Co to jest próbkowanie prawdopodobieństwa? Definicja, metody
Opublikowany: 2021-11-22Badania mogą mieć kilka rodzajów, np. badania rynku, badania naukowe itp. A kiedy mają być prowadzone badania, jedną z ważnych rzeczy, które są wymagane, są dane. Dane okazują się korzystne, ponieważ prowadzą do zrozumienia poufnych informacji dowolnego podmiotu. Często dane są zbierane z różnych źródeł i od różnych osób. Jeśli badanie koncentruje się na grupie osób, to zbieranie danych od wszystkich nie jest możliwym zadaniem. W takich przypadkach dobierana jest próba osób, które reprezentują grupę i pomagają w procesie badawczym.
Wybrana próba powinna dobrze reprezentować grupę, aby zapewnić efektywne wyciąganie wniosków z wyników. Dlatego decyzja o wyborze metody doboru próby jest dość istotna w badaniu badawczym. Ogólnie rzecz biorąc, istnieją dwa sposoby próbkowania, które są próbkowaniem prawdopodobieństwa i próbkowaniem nieprawdopodobnym.
Metoda doboru prawdopodobieństwa polega na doborze losowym prób, natomiast w przypadku metody doboru nieprawdopodobieństwa do doboru próby stosuje się metody doboru nielosowego.
W artykule skupimy się na metodach próbkowania prawdopodobieństwa .
Przed zrozumieniem koncepcji metody doboru próby najlepiej jest zorientować się, co oznacza próba i populacja.
- Populacja odnosi się do całej grupy jednostek, dla której badacz chce wyciągnąć określone wnioski.
- Próbka odnosi się do określonej grupy osób lub osób zebranych z populacji i zbierane są dane.
- Podczas definiowania populacji brane są pod uwagę różne cechy, takie jak wiek, położenie geograficzne, dochód itp.
- Na podstawie wyników badania należy dobrze zdefiniować populację docelową.
- Dobra próba reprezentująca populację staje się trudna do utworzenia, gdy wielkość populacji zostanie uznana za zbyt dużą.
- Terminy używane w metodach pobierania próbek
W metodach doboru próby najczęściej używa się kilku terminów, takich jak operat losowania i wielkość próby.
- Wielkość próby : Wielkość próby odnosi się do wielkości próbki. Oznacza to liczbę osób, które są brane pod uwagę w próbce. Włączenie osób do próby zależy od różnych czynników, takich jak zmienność i wielkość populacji. Zależy to również od projektu badań.
- Ramka próbkowania: Jest zdefiniowana jako lista osób, które będą tworzyć rzeczywistą próbkę.
Spis treści
Próbkowanie prawdopodobieństwa
Metoda doboru próby, która wybiera próbkę z populacji, jest określana jako próbkowanie prawdopodobieństwa. Oznacza to, że próbka jest wybierana losowo lub przypadkowo. Proces tego typu pobierania próbek jest bardziej czasochłonny i kosztowny.
W przypadku próbkowania prawdopodobieństwa, ponieważ próba jest wybierana losowo, każdy członek lub osoba z każdej populacji ma prawdopodobieństwo, że jest częścią próby. Oznacza to, że każdy członek ma szansę zostać wybrany w próbce.
Załóżmy, że jakikolwiek użytkownik lub badacz chce przeprowadzić badanie na grupie osób, która reprezentuje cechy całej populacji. W takim przypadku metoda próbkowania prawdopodobieństwa jest uważana za najlepszy wybór.
Rodzaje metod próbkowania prawdopodobieństwa
Metody próbkowania prawdopodobieństwa są dalej podzielone na pięć różnych rodzajów metod próbkowania.
1. Proste losowe pobieranie próbek
Pierwsza grupa metod doboru próby to prosta metoda doboru losowego. W tej metodzie doboru próby członkowie populacji mają taką samą szansę na wybór.
Operatem losowania powinna być cała rzeczywista populacja.
Narzędzia, których można użyć w tej metodzie próbkowania, to generatory liczb losowych lub inne narzędzia, które uwzględniają techniki oparte na przypadku.
- Przykład prostego losowego pobierania próbek
Załóżmy, że z grupy pracowników organizacji należy wybrać próbkę 100 pracowników. W takim przypadku liczby od 1 do 100 mogą być losowo przydzielane pracownikom. Następnie, za pomocą generatora liczb losowych, spośród rozłożonych liczb wybiera się 100 liczb.
2. Systematyczne pobieranie próbek
Proces doboru próby jest podobny do prostego doboru losowego. Jednak ta metoda jest uważana za prostszy proces niż wcześniej wspomniana metoda. W tej metodzie każdy członek populacji jest wymieniony z jednostką liczbową. Jednak liczby, które są przypisywane poszczególnym osobnikom, nie są wybierane losowo. Zamiast tego otrzymują liczby w regularnych odstępach czasu.
- Przykład systematycznego pobierania próbek
Załóżmy, że z grupy 100 osób należy wybrać 20 liczb. W takich przypadkach, gdy stosujemy dobór systematyczny, liczby przydzielane są poszczególnym osobnikom na bieżąco. Podczas selekcji osobników na początku wybierana jest liczba losowa. Po wybraniu numeru startowego następna liczba pojawia się w określonych odstępach czasu, takich jak 8, 18, 28 itd. Podobnie można systematycznie wybierać 20 osób.
