Выборка (статистика)

редактировать
Визуальное представление процесса выборки

В статистика, обеспечение качества и методология обследования, выборка - это выборка подмножества (статистическая выборка ) лиц из статистической совокупности оценить характеристики всего населения. Статистики пытаются представить в выборках рассматриваемую популяцию. Два преимущества выборки - это более низкая стоимость и более быстрый сбор данных, чем измерение всей генеральной совокупности.

Каждое наблюдение измеряет одно или несколько свойств (таких как вес, местоположение, цвет) наблюдаемых тел, выделенных как независимые объекты или индивиды. В выборке обследования к данным веса для корректировки плана выборки, особенно в стратифицированной выборке. На практике используются результаты теории вероятностей и статистической теории. В деловых и медицинских исследованиях выборка широко используется для сбора информации о совокупности. Приемочная выборка используется для определения, соответствует ли производственная партия материала основного спецификациям.

Содержание

  • 1 Определение совокупности
  • 2 Основа выборки
    • 2.1 Нейтеверностная выборка
  • 3 Методы выборки
    • 3.1 Простая случайная выборка
    • 3.2 Систематическая выборка
    • 3.3 Стратифицированная выборка
    • 3.4 Вероятность, пропорциональная размеру выборка
    • 3.5 Кластерная выборка
    • 3.6 Квотная выборка
    • 3.7 Минимаксная выборка
    • 3.8 Случайная выборка
    • 3.9 Добровольная выборка
    • 3.10 Выборка с пересечением линии
    • 3.11 Панельная выборка
    • 3.12 Snowball выборка
    • 3.13 Теоретическая выборка
  • 4 Замена выбранных единиц
  • 5 Определение размера выборки
    • 5.1 Этапы использования таблиц размера выборки
  • 6 Выборка и сбор данных
  • 7 Применение выборки
  • 8 Ошибки в выборочных обследованиях
    • 8.1 Ошибки и с ущербом выборки
    • 8.2 Ошибки, не связанные с выборкой
  • 9 Обследование веса
  • 10 Методы создания случайных выборок
  • 11 История
  • 12 См. также
  • 13 Примечания
  • 14 Ссылки
  • 15 Дополнительная литература
  • 16 Стандарты
    • 16.1 ISO
    • 16.2 ASTM
    • 16.3 ANSI, ASQ
    • 16.4 Федеральные и военные стандарты США
  • 17 Внешние ссылки

Определение совокупности

Успешная статистическая практика на целенаправленное определение проблемы. При выборке это включает определение «совокупности », из которого составлена ​​наша выборка. Популяцию можно определить как включающую всех людей или предметы с характеристиками, которые человек желает понять. Очень редко бывает достаточно времени или денег для сбора информации от всех или всех в популяции, целью становится поиск репрезентативной выборки (или подмножества) этой совокупности.

Иногда то, что определяет популяцию, очевидно. Например, производителю необходимо решить, достаточно ли высокого качества партия материала из производства для передачи заказчику или должна быть приговорена к утилизации или переработке из-за низкого качества. В этом случае партия - это популяция.

Представляет интересную часто из физических объектов. Например, при исследовании кадрового состава супермаркетов можно было бы изучить кассовых очередей в разное время, или исследование пингвинов, находящихся под угрозой исчезновения, могло бы быть направлено понимание использования ими различных охотничьих угодий с течением времени. Для измерения времени внимание может быть сосредоточено на периодх или дискретных событиях.

В других случаях исследуемая «популяция» может быть еще менее привлекательной. Например, Джозеф Джаггер изучил поведение колес рулетки в казино в Монте-Карло и использовал это для определения смещенного колеса. В данном случае «популяция», представленная исследовать Джаггер, представляет собой общее поведение колеса (то есть распределение вероятностей его результатов по бесконечному количеству испытаний), в то время как его «выборка», сформирована из наблюдаемых результатов из это колесо. Примерно рассмотрены при повторных измерениях некоторых физических характеристик, таких как электропроводность меди.

. Эта ситуация часто возникает при поиске информации о системе причин, из которой наблюдаемая популяция - это результат. В таких случаях теория выборки может рассматривать наблюдаемую популяцию как выбор из более крупной «суперпопуляции». Например, исследователь может изучить степень новой успеха программы «бросить курить» на тестовой группе из 100, чтобы спрогнозировать эффекты программы, если она доступна по всей стране. Здесь суперпопуляция - это «все в стране, получившие доступ к лечению» - группа, которая еще не существует, поскольку эта программа еще не доступна для всех.

