TODENNÄKÖISYYDEN JA EPÄTODENNÄKÖISYYDEN OTANTATYYPIT (ESIMERKIT) - KULTTUURISANASTO - 2026

Otantatyyppejä ovat erilaisia tapoja talteen tietoja osan koko, voimakas tilastollinen väline, jonka tehtävänä on määrittää, mikä osa väestöstä tai maailmankaikkeus on tutkittava, jotta päätelmiä ja hankkia tietoja.

Näytteenotto on erittäin tärkeää, kun et voi tai et halua analysoida koko väestöä. Huomaa, että termi "väestö" ei tarkoita vain suurta joukkoa ihmisiä tai eläviä olentoja, vaan yleensä kaikkia elementtejä, joita aiotaan tutkia tietyssä ongelmassa.

Kuva 1. Näytteenotto on tärkeää edustavan näytteen valitsemiseksi maailmankaikkeudesta. Lähde: Pixabay.

Valitun otantatyypin mukaan valitaan edustavimmaksi katsottu väestön osa aina tavoitteiden mukaisesti.

Tietysti, kun otetaan vain osa tietokaikkeudesta, on mahdollista jättää väliin yksityiskohdat ja jättää tiedot pois, minkä vuoksi tulokset eivät ole niin tarkkoja kuin niiden pitäisi olla. Tätä kutsutaan näytteenottovirheeksi.

Ajatuksena on yksinkertaistaa tiedon yleisöä niin paljon kuin mahdollista valitsemalla edustavin otos, joka pystyy tuottamaan mahdollisimman suuren määrän tulosten paikkansapitävyyden varmistamiseksi.

Tyypit todennäköisyydestä tai satunnaisotannasta

Todennäköisyysnäytteenotto perustuu todennäköisyyteen, että näytteen kohteet on valittava. Tällä tavalla jokaiselle väestönosalle annetaan tunnettu valintamahdollisuus, jonka on tietenkin oltava suurempi kuin 0.

Tämä on erittäin tärkeää, koska voi käydä niin, että tietojoukosta on valittu otos, joka ei edusta riittävän kokonaisuutta.

Jos näin on, tulokset ovat puolueellisia, koska jotkut väestönosat suosivat muita. Esiintyvyyden välttämiseksi, joita on useita luokkia, yksi vaihtoehto on antaa sattumanvaraisesti valita näyte ja antaa siten jokaiselle elementille valinnan todennäköisyys nollaan nähden.

Yksinkertainen satunnainen näytteenotto

Tämä on yksinkertainen tapa varmistaa, että mahdollisuus tekee työnsä. Esimerkiksi, jos valitset luokan lapsia osallistumaan koulutaiteen tapahtumaan, kaikki lasten nimet asetetaan samanlaisille taitettuihin äänestyskanaviin, sekoitetaan hattuun ja kourallinen satunnaisesti piirretään.

Kaikki luokan lapset muodostavat väestön, ja näyte on kourallinen hatusta vedettyjä äänestyskanavia.

Menettelyn onnistuminen on täydellisen luettelon laatiminen kaikista lapsista, niin ettei ketään jätetä syrjään. Pienellä kurssilla tämä ei ole ongelma; Mutta kun haluat valita otoksen suuremmasta joukosta, sinun on tarkennettava menetelmää.

Yksinkertainen satunnainen näytteenotto voidaan suorittaa korvaamalla tai korvaamalla. Esimerkiksi, jos me poimimme jonkin elementin populaatiosta ja palautamme sen valinnan ja tutkinnan jälkeen, elementtiemme universumi pysyy aina samana koko tutkimuksen ajan.

Jos päinvastoin, valittua elementtiä tutkitaan, enemmän ei palauteta, se on näytteenotto ilman korvaamista. Tämä on otettava huomioon laskettaessa elementin valinnan todennäköisyyttä.

Systemaattinen satunnainen näytteenotto

Tämän näytteenoton suorittamiseksi on myös tarpeen listata N elementtiä ja määrittää myös näytteen koko, jota kutsumme n. Listaa kutsutaan näytteenottokehykseksi.

Nyt on määritetty hyppyväli, jota merkitään kirjaimella k ja lasketaan seuraavasti:

Satunnaisluku valitaan - satunnaisesti - välillä 1 - k, jota kutsutaan ro-satunnaiseksi alkamiseksi. Tämä on ensimmäinen valittava luettelossa oleva henkilö, ja sen jälkeen seuraavat luettelon elementit valitaan.

