Gestratificeerde bemonstering wat is, typen, voor- en nadelen

Hij Gestratificeerde steekproef, o Stratificatie, het is een steekproefmethode die de verdeling van een populatie in kleinere subgroepen impliceert, bekend als Strata. Op hun beurt worden deze lagen gevormd op basis van de attributen of gedeelde kenmerken van de leden, zoals inkomen of opleidingsniveau.

Het wordt gebruikt om de verschillen tussen groepen van een populatie te benadrukken, in tegenstelling tot eenvoudige bemonstering, die alle leden van een bevolking als gelijken behandelt, met dezelfde kans om te worden bemonsterd.

Bron: NeedPix.com

Het doel is om de precisie van het monster te verbeteren door de bemonsteringsfout te verminderen. Het kan een gewogen gemiddelde produceren met minder variabiliteit dan het rekenkundig gemiddelde van een eenvoudige steekproef van de populatie.

Stratificatie is het proces van fragmenteren voordat de leden van een bevolking in homogene subset worden geproefd. Door de lagen wordt een bevolkingsverdeling gedefinieerd.

Dat wil zeggen, het moet collectief uitputtend en wederzijds uitsluiten, dus een enkele stratum moet aan elk element van de populatie worden toegewezen. Vervolgens wordt systematische of eenvoudige bemonstering binnen elke stratum toegepast.

[TOC]

Belangrijke overwegingen

Het is belangrijk op te merken dat lagen niet moeten worden afgewisseld. Het hebben van op elkaar gelegen subgroepen zal sommige mensen meer mogelijkheid geven om als onderwerpen te worden geselecteerd. Dit belemmert het idee van gestratificeerde bemonstering volledig als een bemonsteringsprototype.

Het is even belangrijk dat de onderzoeker eenvoudige bemonstering binnen de verschillende lagen moet gebruiken.

De meest voorkomende lagen die worden gebruikt in gestratificeerde steekproef zijn leeftijd, geslacht, sociaaleconomisch niveau, religie, nationaliteit en opleidingsniveau.

Wat is gestratificeerde bemonstering?

Bij het voltooien van de analyse in een groep entiteiten met vergelijkbare kenmerken, kan een onderzoeker ontdekken dat de bevolkingsgrootte te groot is om dit onderzoek te concluderen.

Om tijd en geld te besparen, kunt u een meer haalbaar perspectief aannemen door een kleine bevolkingsgroep te selecteren. Deze kleine groep wordt steekproefomvang genoemd, een subset van de populatie die wordt gebruikt om de hele populatie te vertegenwoordigen.

U kunt op verschillende manieren een steekproef van een populatie selecteren, waarvan er één met de gestratificeerde bemonstering is. Dit houdt in dat de totale bevolking wordt gedeeld in homogene groepen genaamd Strata. Vervolgens worden willekeurige monsters van elke stratum geselecteerd.

Proces om gestratificeerde steekproeven uit te voeren

- Verdeel de populatie in kleinere subgroepen of lagen, volgens de attributen en kenmerken die door de leden worden gedeeld.

- Neem een ​​willekeurig monster van elke stratum in een getal dat evenredig is met de grootte van de stratum.

- Groepeer de subset van strata om een ​​willekeurig monster te vormen.

Kan u van dienst zijn: crimineel aansporing

- Voer de analyse uit.

Overweeg bijvoorbeeld een onderzoeker die graag het aantal administratiestudenten zou willen weten dat binnen drie maanden na hun afstuderen in 2018 een vacature heeft ontvangen. Je zult snel ontdekken dat er bijna 200 waren.000 administratie afgestudeerd dat jaar.

Ik zou kunnen besluiten om gewoon een willekeurige steekproef van 5 te nemen.000 afgestudeerden en voer de enquête uit. Beter nog, zou de populatie in lagen kunnen verdelen en een willekeurige steekproef op die lagen kunnen nemen.

Om dit te doen, zou ik leeftijdsgroepen creëren op basis van leeftijd, ras, nationaliteit of professionele geschiedenis.

Een willekeurige steekproef van elke laag zou worden genomen, in verhouding tot de grootte van de laag ten opzichte van de totale populatie. Deze subset zou worden gegroepeerd om een ​​monster te vormen.