Население, из которого составлена ​​выборка, может не совпадать с генеральной совокупностью, о которой требуется информация. Существует большое, но не полное перекрытие между этими двумя группами из-за проблем с кадрами и т. Д. (См. Ниже). Иногда они могут быть совершенно разными - например, можно изучить здоровье человека, или можно изучить записи людей, родившихся в 2008 году, чтобы сделать прогнозы относительно людей, родившихся в 2009 году.

Время, потраченное на уточнение выборки и вызывающей озабоченность совокупности, часто тратится не зря, потому что это порождает множество проблем, двусмысленностей и вопросов, которые были бы упущены на данном этапе.

Основа выборки

В наиболее простом случае, например, при отборе материала из производства (приемочная выборка по партии), наиболее желательно идентифицировать и измерять каждую единицу в генеральную совокупность и включить из них в нашу выборку. Однако в более общем случае это обычно невозможно или практически невозможно. Невозможно идентифицировать всех крыс в наборе всех крыс. Если голосование не является обязательным, невозможно определить, какие люди будут голосовать на предстоящих выборах (до выборов). Эти неточные совокупности не поддаются выбор ни одним из способов, указанных ниже, и к которой бы применить статистическую теорию.

В качестве средства защиты мы ищем рамку выборки, которая обладает тем своимством, что мы можем идентифицировать каждый отдельный элемент и любой из них в нашу выборку. Самый простой тип фрейма - это список элементов совокупности (включая всего населения) с помощью всего контактной информации. Например, в опросе общественного мнения возможные рамки выбора включают в себя список избирателей и телефонный справочник.

A вероятностная выборка, в которой каждая единица в у населения есть шанс (больше нуля) быть выбранным в выборке, и эту вероятность можно точно определить. Комбинация этих характеристик позволяет производить объективные оценки итоговых показателей совокупности взвешивания единиц выборки в соответствии с их вероятностью отбора.

Пример: мы хотим оценить общий доход взрослых, живущих на данной улице. Каждый проживающий домохозяйство на этой улице оплачивает всех проживающих там взрослых и случайным образом выбирает одного взрослого из каждого домохозяйства. (Например, мы можем присвоить каждому человеку случайное, сгенерированное из равномерного распределения между 0 и 1, и выбрать человека с наибольшим номером в каждом домохозяйстве). Затем мы проводим собеседование с выбранным человеком и выясняем его доход.

Люди, живущие самостоятельно, обязательно будут выбраны, поэтому мы просто добавляем их доход к нашей оценке общей суммы. Но человек, живущий в семье из двух взрослых, имеет только один шанс из двух. Чтобы отразить это, когда мы подходим к такому домашнему хозяйству, мы дважды подсчитываем доход выбранного человека к общей сумме. (Человек, выбранный из этого домохозяйства, может в общих чертах рассматривать как также представляющее лицо, которое не было выбрано.)

В приведенном выше примере не у всех одинаковая вероятность выбора; выборку вероятности делает тот факт, что вероятность каждого человека известна. Когда каждый элемент в совокупности имеет одинаковую вероятность выбора, это называется схемой «равной вероятности выбора» (EPS). Такие конструкции также называют «самовзвешивающими», поскольку всем отобранным единицам присваивается одинаковый вес.

Вероятностная выборка включает: простую случайную выборку, систематическую выборку, стратифицированную выборку, вероятностную выборку, пропорциональную размеру, и кластер или Многоступенчатая выборка. Эти различные способы две вероятностной выборки имеют общие черты:

  1. Каждый элемент имеет известную ненулевую вероятность выборки, а
  2. в какой-то момент включает случайный выбор.

Невероятностная выборка

Невероятностная выборка - это любой метод выбора, при котором некоторые элементы совокупности не имеют шансов на выбор (их иногда называют «вне зоны охвата» / «которого недостаточно охвачены») или с вероятностью выбора не может быть точно определена. Он включает в себя выбор элементов на основе предположений относительно интересующей совокупности, которая составляет оценку для выбора. Следовательно, поскольку выбор элементов является неслучайным, не вероятная выборка не позволяет оценить ошибки выборки. Эти условия приводят к смещению исключения, ограничивая объем информации, которую может предоставить выборка о генеральной совокупности. Информация о взаимосвязи между выборкой и совокупностью ограничена, что затрудняет экстраполяцию от выборки к генеральной совокупности.

