- Vrste vjerojatnosti ili slučajno uzorkovanje
- Jednostavno slučajno uzorkovanje
- Sustavno nasumično uzorkovanje
- Stratificirano nasumično uzorkovanje
- Slučajno uzorkovanje klastera
- Vrste uzorkovanja koje nisu vjerojatnosti
- Uzorkovanje uzoraka
- Uzorkovanje kvota
- Uzorkovanje snježne kugle
- Diskrecijsko uzorkovanje
- Reference
U vrste uzorkovanja su različiti načini vađenje podataka iz dijela ukupnog broja, moćan statistički alat čija je funkcija da bi se utvrdilo što dio populacije ili je svemir potrebno ispitati, da bi zaključke i dobiti informacije o tome.
Uzorkovanje je vrlo važno kada ne možete ili ne želite analizirati cjelokupnu populaciju. Imajte na umu da se pojam "populacija" ne odnosi samo na veliku skupinu ljudi ili živih bića, već općenito na ukupnost elemenata koji će se proučavati u određenom problemu.

Slika 1. Uzorkovanje je važno za odabir reprezentativnog uzorka iz svemira. Izvor: Pixabay.
Prema odabranoj vrsti uzorkovanja, odabire se onaj dio populacije koji se smatra najreprezentativnijim, uvijek u skladu s ciljevima.
Naravno, kad se uzmu samo dijelovi svemira podataka, moguće je propustiti neke detalje i izostaviti podatke, zbog čega rezultati neće biti tako točni koliko bi trebali biti. To je poznato kao greška u uzorkovanju.
Ideja je što više pojednostaviti svemir podataka, odabirom najreprezentativnijeg uzorka koji je sposoban pružiti maksimalan broj podataka, kako bi se osigurala valjanost rezultata.
Vrste vjerojatnosti ili slučajno uzorkovanje
Uzorkovanje vjerojatnosti temelji se na vjerojatnosti da se subjekti u uzorku moraju odabrati. Na taj se način svakom elementu populacije pruža poznata šansa da bude izabran, što naravno mora biti veće od 0.
To je izuzetno važno jer se može dogoditi da je iz svemira podataka odabran uzorak koji nije dovoljno reprezentativan za cjelinu.
Ako je to slučaj, rezultati će biti pristrani, jer će neki dijelovi stanovništva biti favorizirani u odnosu na druge. Kako bi se izbjegla pristranost, kojih postoji nekoliko kategorija, jedna je mogućnost pustiti šansu za odabir uzorka i na taj način svakom elementu dati ne-nultu vjerojatnost da bude odabran.
Jednostavno slučajno uzorkovanje
Ovo je jednostavan način kako bi se osiguralo da prilika radi svoj posao. Na primjer, ako birate neku djecu u razredu za sudjelovanje u školskom likovnom događaju, sva se dječja imena postavljaju na identične presavijene glasačke listiće, pomiješana u šeširu i šaci izvučenih nasumično.
Sva djeca u razredu čine populaciju, a šačica glasačkih listića koja su izvučena iz šešira je uzorak.
Uspjeh postupka leži u tome da se napravi potpuni popis svu djecu, tako da nitko ne bude izostavljen. U malom tečaju to nije problem; Ali kada želite odabrati uzorak iz veće populacije, morate pročistiti metodu.
Jednostavno nasumično uzorkovanje može se provesti zamjenom ili zamjenom. Na primjer, ako izvadimo neki element iz populacije i vratimo ga nakon odabira i ispitivanja, svemir naših elemenata uvijek ostaje isti tijekom istraživanja.
Ako se, naprotiv, proučava odabrani element, ne vraća se više, uzorkuje se bez zamjene. To se mora uzeti u obzir pri proračunu vjerojatnosti odabira elementa.
Sustavno nasumično uzorkovanje
Za provođenje ovog uzorkovanja potrebno je navesti i N elemenata te odrediti veličinu uzorka, koju ćemo nazvati n. Popis se naziva okvir za uzorkovanje.
