TYPY VZORKOVÁNÍ PRAVDĚPODOBNOSTI A NEPRAVDĚPODOBNOSTI (PŘÍKLADY) - KULTURNÍ SLOVNÍK - 2026

Tyto typy vzorků jsou různé způsoby získávání dat z části z celkového počtu, výkonný statistický nástroj, jehož úkolem je určit, jaká část populace, nebo je nutné vesmír zkoumat, dělat závěry a získat informace o tom.

Vzorkování je velmi důležité, pokud nemůžete nebo nechcete analyzovat celou populaci. Všimněte si, že termín „populace“ se nevztahuje pouze na velkou skupinu lidí nebo živých bytostí, ale obecně na souhrn prvků, které se budou zkoumat v daném problému.

Obrázek 1. Vzorkování je důležité pro výběr reprezentativního vzorku z vesmíru. Zdroj: Pixabay.

Podle zvoleného typu výběru se vybere vždy ta část populace, která je považována za nejreprezentativnější, vždy v souladu s cíli.

Samozřejmě, když se vezme jen část vesmíru dat, je možné vynechat některé podrobnosti a vynechat informace, což je důvod, proč výsledky nebudou tak přesné, jak by měly být. Toto je známo jako chyba vzorkování.

Cílem je co nejvíce zjednodušit vesmír dat výběrem nejreprezentativnějšího vzorku, který je schopen poskytnout maximální informace, aby byla zajištěna platnost výsledků.

Druhy pravděpodobnosti nebo náhodného odběru vzorků

Odběr vzorků pravděpodobnosti je založen na pravděpodobnosti, že musí být vybrány subjekty vzorku. Tímto způsobem je každému prvku populace dána známá šance být vybrán, což samozřejmě musí být větší než 0.

To je nesmírně důležité, protože se může stát, že z vesmíru dat byl vybrán vzorek, který není dostatečně reprezentativní pro celek.

Pokud ano, budou výsledky zkreslené, protože některé části populace budou více preferovány před ostatními. Abychom se vyhnuli zkreslení, z nichž existuje několik kategorií, je jednou z možností nechat náhodně vybrat vzorek a tak dát každému prvku nenulovou pravděpodobnost, že bude vybrán.

Jednoduchý náhodný výběr

Je to jednoduchý způsob, jak zajistit, aby náhoda fungovala. Pokud například vyberete některé děti ve třídě, které se mají účastnit školní umělecké akce, jsou všechna jména dětí umístěna na shodných složených hlasovacích lístcích, smíchána v klobouku a náhodně nakreslena hrstka.

Všechny děti ve třídě tvoří populaci a hrstka hlasovacích lístků vytažených z klobouku je vzorek.

Úspěch postupu spočívá ve vytvoření úplného seznamu všech dětí, aby nikdo nebyl vynechán. V malém kurzu to není problém; Pokud však chcete vybrat vzorek z větší populace, musíte tuto metodu upřesnit.

Jednoduchý náhodný odběr vzorků lze provést s výměnou nebo výměnou. Pokud například vybereme prvek z populace a vrátíme jej po výběru a prozkoumání, vesmír našich prvků zůstane po celou dobu studie stejný.

Pokud se naopak zvolený prvek studuje, více se nevrací, jedná se o vzorkování bez náhrady. To je třeba vzít v úvahu při výpočtu pravděpodobnosti výběru prvku.

Systematický náhodný výběr

Pro provedení tohoto vzorkování je také nutné uvést N elementů a také určit velikost vzorku, kterému budeme říkat n. Seznam se nazývá vzorkovací rámec.

Nyní je definován interval skoku, který je označen písmenem k a je počítán takto:

Náhodné číslo je vybráno - náhodně - mezi 1 a k, zvané ro náhodný start. Toto je první jedinec v seznamu, který má být vybrán, a odtud jsou vybrány následující prvky v seznamu.

Příklad: Předpokládejme, že máte seznam 2000 studentů z univerzity a chcete získat vzorek 100 studentů, kteří se zúčastní kongresu.

První věc, kterou musíte udělat, je najít hodnotu k:

Jakmile jsme celkový počet studentů rozdělili na 100 fragmentů po 20 studentech, jeden z nich se odebere a náhodný počet se vybere mezi 1 a 20, například 12. Proto je dvanáctý student na našem seznamu náhodné spuštění.

Další vybraný student musí být 12 + 20 = 22, pak 42, pak 62 atd., Dokud nebude dokončeno všech 100.

Jak vidíte, jedná se o rychlou metodu, která obvykle vede k velmi dobrým výsledkům, aniž by bylo nutné vložit jména 2000 do klobouku a vzít je 100, pokud v populaci nejsou žádné periodicity, které by vedly ke zkreslení..

Stratifikovaný náhodný odběr vzorků

Obrázek 2. Ve stratifikovaném náhodném výběru je populace rozdělena do segmentů nazývaných vrstvy. Zdroj: Pixabay.

V jednoduchém náhodném výběru má každá položka v populaci stejnou pravděpodobnost, že bude vybrána. Ale nemusí to být vždy pravda, zejména když je třeba zvážit více složitostí.

Pro provedení stratifikovaného náhodného vzorkovacího schématu musí být populace rozdělena do skupin s podobnými charakteristikami. Toto jsou vrstvy. Vrstvy se poté odeberou a z každého se vyberou jednoduché náhodné vzorky, které se potom spojí a vytvoří konečný vzorek.

Vrstvy se určují před vzorkováním a studují se vlastnosti datového vesmíru.