Пример: мы посещаем семью на данной улице и опрашиваем первого человека, открывшего дверь. В любом случае, некоторые люди с большей вероятностью откроют дверь (например, безработный, который проводит большую часть своего времени дома, с большей вероятностью ответит, чем работающий сосед по дому, может быть на работе, когда звонит интервьюер), и рассчитывать эти вероятности нецелно.

Невероятностные методы выборки включают удобную выборку, квотную выборку и целевую выборку. Кроме того, неответа может превратить любой вероятностный план в не вероятностный, если характеристики неполучения ответа не совсем понятны, поскольку отсутствие ответа эффективно изменяет вероятность выбора каждого элемента.

Методы выборки

В рамках любого из типов фреймов, указанных выше, можно использовать различные методы выборки, по отдельности или в комбинации. Факторы, обычно влияющие на выбор между этими проектами, включают:

  • Характер и качество кадра
  • Доступность вспомогательной информации о единицах измерения на корпусе
  • Требования к точности и необходимости измерения точности
  • Ожидается ли подробный анализ выборки
  • Затраты / операционные проблемы

Простая случайная выборка

Визуальное представление выборки простой случайной выборки

В простой случайной выборке (SRS) заданного размера, все подмножества основы выборки имеют равную вероятность быть выбранными. Таким, каждый элемент кадра имеет равную вероятность выбора: раздел не разделяется или разбивается на. Более того, любая заданная пара элементов имеет такой же шанс выбора, как и любая другая такая пара (аналогично для троек и т. Д.). Это сводит к минимуму предвзятость и упрощает анализ результатов. В частности, разница между отдельными результатами внутри выборки является индикатором дисперсии в генеральной совокупности, что позволяет легко оценить точность результатов.

Простая случайная выборка может быть уязвима для ошибки выборки, поскольку случайность выбора может привести к тому, что выборка не будет отражать состав генеральной совокупности. Например, простая случайная выборка из десяти человек из данной страны в среднем дает пять мужчин и пять женщин, но в любом конкретном случае один пол будет слишком далеко, а другой - недостаточно. Систематические и стратифицированные методы пытаются решить эту проблему, «используя информацию о совокупности» для выбора более «репрезентативной» выборки.

Кроме того, простая случайная выборка может быть обременительной и утомительной при выборке из большого совокупности. В некоторых случаях исследователей интересуют вопросы исследования, специфичные для подгрупп населения. Например, исследователи могут быть использованы в изучении того, применимы ли когнитивные способности как предиктор производительности труда в равной степени в разных расовых группах. Простая случайная выборка не может удовлетворить потребности населения в этой ситуации, что она не может обеспечить подвыборки в этой ситуации, и такие как стратифицированная выборка.

Систематическая выборка

Визуальное представление выбора случайной выборки с использованием систематической выборки

Систематическая выборка (также известная как интервальная выборка) основывается на исследуемой совокупности в соответствии с некоторой схемой упорядочения и последующем выборе через регулярные интервалы через этот упорядоченный список. Систематическая выборка включает случайное начало, а затем переходит к выбору каждого k-го элемента с этого момента. В этом случае k = (размер совокупности / размер выборки). Важно, чтобы начальная точка не была автоматически первой в списке, а вместо этого выбиралась случайным образом от первого до k-го элемента в списке. Простым примером может быть выбор каждого 10-го имени из телефонного справочника («каждый 10-й» образец, также называемый «выборкой с пропуском 10»).

Пока отправной точкой является рандомизированный, систематическая выборка является типом вероятностной выборки. Его легко реализовать, индуцированная стратификация может сделать его программным путем, если переменная, по упорядоченному списку, коррелирует с интересующей стандартной альтернативной. Выборка «Каждую 10-ю» особенно полезна для эффективной выборки из базовых данных.

Предположим, что мы хотим выбрать людей с длинной дороги, которая начинается в бедном районе (дом № 1) и заканчивается в дорогом районе. (дом № 1000). Простой выбор адресов с этой улицы легко закончится тем, что будет слишком много адресов из верхнего сегмента и слишком мало из нижнего (или наоборот), что приведет к нерепрезентативной выборке. Выбор (например) каждой 10-й улицы вдоль улицы гарантирует, что выборка будет равномерно распределена по длине улицы. (Обратите внимание, что если мы всегда начинаем с места №1 и заканчиваем в №991, выборка слегка смещается в сторону нижнего предела; случайным выбором начала между №1 и №10 это смещение устраняется.