Stosując technikę systematycznego doboru próby należy zauważyć, że na liście osobników nie powinno być żadnych ukrytych wzorców.
3. Próbkowanie warstwowe
W przeciwieństwie do wcześniej omawianych metod, w tej metodzie populacja jest początkowo dzielona na subpopulację. Gdy populacja ulega podziałowi, te małe grupy stają się w pewien sposób ważne. Próbkowanie warstwowe pomaga uzyskać bardziej szczegółowe wnioski związane z badaniem. Dzieje się tak, ponieważ metoda zapewnia, że każda podgrupa jest odpowiednio reprezentowana w rozważanej próbce podczas pobierania próbek.
Proces rozpoczyna się od podziału ludności na określone podgrupy lub warstwy. Podgrupy te można utworzyć w oparciu o takie cechy, jak wiek, praca, wynagrodzenie itp. Po podzieleniu na podstawie badanej populacji można zastosować dowolną metodę doboru próby w celu utworzenia próby reprezentującej każdą podpopulację.
4. Próbkowanie klastra
Metoda doboru klastrowego obejmuje tworzenie subpopulacji z większej populacji. Jedyna różnica między próbkowaniem warstwowym a próbkowaniem klastrowym polega na tym, że każda wygenerowana podgrupa powinna mieć cechy podobne do siebie. Ponieważ w każdej podgrupie występują podobne cechy, można losowo wybrać całą podgrupę zamiast próbować osobników z podgrup. W celu obniżenia kosztów tego typu metodę mogą wybrać statystycy.
Próbki skupień tworzą „kieszonki” dla próbkowanych jednostek, zamiast rozkładać próbkę na całą populację. Zmniejsza to koszty operacji związanych z windykacją. Może istnieć inny powód, dla którego należy użyć próbkowania klastrowego. Dzieje się tak, ponieważ w przypadku innych metod pobierania próbek wykaz jednostek dla populacji może nie być dostępny. Z drugiej strony, w przypadku próbkowania klastrów, listę klastrów można łatwo utworzyć lub jest ona dostępna.
Jednak próbkowanie klastrowe ma wadę, ponieważ jest mniej wydajne niż prosta metoda losowego próbkowania. Z tego powodu badanie powinno być przeprowadzone dla dużej liczby klastrów o mniejszych rozmiarach, a nie dla małej liczby klastrów o większych rozmiarach. Inną zgłoszoną wadą metody próbkowania skupień jest brak kontroli nad ostatecznym rozmiarem próby.
5. Wieloetapowe pobieranie próbek
Metoda jest prawie podobna do metody próbkowania skupień. Jednak różnica polega na tworzeniu próbki, w której próbka jest wybierana z każdego skupienia, a nie z całego skupienia. W tej metodzie pobierania próbek występują dwa etapy. W pierwszym etapie identyfikuje się, a następnie selekcjonuje dużą liczbę klastrów. Drugi etap metody obejmuje selekcję jednostek z utworzonych klastrów. Można to zrobić za pomocą dowolnego z rodzajów metod próbkowania prawdopodobieństwa. Dlatego w wieloetapowym procesie przesiewowym utworzone klastry są podstawowymi jednostkami próbkowania, tj. PSU.
W przeciwieństwie do tego, jednostki obecne w klastrze nazywane są drugorzędnymi jednostkami próbkowania. W tego rodzaju metodzie pobierania próbek może występować więcej etapów pobierania próbek. W takich przypadkach wybierane są trzeciorzędowe jednostki próbkowania, a proces trwa do momentu utworzenia próbki końcowej.
Zalety próbkowania prawdopodobieństwa
Metody próbkowania prawdopodobieństwa składają się z różnych technik, które zapewniają różne korzyści. Pojedyncza metoda ma swoją wyjątkową zaletę. Lista zalet została wymieniona poniżej .
- Metoda próbkowania klastrowego jest dość łatwa w użyciu i wygodna.
- Metoda prostego doboru losowego prowadzi do stworzenia próbek, które mogą reprezentować całą populację.
- Metoda warstwowego doboru próby prowadzi do tworzenia warstw populacji, które reprezentują całą populację.
- Próbki można łatwo formować bez użycia narzędzi do generowania liczb losowych w systematycznych metodach próbkowania.
Wniosek
Próbkowanie prawdopodobieństwa jest rodzajem metody próbkowania, która pomaga wybrać próbkę z populacji. Jednym z ważnych celów przy wyborze próby poprzez próbkowanie prawdopodobieństwa jest zminimalizowanie błędów próbkowania dla oszacowań. Ponadto należy zauważyć, że koszt badania powinien być redukowany wraz z czasem potrzebnym na przeprowadzenie badania. W tym artykule omówiliśmy różne metody uwzględnione w próbkowaniu prawdopodobieństwa.
Jeśli chcesz dowiedzieć się więcej o sztucznej inteligencji i uczeniu maszynowym, sprawdź program uczenia maszynowego i sztucznej inteligencji online IIIT-B i upGrad, który jest przeznaczony dla pracujących profesjonalistów i oferuje ponad 450 godzin rygorystycznych szkoleń, ponad 30 studiów przypadków i zadań, Status absolwentów IIIT-B, ponad 5 praktycznych praktycznych projektów zwieńczenia i pomoc w pracy z najlepszymi firmami.