Jongens

Proportionele gestratificeerde bemonstering

In dit type is de steekproefomvang voor elke laag evenredig met de grootte van de bevolking van de bevolking in vergelijking met de totale bevolking. Dit betekent dat elke stratum dezelfde steekproefverhouding heeft.

Wanneer een kenmerk van individuen wordt geselecteerd om lagen te definiëren, zijn de resulterende subgroepen vaak van verschillende maten.

We willen bijvoorbeeld het percentage van de Mexicaanse bevolking bestuderen dat roken. Drie lagen zijn gedefinieerd:

- Onder de 20 jaar.

- Tussen 20 en 44.

- Meer dan 44.

Wanneer de bevolking van Mexico is verdeeld in deze drie lagen, wordt van de drie groepen naar verwachting niet dezelfde grootte. Echte gegevens bevestigen in feite dit:

- Het stratum 1: 42.4 miljoen (41.0%).

- Stratum 2: 37.6 miljoen (36.3%).

- Stratum 3: 23.5 miljoen (22.7%).

Als proportionele gestratificeerde bemonstering wordt gebruikt, moet het monster bestaan ​​uit lagen die dezelfde verhoudingen behouden als de populatie. Als u een voorbeeld van 1 wilt maken.000 individuen, monsters moeten de volgende maten hebben:

Het lijkt erg op het verzamelen van een kleinere populatie, bepaald door de relatieve proporties van de lagen binnen de bevolking.

Uniform gestratificeerde bemonstering

In dit type wordt dezelfde steekproefgrootte toegewezen aan alle gedefinieerde lagen, ongeacht het gewicht van deze lagen binnen de bevolking.

Een uniforme gestratificeerde bemonstering die het vorige voorbeeld gebruikte, zou het volgende monster voor elke stratum produceren:

Deze methode is voorstander van lagen die minder gewicht hebben in de bevolking, door ze hetzelfde niveau van belang te geven als de meest relevante lagen.

Het kan u van dienst zijn: geschiedenis en kwaliteitsvolutie

Dit vermindert de globale effectiviteit van de steekproef, maar maakt het mogelijk om de individuele kenmerken van elke laag meer precisie te bestuderen.

Als u in het voorbeeld een specifieke verklaring wilt afleggen over de populatie van Stratum 3 (meer dan 44), kunnen bemonsteringsfouten worden verminderd met behulp van een monster van 333 eenheden, in plaats van een monster van 227 eenheden, zoals verkregen uit de proportionele gelaagde bemonstering.

Voor-en nadelen

Gestratificeerde bemonstering werkt goed voor populaties met een verscheidenheid aan attributen, maar anders zal het niet effectief zijn als subgroepen niet kunnen worden gevormd.

- Voordelen

Verzamel belangrijke functies

Het belangrijkste voordeel van gestratificeerde steekproef is dat de belangrijkste kenmerken van de populatie in de steekproef verzamelen.

Vergelijkbaar met een gewogen gemiddelde, produceert deze steekproefmethode kenmerken in de steekproef die evenredig zijn met de totale populatie.

Grotere statistische precisie

Stratificatie geeft een lagere fout in de schatting dan de eenvoudige bemonsteringsmethode. Hoe groter het verschil tussen de lagen, hoe groter de winst in precisie.

Er is een grotere statistische precisie bij het vergelijken met eenvoudige bemonstering. Dit komt omdat binnen de subgroepen de variabiliteit lager is, in vergelijking met de variaties die worden gepresenteerd met de totale populatie.

Kleinere steekproefgrootte

Aangezien deze techniek een hoge statistische nauwkeurigheid heeft, betekent dit ook dat het een kleinere steekproefomvang vereist, die veel inspanning, geld en tijd van onderzoekers kan besparen.

- Nadelen

Helaas kan deze onderzoeksmethode niet in alle studies worden gebruikt. Het nadeel van de methode is dat aan verschillende voorwaarden moet worden voldaan om correct te worden gebruikt.

Moeite met het vinden van lagen

Het belangrijkste nadeel is dat het moeilijk kan zijn om de juiste lagen voor een onderzoek te identificeren. Bovendien kan het vinden van een uitputtende en definitieve lijst van een hele bevolking een uitdaging zijn.