систематическая выборка особенно

Например, является кратким или кратным используемым интервалу, выборка, скорее всего, не будет репрезентативной для всей генеральной совокупности, что делает схему менее точной, чем простая случайная выборка. В соответствии с приведенной выше схемой получения репрезентативной выборки, либо все выбранные схемы, приведенные выше, находятся на северной () стороне, на южной (дешевой) стороне. Чтобы заранее знать об этой предвзятости и избежать ее, используя пропуск, которы й обеспечивает переход между двумя сторонами (любой пропуск с нечетным номером).

Другой недостаток систематической выборки состоит в том, что даже в сценариях, где она более точна, чем SRS, ее теоретические свойства затрудняют количественную оценку этой точности.

<61 (В двух примерах систематической выборки, которая приведена выше, большая часть потенциальной ошибки выборки с помощью различиями между соседними домами, но поскольку этот метод никогда не выбирает два соседних дома, этот метод не даст никакой информации об изменении.)

Как описана выше, систематическая выборка - это метод EPS, потому что все элементы одинаковую вероятность выбора (в приведенном примере - один из десяти). Это не «простая случайная выборка», потому что разные подмножества одного размера имеют разные вероятности выбора - например, набор {4,14,24,..., 994} имеет вероятность выбора один из десяти, но набор {4,13,24, 34,...} имеет нулевую вероятность выбора.

Систематическая выборка также может быть адаптирована к подходу без ЭПС; для примера см. обсуждение примеров PPS ниже.

Стратифицированная выборка

Визуальное представление выборки случайной выборки с использованием метода стратифицированной выборки

Когда совокупность включает несколько отдельных категорий, фрейм может быть организован по этим категориям в отдельные «страты». " Затем каждая страта выбирается как независимая подгруппа, из которой случайным образом могут быть выбраны отдельные элементы. Отношение размера этой случайной выборки (или выборки) к размеру генеральной совокупности называется фракцией выборки. Стратифицированная выборка дает несколько потенциальных преимуществ.

Во-первых, разделение совокупности на отдельные независимые слои может позволить исследователям сделать выводы о конкретных подгруппах, которые могут быть потеряны в более обобщенной случайной выборке.

Во-вторых, использование метода стратифицированной выборки может привести к более эффективным статистическим оценкам (при условии, что страты выбираются на основе соответствия рассматриваемому критерию, а не наличия выборок). Даже если подход стратифицированной выборки не приводит к повышению статистической эффективности, такая тактика не приведет к меньшей эффективности, чем простая случайная выборка, при условии, что каждый слой пропорционален размер у группы в генеральной совокупности.

В-третьих, иногда бывает так, что данные более доступны для отдельных, ранее существовавших слоев населения, чем для населения в целом; в таких случаях использование подхода стратифицированной выборки может быть более удобным, чем агрегирование данных по группам (хотя это потенциально может противоречить ранее отмеченной важности использования страт, релевантных критериям).

Наконец, поскольку каждая страта рассматривается как независимая совокупность, к разным слоям могут применяться разные подходы к выборке, что потенциально позволяет исследователям использовать подход, наиболее подходящий (или наиболее экономически эффективный) для каждой выявленной подгруппы в пределах численность населения.

Однако у использования стратифицированной выборки есть некоторые потенциальные недостатки. Во-первых, определение страт и реализация такого подхода может увеличить стоимость и сложность отбора выборки, а также привести к увеличению сложности оценок совокупности. Во-вторых, при изучении нескольких критериев стратифицирующие переменные могут быть связаны с одними, но не с другими, что еще больше усложняет план и потенциально снижает полезность страт. Наконец, в некоторых случаях (например, в планах с большим количеством слоев или в планах с указанным минимальным размером выборки для каждой группы) стратифицированная выборка потенциально может потребовать большей выборки, чем другие методы (хотя в большинстве случаев требуемый размер выборки будет не больше, чем требуется для простой случайной выборки).

Подход стратифицированной выборки наиболее эффективен, когда выполняются три условия
  1. Изменчивость внутри слоев минимизирована
  2. Различия между стратами максимизированы
  3. Переменные, по которым стратифицируется совокупность, сильно коррелирован с желаемой зависимой переменной.
Преимущества перед другими методами выборки
  1. Сосредоточен на важных субпопуляциях и игнорирует нерелевантные.
  2. Позволяет использовать различные методы выборки для разных субпопуляций.
  3. Улучшает точность / эффективность оценки.
  4. Обеспечивает больший баланс статистической мощности тестов различий между слоями путем выборки равных чисел из слоев, сильно различающихся по размеру.
Недостатки
  1. Требует выбора соответствующих переменныхстратификации, которые могут быть трудным.
  2. Бесполезно, если нет однородных подгрупп.
  3. Может быть дорого реализовать.
Постстратификация

Стратификация иногда вводится после выбора фазы фаза в процессе, называемом «постстратификация». Этот подход обычно реализуется из-за предварительных испытаний. Хотя этот метод подвержен ошибкам апостериорных подходов, он может дать несколько преимуществ в правильной ситуации. Реализация обычно следует простой случайной выборке. Помимо возможностей реализации одной из вспомогательных функций, рекламирующей агентную инстанцию, повысить точность выбора программы для взвешивания.

