Suprasti paprastą atsitiktinį vs. Stratifikuotas atsitiktinis pavyzdys

Paprastas atsitiktinis vs. Stratifikuotas atsitiktinis pavyzdys: apžvalga

Atliekant statistinę analizę, „gyventojų"yra visas egzistuojantis stebėjimų ar duomenų rinkinys. Tačiau dažnai neįmanoma išmatuoti kiekvieno populiacijos individo ar duomenų taško. Vietoj to, mokslininkai remiasi pavyzdžiais. A pavyzdys yra gyventojų stebėjimų rinkinys. Mėginių ėmimo metodas yra procesas, naudojamas mėginių paėmimui iš populiacijos.

Paprasti atsitiktiniai pavyzdžiai ir daugiasluoksniai atsitiktiniai mėginiai yra įprasti imties gavimo būdai. Paprasta atsitiktinė imtis naudojama visai duomenų populiacijai pavaizduoti ir atsitiktinai atrenka asmenis iš populiacijos be jokio kito atlygio.

Kita vertus, stratifikuota atsitiktinė imtis pirmiausia padalija populiaciją į mažesnes grupes arba sluoksnius, remiantis bendromis savybėmis. Todėl stratifikuota atrankos strategija užtikrins, kad kiekvieno pogrupio nariai būtų įtraukti į duomenų analizę.

Paprastas atsitiktinis pavyzdys

Paprasta atsitiktinė atranka yra a statistikos priemonė naudojamas apibūdinti labai elementarią imtį, paimtą iš duomenų populiacijos. Šis pavyzdys atitinka visos populiacijos ekvivalentą.

Paprastas atsitiktinis pavyzdys dažnai naudojamas, kai apie duomenų populiaciją yra labai mažai informacijos, kai duomenys gyventojų yra per daug skirtumų, kad būtų galima suskirstyti į įvairius pogrupius, arba kai tarp duomenų yra tik viena ypatybė gyventojų.

Pavyzdžiui, saldainių gamintoja gali norėti ištirti savo klientų pirkimo įpročius, kad nustatytų savo produktų linijos ateitį. Jei yra 10 000 klientų, ji gali pasirinkti 100 iš šių klientų kaip atsitiktinę imtį. Tada ji gali pritaikyti tai, ką randa iš tų 100 klientų, likusiai savo bazės daliai.

Statistikai sudarys išsamų duomenų populiacijos sąrašą ir tada pasirinks atsitiktinę imtį toje didelėje grupėje. Šioje imtyje kiekvienas populiacijos narys turi lygias galimybes būti atrinktam į atranką. Juos galima pasirinkti dviem būdais:

• Per rankinę loteriją, kurioje kiekvienam gyventojų nariui suteikiamas skaičius. Tada kažkas atsitiktine tvarka ištraukia skaičius, kad būtų įtrauktas į imtį. Tai geriausia naudoti žiūrint į mažą grupę.
• Atranka kompiuteriu. Šis metodas geriausiai tinka didesniems duomenų rinkiniams, naudojant kompiuterį, o ne žmogų atrinkti mėginius.

Naudojant paprastą atsitiktinę atranką, mokslininkai gali apibendrinti konkrečią populiaciją ir pašalinti bet kokį šališkumą. Tai gali padėti nuspręsti, kaip priimti sprendimus ateityje. Kad saldainių gamintoja iš aukščiau pateikto pavyzdžio galėtų naudoti šį įrankį, kad sukurtų naują saldainių skonį, kuris būtų gaminamas pagal dabartinį 100 klientų skonį. Tačiau atminkite, kad tai yra apibendrinimai, todėl yra vietos klaidoms. Galų gale, tai yra paprastas pavyzdys. Tie 100 klientų gali tiksliai neatspindėti visų gyventojų skonio.

Stratifikuotas atsitiktinis atranka

Skirtingai nuo paprastų atsitiktinių mėginių, stratifikuoti atsitiktiniai mėginiai naudojami su populiacijomis, kurias galima lengvai suskirstyti į skirtingus pogrupius ar pogrupius. Šios grupės yra pagrįstos tam tikrais kriterijais, tada atsitiktinai pasirenka elementus iš kiekvienos proporcingai grupės dydžiui, palyginti su populiacija.

Šis atrankos metodas reiškia, kad bus atrinkta kiekviena skirtinga grupė, kurios dydis priklauso nuo jo proporcijos visai populiacijai. Tačiau tyrėjai turi užtikrinti, kad sluoksniai nesutaptų. Kiekvienas populiacijos taškas turi priklausyti tik vienam sluoksniui, taigi kiekvienas taškas yra vienas kitą paneigiantys. Sluoksniai, kurie sutampa, padidintų tikimybę, kad bus įtraukti kai kurie duomenys, taip iškreipiant imtį.

Saldainių bendrovė gali nuspręsti naudoti atsitiktinį stratifikuotą atrankos metodą, padalindama savo 100 klientų į skirtingas amžiaus grupes, kad padėtų apsispręsti dėl savo gamybos ateities.

Stratifikuota atranka siūlo keletą privalumų ir trūkumų, palyginti su paprastu atsitiktinės atrankos būdu. Kadangi jis naudoja specifines charakteristikas, jis gali pateikti tikslesnį gyventojų skaičių, atsižvelgiant į tai, kas naudojama dalijant ją į skirtingus pogrupius. Tam dažnai reikia mažesnio imties dydžio, o tai gali sutaupyti išteklių ir laiko. Be to, įtraukę pakankamai mėginių taškų iš kiekvieno sluoksnio, tyrėjai gali atlikti atskirą kiekvieno sluoksnio analizę.

Tačiau norint gauti stratifikuotą mėginį, reikia daugiau dirbti nei atsitiktinis mėginys. Mokslininkai turi individualiai sekti ir tikrinti kiekvieno sluoksnio duomenis įtraukimui, o tai gali užtrukti daug daugiau laiko, palyginti su atsitiktine atranka.