Těmito charakteristikami mohou být rodinný stav, věk, místo, kde žijete, například městská, příměstská a venkovská populace, profese, úroveň vzdělání, pohlaví a mnoho dalších.

V každém případě se očekává, že charakteristiky každé vrstvy budou velmi charakteristické, to znamená, že každá vrstva je homogenní.

V rámci stratifikovaného vzorkování rozlišujeme dvě kategorie, podle toho, zda velikost vzorku každé vrstvy je nebo není úměrná její velikosti.

Náhodné vzorkování shluků

Výše popsané metody vybírají prvky vzorku přímo, ale při vzorkování shluků je vybrána skupina prvků z populace a jedná se o vzorkovací jednotku, která se nazývá shluk.

Příkladem klastrů jsou katedry univerzity, geografické celky, jako jsou provincie, města, okresy nebo obce, které mají stejnou pravděpodobnost výběru. V případě výběru zeměpisné entity mluvíme o vzorkování podle oblastí.

Jakmile byly zvoleny klastry, jsou odtud vybrány prvky, které mají být analyzovány. Proto může mít postup několik fází.

Tato metoda má určité podobnosti s stratifikovanou náhodnou metodou, kromě toho, že zde byly vybrány některé klastry z celku, zatímco v předchozí metodě byly studovány všechny vrstvy populace.

Typy náhodného výběru

V některých situacích může být výběr vzorků pravděpodobný, protože čas a zdroje musí být investovány do nalezení vzorků, které jsou skutečně reprezentativní.

Často se také stává, že neexistuje úplný rámec vzorkování - seznam -, proto není možné určit pravděpodobnost výběru prvku.

V těchto případech se používají typy náhodného výběru, s nimiž se získávají také informace, ačkoli ve výsledcích není zaručena přesnost.

Pokud se použije tento typ odběru vzorků, je třeba při výběru stále dodržovat některá kritéria, přičemž je třeba zajistit, aby byl vzorek co nejpřiměřenější.

Pohodlné vzorkování

Jde o poměrně elementární typ vzorkování, ve kterém jsou prvky vzorku vybírány podle jejich dostupnosti, tj. Výběrem jedinců, kteří jsou po ruce nejvíce. Výhodou je, že je to metoda s velmi nízkými náklady, a to díky své rychlosti a pohodlí.

Ale jak již bylo řečeno, není jisté, jak získat spolehlivé informace o vašich výsledcích. Někdy se používá k rychlým a krátkým průzkumům před volbami nebo k dotazování na preference zákazníků u určitých produktů.

Například může znečišťovatel jít na výjezd ze tří nákupních center, která jsou nejblíže k jeho domu, a požádat ty, kteří odcházejí, pro kterého kandidáta by volili. Nebo učitel může zkoumat své vlastní studenty, protože k nim mají okamžitý přístup.

Ačkoli to vypadá, že výsledky takového postupu jsou bezcenné, stává se, že by mohly být dobrým odrazem populace, pokud existují dobré důvody předpokládat, že předpojatost není příliš velká.

Není to však tak jednoduché, protože studenti určitého učitele nemusí představovat reprezentativní vzorek zbytku těla studenta. A většinu času mají znečišťovatelé v nákupních centrech sklon k rozhovorům s nejatraktivnějšími lidmi.

Odběr vzorků kvót

Abychom mohli vzorkovat pomocí kvót, je třeba mít dobrou předchozí znalost vrstev obyvatelstva, abychom získali představu o tom, které prvky jsou nejreprezentativnější. To se však nevztahuje na kritérium náhodnosti stratifikovaného vzorkování.

U tohoto typu vzorkování je nutné nastavit „kvóty“, tedy název metody. Tyto kvóty se skládají ze shromažďování řady prvků s určitými podmínkami, například 15 žen ve věku 25 až 50 let, které nekouří a také vlastní auto.

Jakmile je stanovena kvóta, jsou vybráni první lidé, kteří splňují stanovené podmínky. Kritéria pro tento poslední krok mohou být podle uvážení vyšetřovatele. Zde vidíte rozdíl s stratifikovanou metodou vzorkování, která je náhodná.

Jedná se však o nízkonákladovou metodu, která je výhodná, pokud, jak jsme řekli, studovaná populace je dobře známa.

Odběr vzorků sněhové koule

Postup při tomto způsobu vzorkování je výběr několika lidí, kteří vedou ostatní, a tito pak zase k ostatním, dokud vzorek není tak velký, jaký výzkumník potřebuje.

Toto je postup, který může být užitečný pro charakterizaci některých populací s poměrně specifickými rysy. Příklady: vězni ve vězení nebo lidé s určitými nemocemi.

Volitelný odběr vzorků

Konečně zde je to vědec, který podle svých znalostí rozhodne o kritériích, která se mají použít k výběru jeho vzorku. Může být užitečné, když je nutné do studie přidat určité osoby, které by se náhodnou metodou nemohly zúčastnit.

Reference

1. Berenson, M. 1985. Statistika pro management a ekonomiku, koncepty a aplikace. Redakční Interamericana.
2. Statistika. Vzorkování. Obnoveno z: encyclopediaeconomica.com.
3. Statistika. Vzorkování. Obnoveno z: Estadistica.mat.uson.mx.
4. Rozložitelný. Odběr vzorků klastru. Obnoveno z: explorable.com.
5. Moore, D. 2005. Aplikované základní statistiky. 2. Edice.
6. Netquest. Pravděpodobnostní odběr: stratifikovaný odběr. Obnoveno z: netquest.com.
7. Wikipedia. Vzorkování. Obnoveno z: es.wikipedia.org