Передискретизация

Выбор на основе выбора является одной из стратегий стратифицированной выборки. При выборе на основе выбора данные стратифицируются по целевому объекту, и из каждого слоя берется выборка, так что редкий целевой класс будет представлен в выборке. Затем модель строится на этой смещенной выборке. Влияние входных параметров на показатель показателя часто оценивается с большей точностью с помощью выбора на основе выбора, даже если общий размер выборки меньше, чем у случайной выборки. Результаты обычно необходимо корректировать, чтобы скорректировать передискретизацию.

Выбор переменной вероятности

В некоторых случаях разработчик выборки имеет доступ к «вспомогательной интересующей модели» или «измерению размера», которые, как считается, коррелируют с каждой типовой переменной для каждого элемента в популяции. Эти данные можно использовать для повышения точности построения выборки. Один из вариантов - использовать вспомогательную переменную в качестве основы для стратификации, как обсуждалось выше.

Другой - выборка с вероятностью вариант переменной размера («PPS»), в которой вероятность выбора для каждого элемента пропорциональна его величине размера, максимум до 1. В простой схеме PPS. эти вероятности выбора одна и та же в качестве основы для пуассоновской выборки. Однако у этого есть недостаток, заключающийся в том, что размер выборки по-прежнему является чрезмерно или недопредставленным из-за случайного разброса выборок.

Теория систематической выборки местный родной случайности, пропорциональной размеру выборки. Для этого каждый счет в переменной размера как единая единица выборки. Затем образцы идентифицируются путем отбора с равными интервалами между этими счетчиками в изменяемом размере. Этот метод иногда называют PPS-последовательной выборкой или выборкой денежных средств в случае аудитов или судебной выборки.

Пример: предположим, что у нас есть шесть с населением 150, 180, 200, 220, 260 и 490 учеников соответственно (всего 1500 учеников), и мы хотим использовать контингент учащихся в качестве основы для выборки PPS третьего размера.. Для этого мы можем выделить первую школу с номерами от 1 до 150, вторую школу с 151 по 330 (= 150 + 180), третью школу с 331 по 530, и так далее, с последней школой (с 1011 по 1500). Затем мы генерируем случайное начало от 1 до 500 (равное 1500/3) и подсчитываем количество учащихся школ, кратное 500. Если бы случайное начало было 137, мы бы выбрали школы, которыми были присвоены номера 137, 637 и 1137 г., т. е. первая, четвертая и шестая школы.

Подход PPS может повысить точность для заданного размера выборки за счет использования крупных элементов, которые имеют наибольшее влияние на совокупность. Выборка PPS обычно используется для обследований предприятий, где информация различных элементов часто доступна - например, обследование, пытающееся измерить количество гостевых ночей, проведенных в отелех, может использовать количество номеров каждого отеля в качестве вспомогательной переменной.. В некоторых случаях более раннее выполнение альтернативной альтернативы.

Кластерная выборка

Визуальное представление случайной выборки с использованием кластерной выборки методика

Иногда более рентабельно отбирать респондентов в группы («кластеры»). Выборка часто проводится по географическому признаку или по временным периодам. (Почти все выборки в некотором смысле «сгруппированы» во времени - хотя это редко принимается во внимание при анализе.) При обследовании домашних хозяйств в городе мы можем выбрать 100 городских кварталов, а опросить каждое домашнее хозяйство в пределах города. выбранные блоки.

Кластеризация может снизить командировочные и административные расходы. В приведенном выше примере домашнего хозяйства можно посетить несколько домашних хозяйств в одном квартале.

Это также означает, что не нужна основа выборки, в системе все элементы совокупности. Вместо этого кластеры могут быть выбраны из кадра уровня кластера, при этом кадр уровня элемента создается только для выбранных кластеров. В приведенном выше примере для выбора требуется только карта города на уровне квартала для первоначального выбора, а затем карта уровня домохозяйства из 100 выбранных кварталов, а не карта всего города на уровне домохозяйства.

