Репрезентативная статистическая выборка

1. Что нужно сделать, чтобы создать репрезентативную статистическую выборку?
2. Методы случайной выборки единиц

В предыдущей статье статистическая выборка Я сравнил статистический тест с попыткой гуляша. Я упомянул, что случайным образом выбирая элементы из совокупности, мы пытаемся аналогичным образом оценить параметры для всей совокупности, основываясь только на небольшой части совокупности. Чтобы оценить их - мы должны создать так называемые репрезентативный образец . Оно должно соответствовать характеристикам всего населения (за исключением численности). Таким образом, рассчитанное среднее арифметическое для выборки должно быть близко к среднему арифметическому для всей совокупности. Расчетное стандартное отклонение должно быть близко к стандартному отклонению населения. Аналогично все остальные меры разложения. Некоторые говорят, что невозможно создать такой тест, который мы могли бы назвать репрезентативным. Тем не менее, этот термин очень популярен, и хотя трудно найти коллекцию, идеально подходящую для популяции, нам обычно удается достаточно хорошо представить параметры распределения, если мы имеем дело с правильно выбранной выборкой.

Что нужно сделать, чтобы создать репрезентативную статистическую выборку?

Самый простой способ создать репрезентативную выборку - это когда у нас есть легкий доступ ко всем единицам в популяции. Затем мы случайным образом выбираем количество единиц, которые мы указываем (это число зависит от точных результатов, которые мы хотели бы получить), и мы можем начать вычисления. Помните, что выбор юнитов для испытания должен быть абсолютно случайным, никак не контролируемым нами. Так что не каждый пятый человек или опрос не распространяются среди друзей. Вы должны составить список всех юнитов и нарисовать те, которые будут частью нашего испытания.

Они не будут репрезентативными:

• номера из телефонной книги (потому что вы можете иметь ограниченный номер)
• каждый десятый студент перед университетом (потому что разные группы с разными часами заканчивают занятия)
• каждый седьмой день недели (потому что это всегда будет один и тот же день)
• интернет-исследования (потому что только интернет-пользователи заинтересованы в теме)
• вопросники по телевидению (потому что ответственность за участие в таких опросах несут только зрители данной программы)
• каждый двадцатый шоколад снят с производственной линии (потому что, может быть, каждый двадцатый шоколад весит меньше или больше, чем другие, и на него уходит больше изюма)

В то же время мы должны помнить, что даже если мы реализуем все возможные постулаты, мы нарисуем совершенные единицы, все будет независимым, все в соответствии со статистическим искусством - попытка является лишь попыткой. Всегда может оказаться, что мы имеем дело с ошибками, и среднее значение выборки и среднее значение по населению отличаются больше, чем теоретическая статистическая ошибка.

Методы случайной выборки единиц

В дополнение к простой случайной выборке единиц для выборки также используются другие методы. Я кратко расскажу о двух из них здесь, и, возможно, однажды мы вернемся к этой теме более подробно.

1. Слоистый отбор - мы имеем дело с разделением населения на слои на основе сходства индивидов. Из каждого слоя мы берем определенное количество единиц. Самое простое разделение на два слоя - это разделение опрошенных людей по полу (то есть у нас есть слой женщин и слой мужчин). Также можно разделить людей по доходам, цвету кожи, росту - это зависит от того, какой план нам нужен. Внимание! При таком выборе выборки оказывается, что не все методы анализа могут быть использованы, как при простой рандомизации от населения.
2. Кластерный отбор - мы делимся населением, но не на основе сходства индивидов, а, например, на основе географического положения. Допустим, мы хотим проанализировать жителей деревень в Польше. Если бы мы привлекли людей из всех деревень, исследователям пришлось бы много путешествовать, чтобы встретиться с каждым из них. Выбор кластера позволяет случайным образом выбирать заданное количество деревень, и только из этих деревень отбираются опрошенные единицы. Такой метод увеличивает риск ошибок (потому что, если более богатые деревни выбираются случайным образом, информация об их жителях не будет отражать данные для сельских жителей со всей Польши), но в то же время позволяет снизить затраты. Если мы не можем извлечь много из всего населения, то кластеризация может быть лучшим решением. Однако следует помнить о большем риске ошибок и использовать соответствующие методы для расчетов.

Как простой метод выборки, так и стратифицированный или кластерный выбор основаны на теории вероятностей. Каждая единица с определенной вероятностью сможет быть включена в нашу статистическую выборку. Эта вероятность должна быть известна и отличаться от 0.

Давайте вспомним, что существуют также методы статистических обследований, которые предполагают преднамеренный и осознанный отбор единиц для тестирования. Они обычно используются для другой цели, чем изучение параметров популяции. У них есть свои преимущества и недостатки. Однако следует помнить, что в такой ситуации мы, безусловно, не будем иметь дело с репрезентативной выборкой (нам не всегда нужна репрезентативная статистическая выборка).

Я приглашаю вас на фан-страницу блога: статистический блог на фейсбуке ,

карта разума: типичный образец

Пожалуйста, следуйте и нам нравится:

Похожие

Комментарии