Esimerkki: Oletetaan, että sinulla on luettelo 2000 opiskelijasta yliopistosta ja haluat saada otoksen 100 opiskelijasta osallistuakseen kongressiin.

Ensimmäinen tehtävä on löytää k: n arvo:

Kun olemme jakaneet opiskelijoiden kokonaismäärän 100 osaan, joissa on 20 opiskelijaa, yksi niistä otetaan ja satunnaisluku valitaan välillä 1 - 20, esimerkiksi 12. Siksi luettelomme kahdestoista opiskelija on satunnainen käynnistys.

Seuraavan valittavan opiskelijan on oltava 12 + 20 = 22, sitten 42, sitten 62 ja niin edelleen, kunnes kaikki 100 on suoritettu.

Kuten näette, se on nopea menetelmä soveltamiseen, ja se antaa yleensä erittäin hyviä tuloksia ilman, että on tarpeen laittaa 2000 nimeä hattuun ja ottaa niistä 100, kunhan populaatiossa ei ole jaksoja, jotka aiheuttavat harhaa..

Yksinkertaistettu satunnainen otanta

Kuva 2. Kerrostuneessa satunnaisnäytteessä populaatio jaetaan segmenteiksi, joita kutsutaan kerrokseksi. Lähde: Pixabay.

Yksinkertaisessa satunnaisessa näytteityksessä jokaisella populaation kohteella on sama todennäköisyys valitulle. Mutta tämä ei välttämättä aina pidä paikkaansa, varsinkin kun on harkittava enemmän monimutkaisuuksia.

Osittaisen satunnaisen näytteenottojärjestelmän suorittamiseksi populaatio on jaettava ryhmiin, joilla on samanlaiset ominaisuudet. Nämä ovat kerrostumia. Sitten kerrostumat otetaan ja kustakin valitaan yksinkertaiset satunnaisnäytteet, jotka sitten yhdistetään lopullisen näytteen muodostamiseksi.

Kerrokset määritetään ennen näytteenottoa tutkimalla tietouniversumin ominaisuuksia.

Nämä ominaisuudet voivat olla siviilisääty, ikä, asuinpaikka, esimerkiksi kaupunki-, esikaupunki- ja maaseutuväestö, ammatti, koulutustaso, sukupuoli ja monet muut.

Joka tapauksessa odotetaan, että kunkin kerroksen ominaisuudet ovat hyvin erottuvat, toisin sanoen jokainen kerros on homogeeninen.

Kerrostuneessa otannassa erotamme kaksi luokkaa sen mukaan, onko kunkin kerroksen otoskoko vai ei suhteessa sen kokoon.

Satunnainen klusterinäyte

Edellä kuvatut menetelmät valitsevat näytteen elementit suoraan, mutta klusterinäytteissä joukko elementtejä valitaan joukosta, ja nämä ovat näytteenottoyksikkö, jota kutsutaan klusteriksi.

Esimerkkejä klusterista ovat yliopiston laitokset, maantieteelliset yksiköt, kuten provinssit, kaupungit, maakunnat tai kunnat, joilla kaikilla on sama todennäköisyys tulla valituksi. Jos valitset maantieteellisen kokonaisuuden, puhutaan otannasta alueittain.

Kun klusterit on valittu, analysoitavat elementit valitaan niistä. Siksi menettelyllä voi olla useita vaiheita.

Tällä menetelmällä on joitain yhtäläisyyksiä osittaisen satunnaisen menetelmän kanssa, paitsi että tässä valitaan joukko klustereita kokonaismäärästä, kun taas edellisessä menetelmässä tutkittiin kaikkia populaation kerroksia.

Ei-todennäköisyysnäytetyypit

Todennäköisyysnäytteenotto voi olla erittäin kallista joissakin tilanteissa, koska todella edustavien näytteiden löytämiseen on panostettava aikaa ja resursseja.

Usein käy myös niin, että luettelossa ei ole täydellistä näytteenottokehystä, joten elementin valinnan todennäköisyyttä ei voida määrittää.

Näissä tapauksissa käytetään epätodennäköisyysnäytteistyyppejä, joista myös tietoja saadaan, huolimatta siitä, että tulosten tarkkuudella ei ole takeita.