Кластерная выборка (также известная как кластерная выборка) увеличивает оценки вариабельности по сравнению с простой случайной выборкой, в зависимости от того, насколько кластеры различаются между собой по сравнению с вариацией внутри кластера. По этой цели кластерная выборка требует большей выборки, чем SRS, для достижения того же уровня точности, но экономия средств за счет кластеризации может сделать этот вариант более дешевым.

Кластерная выборка обычно реализуется как многоступенчатая выборка. Это сложная форма кластерной выборки, в которой два или более уровня встроены один в другой. Первый этап состоит из построения кластеров, из которых будет производиться выборка. На втором этапе выбора первичных единиц выбирается случайным образом из каждого кластера. На следующие этапы в каждом из выбранных кластеров выбираются образцы образцов и так далее. Затем обследуются все конечные единицы (например, отдельные лица), выбранные на последнем этапе этой процедуры. Таким образом, этот метод, по сути, представляет собой процесс взятия случайных подвыборок из предыдущих случайных выборок.

Многоступенчатая выборка может быть составить полный список совокупности (до того, как можно будет применить другие методы выборки). Устраняя работу по описанию невыбранных кластеров, многоступенчатая выборка может снизить большие затраты, связанные с традиционной кластерной выборкой. Однако каждая выборка может быть полностью репрезентативной для всей генеральной совокупности.

Квотная выборка

В квотной выборке совокупность сначала сегментируется на взаимоисключающие подгруппы, как и в стратифицированной выборке. Используется для выбора единиц индивидуальной упаковки. Например, интервьюеру может быть предложено выбрать 200 женщин и 300 мужчин в возрасте от 45 до 60 лет.

Именно этот второй шаг делает методику маловероятной выборки. При квотной выборке выборка не является случайной. Например, у интервьюеров может соблазн взять интервью у тех, кто выглядит наиболее полезным. Проблема в том, что эти образцы могут быть необъективными, потому что не у всех есть шанс быть отобранным. Этот случайный элемент - его самая большая слабость, и вопрос о использовании квоты и вероятности является предметом споров в течение нескольких лет.

Минимаксная выборка

В несбалансированных наборах данных, где коэффициент выборки не соответствует статистике совокупной совокупности, можно передискретизировать набор данных консервативным способом, называемым минимаксной выборкой. Минимаксная выборка берет свое начало в минимаксном использовании Андерсона, значение которого оказывается равным 0,5: при бинарной классификации классов и выборок должны выбираться одинаково. Это отношение может быть доказано как минимаксное только в предположении классификатора LDA с гауссовыми распределениями. Понятие минимаксной выборки недавно разработано для общего класса классификации, называемых классовыми интеллектуальными классификаторами. В этом случае коэффициент выборки классов выбирается так, чтобы наихудшая ошибка классификатора по всей возможной статистике совокупности для априорных вероятностей класса была лучшей.

Случайная выборка

Случайная выборка (иногда известный как захват, удобство или выборка возможности ) - это тип не вероятностной выборки, который включает выборку из той части генеральной совокупности, которая близка в руки. То есть выбирается, что оно доступно и удобно. Это может быть через встречу с человеком или включение человека в выборку, когда кто-то встречает его, или выбор, найденный с помощью технических средств, таких как Интернет или по телефону. Исследователь, использующий такую ​​выборку, не может с научной точки зрения делать обобщения об общей совокупности из этой выборки, потому что она не будет достаточно репрезентативной. Например, если бы интервьюер проводил такой опрос в торговом центре рано утром в определенное время, люди, с которыми он / она мог бы побеседовать, были бы ограничены теми людьми, которые были даны там в данное время, что не отражало бы мнения других членов общества в такой области, если бы опрос проводился в разное время суток и несколько раз в неделю. Этот тип выборки наиболее полезен для пилотного тестирования. Несколько важных соображений для исследователей, использующих удобные выборки, включают:

  1. Существуют ли элементы управления в плане исследования или эксперимента, которые помогают уменьшить влияние неслучайной удобной выборки, тем самым гарантируя, что результаты будут более репрезентативными для населения?
  2. Есть ли веские основания, конкретная удобная выборка или вести себя иначе, чем случайная выборка из той же генеральной совокупности?
  3. Является ли вопрос, задаваемый исследователем, тем, который может адекватно ответить с помощью удобной выборки?

