Пример определения

Что такое образец?

Образец относится к меньшей управляемой версии большой группы. Это подмножество, содержащее характеристики большей популяции. Образцы используются в статистическом тестировании, когда размеры популяции слишком велики для теста, чтобы включить все возможные члены или наблюдения. Выборка должна представлять совокупность в целом и не отражать какого-либо смещения в отношении конкретного атрибута.

Ключевые вынос

• Выборка относится к меньшей, управляемой версии большей группы или подмножества большей популяции. Использование выборок позволяет исследователям легко и своевременно проводить свои исследования. Чтобы получить беспристрастную выборку, выбор должен быть случайным, поэтому у каждого из населения есть равные и вероятные шансы быть добавленными в группу выборки. В простой случайной выборке каждый объект в группе идентичен, в то время как стратифицированная случайная выборка делит общую популяцию на более мелкие группы.

Понимание образцов

Выборка - это объективное количество наблюдений, взятых у населения. В основных терминах популяция - это общее количество людей, животных, предметов, наблюдений, данных и т. Д. Любого данного субъекта. Таким образом, выборка, другими словами, является частью, частью или частью всей группы и действует как подмножество населения. Образцы используются в различных условиях, где проводятся исследования. Ученые, маркетологи, правительственные учреждения, экономисты и исследовательские группы являются одними из тех, кто использует образцы для своих исследований и измерений.

Использование целых групп населения для исследования сопряжено с трудностями, поэтому используются образцы. У исследователей могут возникнуть проблемы с получением свободного доступа ко всему населению. И из-за характера некоторых исследований исследователи могут испытывать трудности с получением результатов, которые им необходимы своевременно. Вот почему люди, которые проводят исследования, используют образцы. Использование меньшего числа людей, представляющих все население, может по-прежнему давать достоверные результаты при сокращении времени и ресурсов.

Образцы, используемые исследователями, должны быть очень похожи на популяцию. Все участники выборки должны иметь одинаковые характеристики и качества. Итак, если исследование посвящено первокурсникам мужского пола, выборка должна включать небольшой процент мужчин, которые соответствуют этому описанию. Аналогичным образом, если исследовательская группа проводит исследование моделей сна одиноких женщин старше 50 лет, выборка должна включать только женщин из этой демографической группы.

Рассмотрим команду академических исследователей, которые хотят знать, сколько студентов обучалось менее 40 часов для сдачи экзамена CFA и все еще прошло. Поскольку более 200 000 человек ежегодно сдают экзамен по всему миру, охват каждого участника экзамена может быть чрезвычайно утомительным и занимать много времени. Фактически, к тому времени, когда данные о населении будут собраны и проанализированы, прошло бы несколько лет, что сделало бы анализ бесполезным, поскольку появилось бы новое население. Вместо этого исследователи могут взять выборку населения и получить данные из этой выборки.

Чтобы получить беспристрастную выборку, выбор должен быть случайным, чтобы все в популяции имели равные шансы быть добавленными в группу.

Чтобы получить беспристрастную выборку, выбор должен быть случайным, чтобы у каждого из населения был равный и вероятный шанс быть добавленным в группу выборки. Это похоже на лотерею и является основой для простой случайной выборки.

Типы отбора проб

Простая случайная выборка

Простая случайная выборка идеальна, если каждый объект в популяции идентичен. Если исследователи не заботятся о том, являются ли их субъекты выборки мужчинами или все женщины или комбинацией обоих полов в той или иной форме, простая случайная выборка может быть хорошим методом отбора.

Скажем, в 2016 году на экзамен CFA сдали 200 000 человек, из которых 40% были женщины и 60% - мужчины. Таким образом, случайная выборка из населения должна включать 400 женщин и 600 мужчин, что в общей сложности составляет 1000 тестируемых.

Но как насчет случаев, когда важно знать соотношение мужчин и женщин, которые сдали тест после обучения менее 40 часов? Здесь, стратифицированная случайная выборка была бы предпочтительнее простой случайной выборки.

Стратифицированная случайная выборка

Этот тип выборки, также называемый пропорциональной случайной выборкой или выборкой по квоте, делит общую популяцию на более мелкие группы. Они известны как страты. Люди в слоях имеют сходные характеристики.

Что, если возраст был важным фактором, который исследователи хотели бы включить в свои данные? Используя стратифицированную технику случайной выборки, они могли создавать слои или слои для каждой возрастной группы. Выбор из каждой страты должен быть случайным, чтобы у каждого в скобке была вероятность попадания в выборку. Например, двум участникам, Алексу и Дэвиду, 22 и 24 года соответственно. Выборка выборки не может выбрать один из другого на основе какого-либо механизма преференций. Они оба должны иметь равные шансы быть отобранными из своей возрастной группы. Страты могут выглядеть примерно так:

Страты (возраст)	Количество людей в населении	Число, которое будет включено в образец
20-24	30000	150
25-29	70000	350
30-34	40000	200
35-39	30000	150
40-44	20000	100
> 44	10000	50
Общее количество	200000	1000