Pochopení jednoduchého náhodného vs. Stratifikovaný náhodný vzorek

Jednoduché náhodné vs. Stratifikovaný náhodný vzorek: Přehled

Ve statistické analýze „populace"je celkový soubor pozorování nebo dat, která existují." Měření každého jednotlivce nebo datového bodu v populaci je však často nerealizovatelné. Místo toho se vědci spoléhají na vzorky. A vzorek je soubor pozorování od populace. Metoda odběru vzorků je proces používaný k odběru vzorků z populace.

Jednoduché náhodné vzorky a stratifikované náhodné vzorky jsou běžnými metodami pro získání vzorku. Jednoduchý náhodný vzorek se používá k reprezentaci celé datové populace a. Náhodně vybírá jednotlivce z populace bez jakéhokoli jiného zvažování.

Rozvrstvený náhodný vzorek na druhé straně nejprve rozdělí populaci na menší skupiny nebo vrstvy na základě sdílených charakteristik. Stratifikovaná strategie odběru vzorků proto zajistí, aby do analýzy dat byli zahrnuti členové z každé podskupiny.

Jednoduchý náhodný vzorek

Jednoduchý náhodný výběr je a statistický nástroj používá se k popisu velmi základního vzorku odebraného z datové populace. Tento vzorek představuje ekvivalent celé populace.

Jednoduchý náhodný vzorek se často používá, když je k dispozici velmi málo informací o populaci dat, když jsou data populace má příliš mnoho rozdílů na to, aby se dala rozdělit do různých podmnožin, nebo když mezi daty existuje pouze jedna odlišná charakteristika populace.

Cukrovinková společnost může například chtít prostudovat nákupní návyky svých zákazníků, aby určila budoucnost své produktové řady. Pokud existuje 10 000 zákazníků, může použít výběr 100 z těchto zákazníků jako náhodný vzorek. To, co zjistí od těchto 100 zákazníků, pak může aplikovat na zbytek své základny.

Statistici vypracují vyčerpávající seznam datové populace a poté vyberou náhodný vzorek v rámci této velké skupiny. V tomto vzorku má každý člen populace stejnou šanci, že bude vybrán jako součást vzorku. Lze je vybrat dvěma způsoby:

• Prostřednictvím manuální loterie, ve které je každému členovi populace přiděleno číslo. Někdo pak náhodně nakreslí čísla, která zahrne do vzorku. Toho lze nejlépe využít při pohledu na malou skupinu.
• Počítačem generované vzorkování. Tato metoda funguje nejlépe u větších datových sad, přičemž k výběru vzorků se používá počítač, nikoli člověk.

Použití jednoduchého náhodného vzorkování umožňuje výzkumným pracovníkům zobecnit konkrétní populaci a vynechat jakékoli zkreslení. To může pomoci určit, jak učinit budoucí rozhodnutí. Aby společnost vyrábějící cukrovinky z výše uvedeného příkladu mohla použít tento nástroj k vývoji nové příchuti cukrovinek k výrobě na základě aktuálního vkusu 100 zákazníků. Mějte však na paměti, že jde o zobecnění, takže je zde prostor pro chyby. Koneckonců je to jednoduchý vzorek. Těch 100 zákazníků nemusí mít přesné zastoupení vkusu celé populace.

Stratifikovaný náhodný výběr

Na rozdíl od jednoduchých náhodných vzorků se stratifikované náhodné vzorky používají s populacemi, které lze snadno rozdělit do různých podskupin nebo podskupin. Tyto skupiny jsou založeny na určitých kritériích, poté z každé náhodně vyberou prvky v poměru k velikosti skupiny versus populace.

Tato metoda vzorkování znamená, že budou existovat výběry z každé jiné skupiny - jejíž velikost je založena na jejím poměru k celé populaci. Vědci však musí zajistit, aby se vrstvy nepřekrývaly. Každý bod v populaci musí patřit pouze do jedné vrstvy, takže každý bod je vzájemně se vylučující. Překrývající se vrstvy by zvýšily pravděpodobnost zahrnutí některých údajů, a tím by došlo ke zkreslení vzorku.

Cukrovinková společnost se může rozhodnout použít metodu náhodného stratifikovaného vzorkování rozdělením svých 100 zákazníků do různých věkových skupin, aby pomohla učinit rozhodnutí o budoucnosti své produkce.

Stratifikované vzorkování nabízí některé výhody a nevýhody ve srovnání s jednoduchým náhodným výběrem vzorků. Protože používá specifické vlastnosti, může poskytnout přesnější reprezentaci populace na základě toho, co se používá k rozdělení do různých podmnožin. To často vyžaduje menší velikost vzorku, což může ušetřit zdroje a čas. Kromě toho zahrnutím dostatečného počtu vzorků z každé vrstvy mohou vědci provést samostatnou analýzu každé jednotlivé vrstvy.

K vytažení stratifikovaného vzorku je však zapotřebí více práce než náhodného vzorku. Výzkumníci musí jednotlivě sledovat a ověřovat data pro každou vrstvu pro zařazení, což může trvat mnohem více času ve srovnání s náhodným výběrem vzorků.