В исследованиях в области социальных наук выборка «снежным комом» аналогичной техникой, при помощи которой объекты исследования используются для набора большего количества субъектов в выборку. Некоторые варианты выборки методом снежного кома, такие как выборка, управляемая респондентами, позволяют рассчитывать вероятности выбора и являются методами вероятностной выборки при определенных условиях.

Добровольная выборка

Метод добровольной выборки - это тип маловероятной выборки. Добровольцы хотят заполнить анкету.

Волонтеров можно приглашать через рекламу в социальных сетях. Целевая аудитория для рекламы может быть выбрана по таким характеристикам, как местоположение, возраст, пол, доход, род занятий, образование или интересы, используя инструменты, предоставляемые социальной средой. Рекламное объявление может содержать сообщение об исследовании и ссылку на опрос. После перехода по ссылке и заполнения опроса волонтер отправляет данные для включения в выборку. Этот метод может охватить население всего мира, но ограничен бюджетом кампании. Волонтеры, не входящие в состав приглашенного населения, также могут быть включены в выборку.

На основе этой выборки трудно делать обобщения, потому что она может не отражать всю совокупность. Часто волонтеры проявляют большой интерес к основной теме опроса.

Выборка с пересечением линии

Выборка с пересечением линии - это метод выборки элементов в области, при котором элемент выбирается, если выбранный сегмент линии, называемый «разрез», пересекает элемент.

Панельная выборка

Панельная выборка - это метод первого выбора группы участников методом случайной выборки с последующим запросом у этой группы (потенциально одинаковой) информации несколько раз в течение определенного периода времени.. Таким образом, каждый участник интервьюируется в двух или более временных точках; каждый период сбора данных называется «волной». Метод был разработан социологом Полем Лазарсфельдом в 1938 году как средство изучения политических кампаний. Этот метод продольной выборки позволяет оценить изменения в населении, например, в отношении хронических заболеваний, стресса на работе и еженедельных расходов на питание. Панельная выборка также может использоваться для информирования исследователей об изменениях здоровья внутри человека из-за возраста или для объяснения изменений в непрерывно зависимых переменных, таких как супружеское взаимодействие. Было предложено несколько методов анализа панельных данных, включая MANOVA, кривые роста и моделирование структурным уравнением с запаздывающими эффектами.

Выборка «снежный ком»

Выборка «снежный ком» включает поиск небольшой группы первоначальных респондентов и их использование для набора большего количества респондентов. Это особенно полезно в тех случаях, когда популяция скрыта или трудна для подсчета.

Теоретический отбор образцов

Теоретический отбор образцов происходит, когда образцы отбираются на основе результатов данных, собранных на данный момент с целью развития более глубокого понимания области или разработки теорий. Могут быть выбраны крайние или очень конкретные случаи, чтобы максимизировать вероятность того, что явление будет наблюдаемым.

Замена выбранных единиц

Схемы выборки могут быть без замены («WOR» - ни один элемент не может быть выбран более одного раза в одном образце) или с заменой («WR» - элемент может появляются несколько раз в одном образце). Например, мы можем поймать одну и ту же рыбу более одного раза. Однако, если мы не возвращаем рыбу в воду или тег и не возвращаем каждую рыбу после ее поимки, это становится дизайном WOR.

Определение размера выборки

Формулы, таблицы и диаграммы степенной функции - хорошо известные подходы для определения размера выборки.

Шаги по использованию таблиц размера выборки

  1. Постулируйте самого интересного эффекта, α и β.
  2. Проверьте таблицу размера выборки
    1. Выберите таблицу, соответствующую выбранному α
    2. Найдите поиск, соответствующую желаемую мощность
    3. Найдите столбец, соответствующую предполагаемую величину эффекта.
    4. Пересечение столбца и строки является минимальным требуемым размером выборки.

Выборка и сбор данных

Хороший сбор данных включает:

  • Соблюдение определенного процесса выборки
  • Хранение данных во временном порядке
  • Обращение к комментариям и другим контекстным событиям
  • Запись неответов

Применение выборки

Выборка позволяет выбрать правильные точки из более крупного набора данных для оценки всего совокупности. Например, создается около 600 миллионов твитов. Необязательно просматривайте все твиты, чтобы определить темы, просматривайте все твиты, чтобы определить настроения по каждой из тем. Была получена теоретическая формулировка выборки данных Twitter.

При производстве различных сенсорных данных, таких как акустика, вибрация, давление, ток, напряжение и данные контроллера, доступны через промежутки времени. Для прогнозирования времени простоя может не потребоваться просмотр всех данных.