Complexiteit om te organiseren

Een tweede nadeel is dat het complexer is om de resultaten te organiseren en te analyseren in vergelijking met eenvoudige bemonstering.

Onderzoekers moeten elk lid van een bestudeerde populatie identificeren en classificeren in slechts een subpopulatie. Als gevolg hiervan is gelaagde steekproef nadelig wanneer onderzoekers elk lid van de bevolking niet met vertrouwen in een subgroep niet kunnen classificeren.

Juxtapositie kan een probleem zijn als er onderwerpen zijn die zijn verdeeld in meerdere subgroepen. Wanneer eenvoudige bemonstering wordt uitgevoerd, worden die in meerdere subgroepen gekozen. Het resultaat kan een verkeerde voorstelling van zaken zijn of een onnauwkeurige weerspiegeling van de bevolking.

Kan u van dienst zijn: Ernest Dale: biografie en bijdragen aan de administratie

Voorbeelden zoals universitaire studenten, afgestudeerden, mannen en vrouwen, maken het gemakkelijk, omdat ze duidelijk gedefinieerde groepen zijn.

In andere situaties kan het echter veel moeilijker zijn. U kunt zich voorstellen dat u kenmerken opneemt zoals ras, etnische afkomst of religie. Het classificatieproces zou moeilijker worden, waardoor gestratificeerde bemonstering een ineffectieve methode wordt.

Voorbeeld

Stel dat een onderzoeksteam de gemiddelde aantekeningen van universitaire studenten in de Verenigde Staten wil bepalen.

Het onderzoeksteam heeft duidelijke moeilijkheden om deze gegevens te verzamelen van de 21 miljoen universitaire studenten. Daarom besluit een steekproef van de populatie te nemen, met slechts 4.000 studenten.

Het team observeert de verschillende attributen van de voorbeelddeelnemers en vraagt ​​zich af of er een verschil is tussen de gemiddelde notities en de specialisatie van de studenten.

Het is in de steekproef dat 560 studenten Engelse studenten zijn, 1.135 van de wetenschappen, 800 van de informatica, 1.090 Engineering en 415 Wiskunde.

Het team wil proportionele gestratificeerde bemonstering gebruiken, waarbij de steekproeflagen evenredig zijn met de populatiemonster.

Creatie van strata

Om dit te doen, onderzoekt het team de statistieken van universitaire studenten in de VS.UU. En vind het officiële percentage studenten dat gespecialiseerd is: 12% in het Engels, 28% in de wetenschap, 24% in informatica, 21% in engineering en 15% in wiskunde.

Daarom zijn er vijf lagen gemaakt van het gestratificeerde bemonsteringsproces. Het team moet bevestigen dat de laag van de bevolking evenredig is met de steekproefstratum. Hij vindt echter dat de verhoudingen niet gelijk zijn.

Daarom moet het team terugkeren naar een steekproef van de bevolking van 4.000 studenten, maar deze keer willekeurig 480 (12%) Engelse studenten selecteren, 1.120 (28%) van de wetenschappen, 960 (24%) van de informatica, 840 (21%) engineering en 600 (15%) wiskunde.

Hiermee is er een gestratificeerde proportionele steekproef van universitaire studenten, die een betere weergave van universitaire studenten in de VS biedt.UU.

Onderzoekers kunnen een specifieke stratum benadrukken, de verschillende studies van de Amerikaanse universitaire studenten observeren.UU. en observeer de verschillende gemiddelden van noten.

Referenties

1. Adam Hayes (2019). Gestratificeerde willekeurige steekproeven. Uitgebracht van: Investopedia.com.
2. Wikipedia, The Free Encyclopedia (2019). Gestratificeerde steekproef. Genomen van: in.Wikipedia.borg.
3. Explorable (2019). Gestratificeerde monstermethode. Uitgebracht uit: Explorable.com.
4. Survey Gizmo (2019). Wat is gestratificeerd monster en wanneer is het? Uitgebracht van: SurveyGizmo.com.
5. Ashley Crossman (2019). Gestratificeerde monsters begrijpen en hoe ze kunnen maken. Dacht Co. Genomen uit: Thoughtco.com.
6. Carlos Ochoa (2017). Willekeurige bemonstering: gestratificeerde bemonstering. Genomen uit: Netquest.com.