co je stratifikovaný náhodný odběr vzorků?

stratifikovaný náhodný odběr vzorků je metoda odběru vzorků, která zahrnuje rozdělení populace na menší podskupiny známé jako vrstvy. Při stratifikovaném náhodném odběru vzorků nebo stratifikaci se vrstvy vytvářejí na základě sdílených atributů nebo charakteristik členů, jako je příjem nebo dosažení vzdělání.

stratifikovaný náhodný odběr vzorků se také nazývá proporcionální náhodný odběr vzorků nebo náhodný odběr kvót.,

Jak Stratifikovaný Náhodný výběr Funguje

Při vyplňování analýzy nebo výzkum na skupině subjektů s podobnými charakteristikami, a pracovník může zjistit, že velikost populace je příliš velký, pro které k dokončení výzkumu. Chcete-li ušetřit čas a peníze, analytik může přijmout proveditelnější přístup výběrem malé skupiny z populace., Malá skupina se označuje jako velikost vzorku, což je podmnožina populace, která se používá k reprezentaci celé populace. Vzorek může být vybrán z populace několika způsoby, jedním z nich je stratifikovaná metoda náhodného odběru vzorků.

stratifikovaný náhodný odběr vzorků zahrnuje rozdělení celé populace na homogenní skupiny zvané vrstvy (množné číslo pro vrstvu). Náhodné vzorky jsou pak vybrány z každé vrstvy., Zvažte například akademického výzkumníka, který by chtěl znát počet studentů MBA v roce 2007, kteří obdrželi pracovní nabídku do tří měsíců od ukončení studia.

brzy zjistí, že za rok bylo téměř 200 000 absolventů MBA. Mohl by se rozhodnout vzít jednoduchý náhodný vzorek absolventů 50,000 a provést průzkum. Ještě lepší je, že by mohl rozdělit populaci na vrstvy a vzít náhodný vzorek ze vrstev. K tomu by vytvořil populační skupiny založené na pohlaví, věkovém rozmezí, rase, zemi národnosti a kariérním zázemí., Náhodný vzorek z každé vrstvy se odebírá v počtu úměrném velikosti vrstvy ve srovnání s populací. Tyto podmnožiny vrstev se pak spojí, aby vytvořily náhodný vzorek.

Příklad Stratifikovaného Náhodného výběru

Předpokládejme, že výzkumný tým chce určit GPA vysokoškoláků v USA výzkumný tým má potíže sběr dat ze všech 21 milionů vysokoškolských studentů; to se rozhodne vzít náhodný vzorek populace pomocí 4000 studentů.,

předpokládejme Nyní, že tým se dívá na různé atributy vzorku účastníků a klade otázku, zda existují nějaké rozdíly v GPAs a studentů oborů. Předpokládejme, že zjistí, že 560 studentů jsou anglické obory, 1,135 jsou vědecké obory, 800 jsou obory informatiky, 1,090 jsou inženýrské obory a 415 jsou matematické obory. Tým chce použít poměrný stratifikovaný náhodný vzorek, kde je vrstva vzorku úměrná náhodnému vzorku v populaci.

Předpokládejme, že tým zkoumá demografii vysokoškolských studentů v U.,S a najde procento toho, co studenti major v: 12% major v angličtině, 28% major ve vědě, 24% major v informatice, 21% major ve strojírenství, a 15% major v matematice. Z procesu stratifikovaného náhodného odběru vzorků je tedy vytvořeno pět vrstev.

tým pak musí potvrdit, že vrstva populace je úměrná vrstvě ve vzorku; zjistí však, že proporce nejsou stejné., Tým pak potřebuje znovu vzorek 4,000 studentů z populace a náhodně vybrat 480 angličtina, 1,120 věda, 960 Informatika, 840 inženýrství, a 600 matematika studenti.

S těmi, má proporcionální stratifikovaný náhodný vzorek studentů, který poskytuje lepší zastoupení studentů college velkých společností v USA vědci pak mohou zvýraznit konkrétní vrstvě, pozorovat různé studie AMERICKÝCH vysokoškolských studentů a pozorovat různé bodové průměry stupně.,

jednoduché náhodné Versus stratifikované náhodné vzorky

jednoduché náhodné vzorky a stratifikované náhodné vzorky jsou oba statistické měřicí nástroje. Jednoduchý náhodný vzorek se používá k reprezentaci celé populace dat. Stratifikovaný náhodný vzorek rozděluje populaci na menší skupiny, nebo vrstvy, na základě sdílených charakteristik.,

jednoduchý náhodný vzorek je často používána, když tam je velmi málo informací o souboru údajů, kdy údajů populace má příliš mnoho rozdílů rozdělit do různých podskupin, nebo když tam je jen jeden zřetelný mezi charakteristické údaje počet obyvatel.

například společnost candy může chtít studovat nákupní návyky svých zákazníků, aby určila budoucnost své produktové řady. Pokud existuje 10.000 zákazníků, může použít vybrat 100 z těchto zákazníků jako náhodný vzorek., To pak může aplikovat to, co najde od těch 100 zákazníků, na zbytek své základny. Na rozdíl od stratifikace bude vzorek 100 členů čistě náhodně bez ohledu na jejich individuální vlastnosti.

Přiměřené a Nepřiměřené Stratifikace

Stratifikovaný náhodný výběr zajišťuje, že každá podmnožina dané populaci dostatečně zastoupeny v rámci celého vzorku populace výzkumné studie. Stratifikace může být přiměřená nebo nepřiměřená., V úměrné stratifikované metodě je velikost vzorku každé vrstvy úměrná velikosti populace vrstvy.

například, pokud výzkumník chtěl vzorku 50.000 absolventů pomocí věkové rozmezí, proporcionální stratifikovaný náhodný vzorek bude získáno pomocí tohoto vzorce: (velikost vzorku/počet obyvatel) x stratum velikost. Níže uvedená tabulka předpokládá velikost populace 180 000 absolventů MBA ročně.,>

Počet lidí ve skupině

90,000

60 000

30,000

180,000

Vrstvy velikost vzorku

25,000

16,667

8,333

50,000

vrstvy velikost vzorku pro absolventy MBA ve věku 24 až 28 let se vypočítá jako (50,000/180,000) x 90,000 = 25,000., Stejná metoda se používá pro ostatní věkové skupiny. Nyní, když je známa velikost vzorku vrstev, může výzkumník provést jednoduchý náhodný odběr vzorků v každé vrstvě, aby si vybral účastníky průzkumu. Jinými slovy, 25,000 absolventů od 24-28 věkové skupiny bude vybrán náhodně z celé populace, 16,667 absolventů z 29-33 věku bude vybrán z populace náhodně, a tak dále.

V nepřiměřené stratifikovaný vzorek, velikost každé vrstvy není úměrná jeho velikosti v populaci., Výzkumný pracovník může rozhodnout o vzorku 1/2 absolventů ve věkové skupině 34-37 a 1/3 absolventů ve věkové skupině 29-33 let.

je důležité si uvědomit, že jedna osoba se nemůže vejít do více vrstev. Každá entita se musí vejít pouze do jedné vrstvy. Překrývající se podskupiny znamená, že někteří jedinci budou mít vyšší šance na výběr pro průzkum, což zcela neguje koncept stratifikovaného odběru vzorků jako typu vzorkování pravděpodobnosti.,