Ошибки в выборочных опросах

В результатах опросов обычно есть ошибки. Общие ошибки можно разделить на ошибки выборки и ошибки, не связанные с выборкой. Термин «ошибка» здесь включает как систематические ошибки, так и случайные ошибки.

Ошибки и ущерб выборки

Ошибки и ущерб выборки вызваны планом выборки. К ним:

  1. систематическая ошибка выбора : когда истинные вероятности выбора отличаются от предполагаемых при вычислении результатов.
  2. Случайная ошибка выборки : случайное изменение результатов из-за элементов в выборке выбираются случайным образом.

Ошибка, не связанная с выборкой

Ошибки, не связанные с выборкой, - это другие, которые могут повлиять на окончательные оценки обследований ошибки, вызванные проблемы при сборе, обработке или построении выборки. Такие могут быть ошибки:

  1. Избыточный охват : включение из-за пределов генеральной совокупности
  2. Недостаточный охват : основа выборки не включает элементы в генеральной совокупности.
  3. Ошибка измерения : например, когда респонденты неправильно понимают вопрос или затрудняют ответить
  4. Ошибка обработки : ошибки в кодировании данных
  5. Отсутствие ответа или предвзятость участия : невозможность получить полные данные от всех выбранных лиц

После отбора проб следует провести обзор точного отбора проб, предполагаемого, чтобы изучить любые последствия, которые любые расхождения на последующий анализ.

Конкретная проблема связана с отсутствием. Существует два основных типа неполучения ответов:

  • неполный ответ (незавершение какой-либо части опроса)
  • неполное изучение ответа (отправка или участие в опросе, но не заполнение одного или нескольких компонентов / вопросов обследования)

В выборочные обследования многие из лиц, как часть выборки, не желать участвовать, не участвовать в исследовании (альтернативные методы) или администраторы обследования не смогли связаться с ними. В этом случае существует риск различий между респондентами и не респондентами, что приведет к смещению оценок параметров населения. Предлагаются различные методы исследования, которые участвуют в исследованиях, которые участвуют в различных структурах. Эффекты также можно смягчить путем взвешивания данных (при наличии эталонных показателей населения) или путем расчета данных на основе ответов на другие вопросы. Отсутствие ответа - особенно серьезная проблема при выборке в Интернете. Причины этой проблемы включают неправильные спланированные опросы, чрезмерное изучение (или усталость от опросов), а также тот факт, что они часто посещают несколько адресов электронной почты, которые больше не используют или не проверяют.

Веса обследования

Во многих ситуациях выборки может варьироваться в зависимости от страты, и для правильного представления генеральной совокупности данные должны быть взвешены. Так, например, простая случайная выборка людей в Соединенном Королевстве. Более дешевым методом было бы использование стратифицированной выборки с городскими и сельскими стратами. Сельская выборка может быть представлена ​​в выборке, но при проверке должна быть соответствующим образом взвешена для компенсации.

В более общем плане данные обычно следует взвешивать, если планки не дает каждому человеку равных шансов быть выбранным. Например, когда домохозяйства имеют равные возможности выбора, но опрашивается один человек в каждом домохозяйстве, это дает людям из больших домохозяйств меньшие шансы быть опрошенными. Это можно учесть с помощью весов обследований. Точно так же домохозяйства с более чем одной телефонной линией имеют больше шансов быть отобранными в выборке случайных цифр, и веса могут корректироваться с учетом этого.

Веса также могут служить другим целям, например, помогать корректировать отсутствие.

Методы создания случайных выборок

История

Случайная выборка по жребию - старая идея, несколько раз упоминавшаяся в Библии. В 1786 году Пьер Симон Лаплас оценил численность населения Франции, используя выборку вместе с оценкой отношения . Он также вычисли вероятностные оценки ошибки. Они были выражены не как современные доверительные интервалы, как размер выбора, потребовался бы для достижения максимальной границы ошибки выборки с вероятностью 1000/1001. Его оценки использовали теорему Байеса с постоянной априорной вероятностью и предполагали, что его выборка была случайной. Александр Иванович Чупров представил выборочные исследования Императорской России в 1870-х гг.

В США в 1936 г. Литературный дайджест предсказывали победу республиканцев в президентские выборы прошли плохо из-за серьезных предубеждений [1]. Более двух миллионов человекили на исследование, указав свои ответы через подписные листы журналов и телефонные справочники. Не было оценено, что эти списки были сильно смещены в сторону республиканцев, и итая выборка, хотя и очень большая, была глубоко ошибочной.

См. Также

Последняя правка сделана 2021-06-06 09:27:42
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте