Simple Random kumpara sa Stratified Random Sample: Isang Pangkalahatang-ideya
Ang mga simpleng random na sample at stratified random sample ay parehong statistical tool sa pagsukat. Ang isang simpleng random sample ay ginagamit upang kumatawan sa buong populasyon ng data. Ang isang stratified random sample ay naghahati sa populasyon sa mas maliit na mga grupo, o strata, batay sa ibinahaging mga katangian.
Ang populasyon ay ang kabuuang hanay ng mga obserbasyon o data. Ang isang sample ay isang hanay ng mga obserbasyon mula sa populasyon. Ang pamamaraan ng sampling ay ang proseso na ginamit upang hilahin ang mga sample mula sa populasyon.
Simpleng Random Sample
Ang simpleng random sampling ay isang statistical tool na ginamit upang ilarawan ang isang napaka pangunahing sample na kinuha mula sa isang populasyon ng data. Ang halimbawang ito ay kumakatawan sa katumbas ng buong populasyon.
Ang simpleng random sample ay madalas na ginagamit kung may napakakaunting impormasyon na makukuha tungkol sa populasyon ng data, kung ang populasyon ng data ay may napakaraming pagkakaiba upang hatiin sa iba't ibang mga subset, o kung mayroong isang natatanging katangian lamang sa populasyon ng data.
Halimbawa, ang isang kumpanya ng kendi ay maaaring nais na pag-aralan ang mga gawi sa pagbili ng mga customer nito upang matukoy ang hinaharap ng linya ng produkto nito. Kung mayroong 10, 000 mga customer, maaaring gumamit ng pumili ng 100 sa mga customer na iyon bilang isang random na sample. Pagkatapos ay mailalapat nito kung ano ang nahanap mula sa mga 100 mga customer sa natitirang bahagi ng base nito.
Ang mga istatistika ay maglilikha ng isang kumpletong listahan ng isang populasyon ng data at pagkatapos ay pumili ng isang random na sample sa loob ng malaking pangkat na iyon. Sa halimbawang ito, ang bawat miyembro ng populasyon ay may pantay na posibilidad na mapili upang maging bahagi ng sample. Maaari silang mapili sa dalawang paraan:
- Sa pamamagitan ng isang manu-manong loterya, kung saan binibigyan ng isang numero ang bawat miyembro ng populasyon. Ang mga numero ay pagkatapos ay iguguhit nang random ng isang tao upang maisama sa sample. Ito ay pinakamahusay na ginagamit kapag tumitingin sa isang maliit na grupo.Computer na nabuo ng sampling. Ang pamamaraang ito ay pinakamahusay na gumagana sa mas malaking mga hanay ng data, sa pamamagitan ng paggamit ng isang computer upang piliin ang mga sample kaysa sa isang tao.
Ang paggamit ng simpleng random sampling ay nagbibigay-daan sa mga mananaliksik na gumawa ng mga pangkalahatang pangkalahatang tungkol sa isang tiyak na populasyon at iwanan ang anumang bias. Makatutulong ito upang matukoy kung paano gumawa ng mga pagpapasya sa hinaharap. Kaya't ang kumpanya ng kendi mula sa halimbawa sa itaas ay maaaring gumamit ng tool na ito upang makabuo ng isang bagong lasa ng kendi sa paggawa batay sa kasalukuyang panlasa ng 100 mga customer. Ngunit tandaan, ito ay mga generalizations, kaya mayroong silid para sa pagkakamali. Pagkatapos ng lahat, ito ay isang simpleng sample. Ang mga 100 customer ay maaaring walang tumpak na representasyon ng mga panlasa ng buong populasyon.
Stratified Random Sampling
Hindi tulad ng mga simpleng random na sample, ang mga stratified random sample ay ginagamit sa mga populasyon na madaling masira sa iba't ibang mga subgroup o subset. Ang mga pangkat na ito ay batay sa ilang mga pamantayan, pagkatapos ay sapalarang pumili ng mga elemento mula sa bawat isa sa proporsyon sa laki ng pangkat kumpara sa populasyon.
Ang pamamaraang ito ng sampling ay nangangahulugang magkakaroon ng mga pagpipilian mula sa bawat magkakaibang grupo — ang laki kung saan batay sa proporsyon nito sa buong populasyon. Ngunit dapat tiyakin ng mga mananaliksik na ang strata ay hindi mag-overlap. Ang bawat punto sa populasyon ay dapat na kabilang lamang sa isang stratum kaya ang bawat punto ay kapwa eksklusibo. Ang overlap na strata ay magpapataas ng posibilidad na ang ilang data ay kasama, kaya ang paglalagay ng skewing ng sample.
Ang kumpanya ng kendi ay maaaring magpasya na gamitin ang random na stratified na paraan ng sampling sa pamamagitan ng paghati sa 100 mga customer nito sa iba't ibang mga pangkat ng edad upang makatulong na gumawa ng mga pagpapasiya tungkol sa hinaharap ng paggawa nito.
Ang mga tagapamahala ng portfolio ay maaaring gumamit ng stratified random sampling upang lumikha ng mga portfolio sa pamamagitan ng pagtitiklop ng isang index tulad ng isang index index.
Ang stratified sampling ay nag-aalok ng ilang mga pakinabang at kawalan kumpara sa simpleng random sampling. Dahil gumagamit ito ng mga tiyak na katangian, maaari itong magbigay ng isang mas tumpak na representasyon ng populasyon batay sa kung ano ang ginamit upang hatiin ito sa iba't ibang mga subset. Ito ay madalas na nangangailangan ng isang mas maliit na laki ng sample, na maaaring makatipid ng mga mapagkukunan at oras. Bilang karagdagan, sa pamamagitan ng pagsasama ng sapat na mga puntos ng sample mula sa bawat stratum, ang mga mananaliksik ay maaaring magsagawa ng isang hiwalay na pagsusuri sa bawat indibidwal na stratum.
Ngunit mas maraming trabaho ang kinakailangan upang hilahin ang isang nakabalangkas na sample kaysa sa isang random na sample. Ang bawat mananaliksik ay dapat na subaybayan at i-verify ang data para sa bawat stratum para sa pagsasama, na maaaring mas maraming oras kumpara sa random sampling.
Mga Key Takeaways
- Ang mga simpleng random at stratified random sample ay statistical pagsukat tool.A simpleng random sample ay tumatagal ng isang maliit, pangunahing bahagi ng buong populasyon upang kumatawan sa buong hanay ng data. Ang populasyon ay nahahati sa iba't ibang mga pangkat na nagbabahagi ng magkatulad na katangian, kung saan kinuha ang isang stratified random sample.