Kun tätä tyyppistä näytteenottoa sovelletaan, joitain perusteita on silti noudatettava valinnan yhteydessä, jotta otos olisi mahdollisimman riittävä.

Mukavuuksien näytteenotto

Se on melko yksinkertainen otantatyyppi, jossa näytteen elementit valitaan niiden saatavuuden mukaan, toisin sanoen valitsemalla parhaiten käsillä olevat yksilöt. Sen etuna on erittäin edullinen menetelmä nopeuden ja mukavuuden vuoksi.

Mutta kuten sanottiin, ei ole varmuutta saada luotettavia tietoja tuloksistasi. Sitä käytetään toisinaan nopeiden, lyhyiden kyselyjen tekemiseen ennen vaaleja tai tiedusteluun tiettyjen tuotteiden asiakastoiveista.

Kyselyn suorittaja voi esimerkiksi mennä kolmen hänen taloonsa lähinnä olevan ostoskeskuksen poistumiselle ja kysyä lähtöä tekeviä ehdokkaita, joista he äänestäisivät. Tai opettaja voi kartoittaa omia oppilaitaan, koska heillä on välitön pääsy niihin.

Vaikka näyttää siltä, ​​että tällaisen menettelyn tulokset ovat arvottomia, tapahtuu, että ne saattavat heijastaa väestöä hyvin, kunhan on perusteltua syytä olettaa, että puolueellisuus ei ole kovin suuri.

Se ei kuitenkaan ole niin yksinkertaista, koska tietyn opettajan opiskelijat eivät välttämättä ole edustava otos muun opiskelijaryhmän edustajista. Ja suurimman osan ajasta ostoskeskusten kyselytutkijat yleensä haastattelevat houkuttelevin näköisiä ihmisiä.

Kiintiönäytteet

Kiintiöiden mukaan ottamiseksi on oltava hyvät ennakkotiedot väestökerroksista, jotta saadaan käsitys siitä, mitkä ovat edustavimmat elementit. Mutta sitä ei säätele osittaisen näytteenoton satunnaiskriteeri.

Tämän tyyppisessä näytteenotossa on välttämätöntä asettaa "kiintiöt", mistä johtuen menetelmän nimi. Nämä kiintiöt koostuvat useiden osien keräämisestä tietyin edellytyksin, esimerkiksi 15 naiselle, joiden ikä on 25-50 vuotta, jotka eivät tupakoi ja omistavat myös autoa.

Kun kiintiö on määritetty, valitaan ensimmäiset ihmiset, jotka täyttävät vakiintuneet ehdot. Tämän viimeisen vaiheen perusteet voivat olla tutkijan sopivana. Täällä voit nähdä eron kerrostuneen näytteenottomenetelmän kanssa, joka on satunnainen.

Se on kuitenkin edullinen menetelmä, joka on edullinen, jos, kuten sanoimme, tutkittava väestö tunnetaan hyvin.

Lumipallo näytteenotto

Tässä näytteenottotavassa noudatettava menettely on valita muutama henkilö, joka johtaa toisia, ja nämä puolestaan ​​toisiin, kunnes otos on tutkijan tarvitsema koko.

Tämä on menetelmä, joka voi olla hyödyllinen karakterisoimaan joitain populaatioita, joilla on melko erityiset piirteet. Esimerkkejä: vankilassa olevat vankit tai tietyt sairaudet.

Harkinnanvarainen näytteenotto

Lopuksi tutkija päättää tutkimuksensa perusteella kriteerit, joiden perusteella näytettä valitaan. Se voi olla hyödyllinen, kun on tarpeen lisätä tutkimukseen tiettyjä henkilöitä, jotka satunnaisella menetelmällä eivät voineet osallistua.

Viitteet

1. Berenson, M. 1985. Johtamis- ja taloustiede, käsitteet ja sovellukset. Toimituksellinen Interamericana.
2. Tilastot. Näytteenotto. Palautettu osoitteesta: encyclopediaeconomica.com.
3. Tilastot. Näytteenotto. Palautettu: Estadistica.mat.uson.mx.
4. Explorable. Klusterinäytteet. Palautettu osoitteesta: explorable.com.
5. Moore, D. 2005. Applied Basic Statistics. 2nd. Painos.
6. Netquest. Todennäköisyysnäytteet: kerrostunut näytteenotto. Palautettu osoitteesta: netquest.com.
7. Wikipedia. Näytteenotto. Palautettu osoitteesta: es.wikipedia.org