Sada je definiran interval skoka, koji se označava slovom k i izračunava se ovako:
Odabire se slučajni broj - nasumično - između 1 i k, koji se naziva ro slučajni početak. To je prvi pojedinac na popisu koji je odabran, a odatle su odabrani sljedeći elementi na popisu.
Primjer: pretpostavimo da imate popis od 2000 studenata sa sveučilišta i želite dobiti uzorak od 100 studenata koji bi mogli sudjelovati na kongresu.
Prvo što trebate učiniti je pronaći vrijednost k:
Nakon što podijelimo ukupan broj učenika na 100 fragmenata od 20 učenika, uzme se jedan od fragmenata i izabere se nasumični broj između 1 i 20, na primjer 12. Stoga je dvanaesti učenik na našem popisu slučajna čizma.
Sljedeći student koji će biti izabran mora biti 12 + 20 = 22, zatim 42, zatim 62 i tako dalje, sve dok se ne popune svih 100.
Kao što vidite, brza metoda se primjenjuje i obično daje vrlo dobre rezultate, bez potrebe da se 2000 imena stavi u šešir i oduzme ih 100, sve dok ne postoje periodike u populaciji, koje uzrokuju pristranosti.,
Stratificirano nasumično uzorkovanje

Slika 2. U stratificiranom nasumičnom uzorkovanju populacija je podijeljena u segmente koji se nazivaju strata. Izvor: Pixabay.
Jednostavnim slučajnim uzorkovanjem svaka stavka u populaciji ima istu vjerojatnost da će biti odabrana. No, to možda nije uvijek istina, pogotovo ako ima više složenosti koje treba uzeti u obzir.
Da bi se izvršio stratificirani sustav slučajnog uzorkovanja, populacija mora biti podijeljena u skupine sa sličnim karakteristikama. To su slojevi. Zatim se uzimaju slojevi i iz svakog se odabire jednostavni slučajni uzorci, koji se zatim kombiniraju kako bi se stvorio konačni uzorak.
Slojevi se određuju prije uzorkovanja, proučavajući karakteristike svemira podataka.
Te karakteristike mogu biti bračni status, starost, mjesto u kojem živite, na primjer, gradsko, prigradsko i ruralno stanovništvo, zanimanje, stupanj obrazovanja, spol i mnoge druge.
U svakom slučaju, očekuje se da će karakteristike svakog sloja biti vrlo razlikovne, odnosno da je svaki sloj homogen.
Unutar stratificiranog uzorkovanja razlikujemo dvije kategorije prema tome je li veličina uzorka svakog sloja proporcionalna njegovoj veličini ili nije.
Slučajno uzorkovanje klastera
Gore opisane metode izravno biraju elemente uzorka, ali u uzorkovanju klastera odabire se skupina elemenata iz populacije i to će biti jedinica za uzorkovanje, koja se naziva klaster.
Primjeri klastera su odjeli sveučilišta, zemljopisni entiteti kao što su provincije, gradovi, županije ili općine, a svi imaju jednaku vjerojatnost odabira. U slučaju odabira geografskog entiteta, govorimo o uzorkovanju po područjima.
Nakon što su odabrani klasteri, odabire se elemente koji će se analizirati. Stoga postupak može imati nekoliko faza.
Ova metoda ima neke sličnosti sa stratificiranom slučajnom metodom, osim što su ovdje neki klasteri odabrani od ukupnog broja, dok su u prethodnoj metodi proučavani svi slojevi stanovništva.
Vrste uzorkovanja koje nisu vjerojatnosti
Uzorkovanje vjerojatnosti može biti vrlo skupo u nekim situacijama, jer se moraju uložiti vrijeme i resursi da bi se pronašli uzorci koji su zaista reprezentativni.
Također se često događa da ne postoji čitav okvir uzorkovanja - popis-, pa nije moguće odrediti vjerojatnost odabira elementa.
Za ove se slučajeve upotrebljavaju ne-vjerojatni uzorci, s kojima se dobivaju i informacije, iako ne postoji jamstvo preciznosti rezultata.
