untuk menganggap bahawa bias itu tidak terlalu besar.

Walau bagaimanapun, ia tidak begitu mudah, kerana pelajar guru tertentu mungkin tidak menjadi sampel perwakilan badan pelajar yang lain. Dan selalunya, pengundi di pusat membeli-belah cenderung menemubual orang yang paling menarik.

Persampelan kuota

Untuk mengambil sampel berdasarkan kuota, pengetahuan sebelumnya mengenai strata populasi mesti ada, agar dapat mempunyai idea tentang elemen yang paling mewakili. Tetapi ia tidak diatur oleh kriteria rawak pensampelan berstrata.

Dalam persampelan jenis ini perlu menetapkan "kuota", oleh itu nama kaedahnya. Kuota ini terdiri daripada mengumpulkan sejumlah elemen dengan syarat tertentu, misalnya 15 wanita yang berumur antara 25 hingga 50 tahun, yang tidak merokok dan juga memiliki kereta.

Setelah kuota ditentukan, orang pertama yang memenuhi syarat yang ditetapkan dipilih. Kriteria untuk langkah terakhir ini mungkin pada keselesaan penyiasat. Di sini anda dapat melihat perbezaannya dengan kaedah pensampelan berstrata, yang secara rawak.

Walau bagaimanapun, ini adalah kaedah kos rendah yang menguntungkan jika, seperti yang kita katakan, populasi yang dikaji terkenal.

Persampelan bola salji

Prosedur yang harus diikuti dalam gaya persampelan ini adalah memilih beberapa orang yang memimpin orang lain, dan ini seterusnya kepada orang lain, sehingga sampel adalah ukuran yang diperlukan oleh penyelidik.

Ini adalah prosedur yang boleh berguna untuk mencirikan beberapa populasi dengan sifat yang cukup spesifik. Contoh: tahanan di penjara atau orang yang mempunyai penyakit tertentu.

Persampelan diskresioner

Akhirnya di sini adalah penyelidik yang menentukan kriteria yang akan digunakan untuk memilih sampelnya, sesuai dengan pengetahuannya. Ia berguna apabila perlu menambahkan individu tertentu ke dalam kajian, yang, dengan kaedah rawak, tidak dapat turut serta.

Rujukan

1. Berenson, M. 1985. Statistik untuk Pengurusan dan Ekonomi, Konsep dan Aplikasi. Interamericana editorial.
2. Statistik. Persampelan. Dipulihkan dari: encyclopediaeconomica.com.
3. Statistik. Persampelan. Dipulihkan dari: Estadistica.mat.uson.mx.
4. Boleh diterokai. Persampelan kluster. Dipulihkan dari: explorable.com.
5. Moore, D. 2005. Statistik Asas Gunaan. Ke-2. Edisi.
6. Netquest. Pensampelan kebarangkalian: persampelan berstrata. Dipulihkan dari: netquest.com.
7. Wikipedia. Persampelan. Dipulihkan dari: es.wikipedia.org