Stratifioitu näytteenotto mikä on, tyypit, edut ja haitat

Hän Kerrostettu näytteenotto, o stratifikaatio, se on näytteenottomenetelmä, joka merkitsee populaation jakamista pienempiin alaryhmiin, jotka tunnetaan nimellä Strata. Nämä kerrokset puolestaan ​​muodostetaan jäsenten ominaisuuksien tai yhteisten ominaisuuksien, kuten tulojen tai koulutustason, perusteella.

Sitä käytetään korostamaan populaatioryhmien välisiä eroja, toisin kuin yksinkertainen näytteenotto, joka käsittelee kaikkia väestön jäseniä tasa -arvoisina, samalla todennäköisyydellä näytteenotosta.

Lähde: NeedPix.com

Tavoitteena on parantaa näytteen tarkkuutta vähentämällä näytteenottovirhettä. Se voi tuottaa painotetun keskiarvon, jolla on vähemmän vaihtelua kuin populaation yksinkertaisen näytteen aritmeettinen keskiarvo.

Stratifiointi on fragmentointiprosessi ennen näytteenottoa populaation jäsenistä homogeenisessa alajoukossa. Kerrosten kautta väestöjakauma on määritelty.

Toisin sanoen sen on oltava kollektiivisesti tyhjentävää ja toisiaan poissulkevia, joten jokaiselle populaation elementille on osoitettava yksi kerros. Sitten jokaisessa kerroksessa käytetään systemaattista tai yksinkertaista näytteenottoa.

[TOC]

Tärkeät näkökohdat

On tärkeää huomata, että kerrosten ei pidä rinnastaa. Päällekkäisten alaryhmien saaminen antaa joillekin ihmisille enemmän mahdollisuutta valita aiheita. Tämä estää täysin käsitteen kerrostuneesta näytteenotosta näytteenottoprototyyppinä.

On yhtä tärkeää, että tutkijan tulisi käyttää yksinkertaista näytteenottoa eri kerrosten sisällä.

Yleisimmät kerrostumat otokset ovat ikä, sukupuoli, sosioekonominen taso, uskonto, kansallisuus ja koulutustaso.

Mikä on ositettu näytteenotto?

Suoritettaessa analyysiä kokonaisuuksissa, joilla on samanlaisia ​​ominaisuuksia, tutkija voi huomata, että populaation koko on liian suuri tämän tutkimuksen päättämiseksi.

Säästä aikaa ja rahaa voit omaksua toteutettavissa olevan näkökulman valitsemalla pieni väestöryhmä. Tätä pientä ryhmää kutsutaan otoskokoksi, joka on osa väestöä, jota käytetään koko väestön edustamiseen.

Voit valita näytteen populaatiosta monin tavoin, joista yksi on kerrostuneen näytteenoton kanssa. Tämä merkitsee kokonaispopulaation jakamista homogeenisiin ryhmiin, nimeltään Strata. Sitten valitaan satunnaiset näytteet kustakin kerroksesta.

Prosessi stratifioidun näytteenoton suorittamiseksi

- Jaa väestö pienempiin alaryhmiin tai kerroksiin jäsenten jakamien ominaisuuksien ja ominaisuuksien mukaan.

- Ota satunnainen näyte jokaisesta kerroksesta luvussa, joka on verrannollinen kerrosten kokoon.

- Ryhmä kerrosten alajoukko satunnaisen näytteen muodostamiseksi.

Voi palvella sinua: rikollinen kehotus

- Suorittaa analyysi.

Mieti esimerkiksi tutkija. Pian huomaat, että niitä oli melkein 200.000 hallintovalmistunetta sinä vuonna.

Voisin päättää yksinkertaisesti ottaa satunnaisen näytteen 5.000 tutkinnon suorittanut ja suorita kysely. Parempi vielä, voisi jakaa populaation kerrosten ja ottaa satunnaisen näytteen näille kerroksille.

Tätä varten luon ikäryhmät, jotka perustuvat ikään, rotuun, kansallisuuteen tai ammatilliseen historiaan.

Kustakin kerroksesta otetaan satunnainen näyte suhteessa kerrosten kokoon kokonaispopulaation suhteen. Nämä alajoukot ryhmitetään näytteen muodostamiseksi.

Kaverit

Suhteellinen kerrostettu näytteenotto

Tällaisessa tyypissä kunkin kerroksen otoskoko on verrannollinen väestön väestön kokoon verrattuna koko väestöön. Tämä tarkoittaa, että jokaisella kerroksella on sama näytteenotto -osuus.

Kun yksilöiden ominaisuus valitaan määrittelemään kerrostumat, tuloksena olevat alaryhmät ovat usein erikokoisia.

Haluamme esimerkiksi tutkia polkuisen Meksikon väestön prosenttiosuutta. Kolme kerrosta on määritelty:

- Alle 20 vuotta.

- Välillä 20 - 44.

- Yli 44.

Kun Meksikon väestö on jaettu näihin kolmeen kerrokseen, kolmen ryhmän ei odoteta olevan samankokoisia. Itse asiassa oikeat tiedot vahvistavat tämän:

- Stratum 1: 42.4 miljoonaa (41.0%).

- Stratum 2: 37.6 miljoonaa (36.3%).

- Stratum 3: 23.5 miljoonaa (22.7%).

Jos käytetään suhteellista kerrostunutta näytteenottoa, näytteen tulisi koostua kerroksista, jotka ylläpitävät samoja osuuksia kuin populaatio. Jos haluat luoda näytteen 1.000 henkilöä, näytteillä on oltava seuraavat koko:

Se on hyvin samanlainen kuin pienemmän populaation kerääminen, määritetty populaation osien suhteellisista suhteista.

Yhtenäinen kerrostettu näytteenotto

Tällaisessa tyypissä sama näytteen koko on osoitettu kaikille määriteltyille kerroksille riippumatta näiden kerrosten painosta populaatiossa.

Edellisen esimerkin ottaminen tasainen kerrostettu näytteenotto tuottaisi seuraavan näytteen jokaiselle kerrokselle:

Tämä menetelmä suosii kerroksia, joilla on vähemmän painoa väestössä, myöntämällä heille saman tärkeystason kuin merkittävimmät kerrokset.

Se voi palvella sinua: Historia ja laadun kehitys

Tämä vähentää näytteen globaalia tehokkuutta, mutta mahdollistaa kunkin kerroksen yksittäisten ominaisuuksien tutkimuksen tarkemmin.

Esimerkissä, jos haluat antaa tietyn lausunnon Stratum 3: n populaatiosta (yli 44), näytteenottovirheitä voitaisiin vähentää käyttämällä 333 yksikön näytettä 227 yksikön näytteen sijasta, sellaisena kuin se on saatu suhteellisesta kerrostuneesta näytteenottosta.

Hyödyt ja haitat

Stratifioitu näytteenotto toimii hyvin populaatioissa, joissa on erilaisia ​​ominaisuuksia, mutta muuten se ei ole tehokasta, jos alaryhmiä ei voida muodostaa.

- Edut

Kerää avainominaisuudet

Stratifioidun näytteenoton tärkein etu on, että näytteen kerätyn populaation keskeiset ominaisuudet.

Samoin kuin painotettu keskiarvo, tämä näytteenottomenetelmä tuottaa näytteessä ominaisuuksia, jotka ovat verrannollisia kokonaispopulaatioon.

Suurempi tilastollinen tarkkuus

Stratifiointi antaa arvioinnissa pienemmän virheen kuin yksinkertainen näytteenottomenetelmä. Mitä suurempi ero kerrosten välillä, sitä suurempi voitto tarkkuus.

Tilastollista tarkkuutta on suurempi vertaamalla sitä yksinkertaiseen näytteenottoon. Tämä johtuu siitä, että alaryhmissä variaatio on alhaisempi verrattuna koko populaation variaatioihin.

Pienempi näytteen koko

Koska tällä tekniikalla on korkea tilastollinen tarkkuus, se tarkoittaa myös sitä, että se vaatii pienemmän näytteen koon, mikä voi säästää paljon vaivaa, rahaa ja tutkijoiden aikaa.

- Haitat

Valitettavasti tätä tutkimusmenetelmää ei voida käyttää kaikissa tutkimuksissa. Menetelmän haitta on, että useita ehtoja on täytettävä oikein käytettäväksi.

Vaikeuksia kerrosten löytämisessä

Tärkein haitta on, että tutkimuksen sopivien kerrosten tunnistaminen voi olla vaikeaa. Lisäksi tyhjentävä ja lopullinen koko väestöluettelo voi olla haaste.

Monimutkaisuus järjestämään

Toinen haitta on, että tulosten järjestäminen ja analysointi on monimutkaisempaa verrattuna yksinkertaiseen näytteenottoon.

Tutkijoiden on tunnistettava jokainen tutkitun väestön jäsen ja luokitella se vain alaryhmään. Seurauksena on, että ositettu näytteenotto on epäedullista, kun tutkijat eivät pysty luokittelemaan väestön jäsentä luottavaisesti alaryhmään.

Rinnastaminen voi olla ongelma, jos on kohteita, jotka on jaettu useisiin alaryhmiin. Kun yksinkertainen näytteenotto suoritetaan, ne, jotka ovat useissa alaryhmissä, valitaan. Tuloksena voi olla väärien tietojen esittäminen tai väestön epätarkka heijastus.

Voi palvella sinua: Ernest Dale: Elämäkerta ja panokset hallintoon

Esimerkkejä, kuten yliopisto -opiskelijat, tutkinnon suorittaneet, miehet ja naiset, tekevät siitä helpon, koska he ovat selvästi määriteltyjä ryhmiä.

Muissa tilanteissa se voi kuitenkin olla paljon vaikeampaa. Voit kuvitella sisällyttämistä ominaisuuksiin, kuten rotuun, etniseen alkuperään tai uskontoon. Luokitteluprosessista tulee vaikeampi, ja se muuttuu kerrostuneeksi näytteenotoksi tehottomaksi menetelmään.

Esimerkki

Oletetaan, että tutkimusryhmä haluaa selvittää Yhdysvaltojen yliopisto -opiskelijoiden keskimääräiset muistiinpanot.

Tutkimusryhmällä on ilmeisiä vaikeuksia näiden tietojen keräämisessä 21 miljoonalta yliopisto -opiskelijalta. Siksi päättää ottaa näytteen väestöstä käyttämällä vain 4.000 opiskelijaa.

Ryhmä tarkkailee näytteen osallistujien eri ominaisuuksia ja ihmettelee, onko keskimääräisten muistiinpanojen ja opiskelijoiden erikoistumisen välillä eroa.

Se on näytteessä, että 560 opiskelijaa on englantilaisia ​​opiskelijoita, 1.135 Sciences, 800 tietotekniikkaa, 1.090 Suunnittelu ja 415 matematiikka.

Ryhmä haluaa käyttää suhteellista kerrostunutta näytteenottoa, missä näytteen kerrokset ovat verrannollisia populaationäytteisiin.

Kerrosten luominen

Tätä varten ryhmä tutkii yliopisto -opiskelijoiden tilastoja Yhdysvalloissa.Uu. Ja löydä erikoistuneiden opiskelijoiden virallinen prosenttiosuus: 12% englanniksi, 28% tieteessä, 24% tietotekniikassa, 21% tekniikassa ja 15% matematiikassa.

Siksi kerrostuneesta näytteenottoprosessista luodaan viisi kerrosta. Ryhmän on vahvistettava, että väestön kerros on verrannollinen näytteen stratumiin. Hän toteaa kuitenkin, että mittasuhteet eivät ole yhtä suuret.

Siksi joukkueen on palattava otokseen 4: n väestöstä.000 opiskelijaa, mutta tällä kertaa satunnaisesti valitsemalla 480 (12%) englannin opiskelijaa, 1.120 (28%) tieteistä, 960 (24%) tietotekniikasta, 840 (21%) tekniikka ja 600 (15%) matematiikka.

Tällä on stratifioitu suhteellinen näyte yliopisto -opiskelijoista, mikä tarjoaa paremman edustuksen yliopisto -opiskelijoille Yhdysvalloissa.Uu.

Tutkijat voivat korostaa tietyn kerroksen, tarkkailla Yhdysvaltain yliopiston opiskelijoiden erilaisia ​​tutkimuksia.Uu. ja tarkkaile muistiinpanojen eri keskiarvoja.

Viitteet

1. Adam Hayes (2019). Kerrostettu satunnainen näytteenotto. Otettu: Investopedia.com.
2. Wikipedia, ilmainen tietosanakirja (2019). Kerrostettu näytteenotto. Otettu: sisään.Wikipedia.org.
3. Explorable (2019). Kerrostettu näytelmämenetelmä. Otettu: Explorable.com.
4. Kysely Gizmo (2019). Mikä on ositettu näyte ja milloin ITED on? Otettu: SurveyGizmo.com.
5. Ashley Crossman (2019). Stratifioitujen näytteiden ymmärtäminen ja kuinka tehdä ne. Ajattelu Co. Otettu: Admingco.com.
6. Carlos Ochoa (2017). Satunnainen näytteenotto: Stratifioitu näytteenotto. Otettu: Netquest.com.