Kad se primijeni ova vrsta uzorkovanja, još uvijek se moraju poštivati neki kriteriji u vrijeme odabira, tražeći da uzorak bude što je moguće adekvatniji.
Uzorkovanje uzoraka
To je prilično elementarna vrsta uzorkovanja u kojoj se elementi uzorka biraju prema njihovoj dostupnosti, odnosno odabiru pojedinaca koji su im najviše pri ruci. Prednost je što je metoda s vrlo niskom cijenom, zbog njegove brzine i praktičnosti.
Ali kao što je rečeno, ne postoji sigurnost da li ćete dobiti pouzdane informacije o svojim rezultatima. Ponekad se koristi za brze, kratke ankete prije izbora ili za raspitivanje o preferencijama kupaca za određene proizvode.
Primjerice, anketar može izaći na izlaz iz tri trgovačka centra koja su najbliže njegovoj kući i pitati one koji odlaze za kojeg kandidata bi glasao. Ili učitelj može pregledati vlastite učenike, jer im je neposredan pristup.
Iako izgleda kao da su rezultati takvog postupka bezvrijedni, događa se da bi mogli biti dobar odraz stanovništva, sve dok postoje dobri razlozi za pretpostaviti da pristranost nije velika.
No, to nije tako jednostavno, jer učenici određenog učitelja ne mogu predstavljati reprezentativni uzorak ostatka učenika. I većinu vremena ankete u trgovačkim centrima teže intervjuiranju najatraktivnijih ljudi.
Uzorkovanje kvota
Za uzorkovanje prema kvotama potrebno je dobro poznavati slojeve stanovništva kako bi se imala ideja koji su najreprezentativniji elementi. No, njime ne upravlja kriterij slučajnosti stratificiranog uzorkovanja.
Kod ove vrste uzorkovanja potrebno je postaviti "kvote", otuda i naziv metode. Te se kvote sastoje od prikupljanja više elemenata s određenim uvjetima, na primjer 15 žena čija je dob između 25 i 50 godina, koje ne puše, a također posjeduju automobil.
Nakon što se utvrdi kvota, biraju se prvi ljudi koji ispunjavaju utvrđene uvjete. Kriteriji za ovaj zadnji korak mogu biti u korist istražitelja. Ovdje možete vidjeti razliku sa stratificiranom metodom uzorkovanja, koja je slučajna.
Međutim, povoljna je metoda ako je, kao što smo rekli, populacija koja se proučava dobro poznata.
Uzorkovanje snježne kugle
Postupak koji se slijedi u ovom stilu uzorkovanja je odabir nekoliko ljudi koji vode druge, a ovi zauzvrat drugima, sve dok uzorak ne postane veličina koja je potrebna istraživaču.
Ovo je postupak koji može biti koristan za karakterizaciju nekih populacija s vrlo specifičnim osobinama. Primjeri: zatvorenici u zatvoru ili osobe s određenim bolestima.
Diskrecijsko uzorkovanje
Konačno, ovdje je istraživač taj koji odlučuje o kriterijima za odabir uzorka prema svom znanju. To može biti korisno kad je potrebno dodati pojedine osobe u studiju, koji slučajnom metodom nisu mogli sudjelovati.
Reference
- Berenson, M. 1985. Statistika za upravljanje i ekonomiju, pojmove i primjene. Uredništvo Interamericana.
- Statistika. Uzorkovanje. Oporavak od: encyclopediaeconomica.com.
- Statistika. Uzorkovanje. Oporavak od: Estadistica.mat.uson.mx.
- Explorable. Uzorkovanje klastera Oporavilo sa: explorable.com.
- Moore, D. 2005. Primijenjena osnovna statistika. 2.. Izdanje.
- Netquest. Vjerojatno uzorkovanje: stratificirano uzorkovanje. Oporavak od: netquest.com.
- Wikipedia. Uzorkovanje. Oporavilo sa: es.wikipedia.org
