Przykładowa definicja

Co to jest próbka?

Próbka odnosi się do mniejszej, łatwiejszej do zarządzania wersji większej grupy. Jest to podzbiór zawierający cechy większej populacji. Próbki są używane w testach statystycznych, gdy liczebność populacji jest zbyt duża, aby test obejmował wszystkich możliwych członków lub obserwacje. Próbka powinna reprezentować populację jako całość i nie może odzwierciedlać żadnego odchylenia w stosunku do określonego atrybutu.

Kluczowe dania na wynos

• Próbka odnosi się do mniejszej, łatwiejszej do zarządzania wersji większej grupy lub podzbioru większej populacji. Korzystanie z próbek pozwala badaczom na łatwe i terminowe przeprowadzenie badań. Aby uzyskać obiektywną próbę, wybór musi być losowy, więc każdy z populacji ma równe i prawdopodobne szanse na dodanie do grupy próby. W prostym losowym próbkowaniu każda jednostka w populacji jest identyczna, podczas gdy losowe losowanie warstwowe dzieli całą populację na mniejsze grupy.

Zrozumienie próbek

Próbka to obiektywna liczba obserwacji pobranych z populacji. Zasadniczo, populacja to całkowita liczba osobników, zwierząt, przedmiotów, obserwacji, danych itp. Dowolnego danego podmiotu. Innymi słowy, próbka jest częścią, częścią lub frakcją całej grupy i działa jako podzbiór populacji. Próbki są używane w różnych warunkach, w których prowadzone są badania. Naukowcy, marketerzy, agencje rządowe, ekonomiści i grupy badawcze należą do tych, którzy wykorzystują próbki do swoich badań i pomiarów.

Wykorzystywanie całych populacji do badań wiąże się z wyzwaniami, dlatego używa się próbek. Naukowcy mogą mieć problemy z uzyskaniem łatwego dostępu do całych populacji. Ze względu na charakter niektórych badań naukowcy mogą mieć trudności z uzyskaniem potrzebnych im wyników w odpowiednim czasie. Dlatego ludzie, którzy prowadzą badania, używają próbek. Korzystanie z mniejszej liczby osób reprezentujących całą populację może nadal dawać prawidłowe wyniki przy jednoczesnym ograniczeniu czasu i zasobów.

Próbki wykorzystywane przez badaczy powinny ściśle przypominać populację. Wszyscy uczestnicy próby powinni mieć te same cechy i cechy. Tak więc, jeśli badanie dotyczy mężczyzn z pierwszego roku studiów, próbka powinna stanowić niewielki odsetek mężczyzn, którzy pasują do tego opisu. Podobnie, jeśli grupa badawcza przeprowadzi badanie wzorców snu samotnych kobiet po 50. roku życia, próba powinna obejmować tylko kobiety w ramach tej grupy demograficznej.

Zastanów się nad zespołem naukowców, którzy chcą wiedzieć, ilu studentów studiowało na egzamin CFA przez mniej niż 40 godzin i nadal je zdało. Ponieważ ponad 200 000 osób przystępuje do egzaminu na całym świecie każdego roku, dotarcie do każdego uczestnika egzaminu może być wyjątkowo żmudne i czasochłonne. W rzeczywistości, zanim dane z populacji zostaną zebrane i przeanalizowane, minęło kilka lat, czyniąc analizę bezwartościową, ponieważ pojawiłaby się nowa populacja. Zamiast tego naukowcy mogą pobrać próbkę populacji i uzyskać dane z tej próbki.

Aby uzyskać obiektywną próbkę, wybór musi być losowy, aby wszyscy w populacji mieli równe szanse na dodanie do grupy.

Aby uzyskać obiektywną próbę, wybór musi być losowy, aby każdy z populacji miał równe i prawdopodobne szanse na dodanie do grupy próby. Jest to podobne do losowania na loterii i stanowi podstawę do prostego losowego losowania.

Rodzaje próbkowania

Proste losowe pobieranie próbek

Proste losowe pobieranie próbek jest idealne, jeśli każda jednostka w populacji jest identyczna. Jeśli badaczom nie zależy na tym, czy ich badani pacjenci są płci męskiej czy żeńskiej, czy też kombinacją obu płci w jakiejś formie, proste losowe pobieranie próbek może być dobrą techniką selekcji.

Powiedzmy, że w 2016 r. Było 200 000 osób, które przystąpiły do ​​egzaminu CFA, z czego 40% stanowiły kobiety, a 60% mężczyźni. Losowa próba pobrana z populacji powinna zatem obejmować 400 kobiet i 600 mężczyzn dla łącznie 1000 badanych.

Ale co z przypadkami, w których ważna jest znajomość stosunku mężczyzn do kobiet, którzy zdali test po studiach trwających mniej niż 40 godzin? W tym przypadku lepsza była losowa próba warstwowa niż prosta próbka losowa.

Stratified Random Sampling

Ten rodzaj pobierania próbek, określany również jako proporcjonalne losowe pobieranie próbek lub losowe pobieranie kwot, dzieli całą populację na mniejsze grupy. Są to tak zwane warstwy. Ludzie w warstwach mają podobne cechy.

Co jeśli wiek był ważnym czynnikiem, który naukowcy chcieliby uwzględnić w swoich danych? Używając stratyfikowanej techniki losowego próbkowania, mogliby tworzyć warstwy lub warstwy dla każdej grupy wiekowej. Wybór z każdej warstwy musiałby być losowy, aby wszyscy w nawiasie mieli szansę na włączenie do próby. Na przykład dwóch uczestników, Alex i David, mają odpowiednio 22 i 24 lata. Wybór próbki nie może wybierać jednego na drugim na podstawie jakiegoś mechanizmu preferencyjnego. Obaj powinni mieć równe szanse na wybór z ich grupy wiekowej. Warstwy mogą wyglądać mniej więcej tak:

Warstwy (wiek)	Liczba osób w populacji	Numer do włączenia w próbkę
20–24	30 000	150
25–29	70 000	350
30–34	40 000	200
35–39	30 000	150
40–44	20 000	100
> 44	10 000	50
Całkowity	200 000	1000