Kako deluje stratificirano naključno vzorčenje

Stratificirano naključno vzorčenje je metoda vzorčenja, ki vključuje delitev populacije na manjše skupine, znane kot sloji. Pri stratificiranem naključnem vzorčenju ali stratifikaciji se sloji oblikujejo na podlagi skupnih lastnosti ali značilnosti članov. Stratificirano naključno vzorčenje imenujemo tudi sorazmerno naključno vzorčenje ali naključno vzorčenje s kvotami.

Nasprotno je preprosto naključno vzorčenje vzorec posameznikov, ki obstajajo v populaciji; posameznike naključno izberemo iz populacije in jih damo v vzorec. Ta metoda naključnega izbora posameznikov želi izbrati velikost vzorca, ki je nepristranski prikaz populacije. Vendar pa ni ugodno, kadar se vzorci populacije močno razlikujejo.

Ključni odvzemi

• Stratificirano naključno vzorčenje je metoda vzorčenja, ki vključuje odvzem vzorcev populacije, razdeljene na manjše skupine, znane kot sloji.
• Stratificirano naključno vzorčenje vključuje odvzem naključnih vzorcev iz stratificiranih skupin, sorazmerno s populacijo; na ta način je stratificirano naključno vzorčenje natančnejša metrika.

Razumevanje stratificiranega naključnega vzorčenja

Stratificirano naključno vzorčenje razdeli populacijo na podskupine ali sloje, naključni vzorci pa se odvzamejo sorazmerno s populacijo iz vsakega ustvarjenega sloja. Člani v vsakem oblikovanem sloju imajo podobne lastnosti in značilnosti. Ta metoda vzorčenja se pogosto uporablja in je zelo uporabna, kadar je ciljna populacija heterogena. Iz vsakega sloja je treba vzeti preprost naključni vzorec. Stratificirano naključno vzorčenje je mogoče uporabiti na primer za vzorčenje povprečnih točk študentov (GPA) po državi, ljudi, ki v službi preživijo nadure in življenjsko dobo po vsem svetu.

Primer stratificiranega naključnega vzorčenja

Recimo, da želi raziskovalna skupina določiti skupne ocene študentov v ZDA. Raziskovalna skupina ima težave pri zbiranju podatkov od vseh 21 milijonov študentov; odloči se, da bo s pomočjo 4.000 študentov vzel naključni vzorec populacije.

Zdaj pa predpostavimo, da ekipa preučuje različne lastnosti vzorčnih udeležencev in se sprašuje, ali obstajajo razlike v splošnih splošnih ocenah in študijskih smernicah. Recimo, da je ugotovljeno, da je 560 študentov angleških smeri, 1.135 je naravoslovnih, 800 računalniških računalniških, 1.090 tehniških, 415 pa matematičnih. Skupina želi uporabiti sorazmerni stratificirani naključni vzorec, kjer je sloj vzorca sorazmeren z naključnim vzorcem v populaciji.

Predpostavimo, da skupina raziskuje demografijo študentov na univerzah v ZDA in ugotovi odstotek tistega, kar imajo študentje 12% večin v angleščini, 28% v znanosti, 24% v računalništvu, 21% v inženirstvu in 15% iz matematike. Tako nastane pet slojev iz stratificiranega postopka naključnega vzorčenja.

Nato mora ekipa potrditi, da je sloj populacije sorazmeren s slojem v vzorcu; vendar se jim zdi, da razmerja niso enaka. Ekipa mora nato znova sestaviti 4.000 študentov iz populacije in naključno izbrati 480 angleščine, 1.120 znanosti, 960 računalništva, 840 inženirjev in 600 študentov matematike. Z njimi ima sorazmeren stratificiran naključni vzorec študentov, ki omogoča boljšo zastopanost študentskih fakultet v ZDA. Nato lahko raziskovalci poudarijo določen sloj, opazujejo različne študije ameriških študentov in opazujejo različna povprečja točk .

Prijave

Ista metoda, ki je bila uporabljena zgoraj, se lahko uporablja za volitve volitev, dohodek različnega prebivalstva in dohodek za različna delovna mesta v državi.