Mikä On Ositettu satunnaisotanta?

ositettu satunnaisotanta on näytteenottomenetelmä,jossa populaatio jaetaan pienempiin ositteisiin. Vuonna ositettu satunnaisotanta tai kerrostuneisuus, ositteet on muodostettu perustuu jäsenten yhteinen attribuutteja tai ominaisuuksia, kuten tulo-tai koulutustason.

Ositettu satunnaisotanta kutsutaan myös suhteessa satunnainen näytteenotto-tai kiintiö satunnaisotannalla.,

Miten Ositettu satunnaisotanta Toimii

täyttäessään analyysi tai tutkimus-ryhmän yhteisöt, joilla on samanlaiset ominaisuudet, tutkija voi todeta, että populaation koko on liian suuri, joka suorittaa tutkimuksen. Aikaa ja rahaa säästääkseen analyytikko voi omaksua toteuttamiskelpoisemman lähestymistavan valitsemalla joukosta pienen ryhmän., Pienryhmästä käytetään nimitystä otoskoko, joka on koko populaatiota edustava populaation osajoukko. Populaatiosta voidaan valita otos useilla eri tavoilla, joista yksi on ositettu satunnaisotantamenetelmä.

ositettu satunnaisotanta liittyy jakamalla koko perusjoukon homogeenisiin ryhmiin eli ositteisiin (monikko varten stratum). Satunnaisnäytteet valitaan sitten jokaisesta kerrostumasta., Ajatellaanpa esimerkiksi akateemista tutkijaa, joka haluaisi tietää, kuinka monta MBA-opiskelijaa vuonna 2007 sai työtarjouksen kolmen kuukauden sisällä valmistumisesta.

– Hän tulee pian huomaamaan, että siellä oli lähes 200 000 MBA tutkinnon vuonna. Hän saattaa päättää ottaa vain yksinkertaisen satunnaisotoksen 50 000 valmistuneesta ja tehdä kyselyn. Vielä parempi, hän voisi jakaa väestö ositteisiin ja ottaa satunnainen näyte kerrostumissa. Voit tehdä tämän, hän loisi väestöryhmien perustuu sukupuoli, ikä, rotu, kansalaisuus-ja ura tausta., Satunnaisotos kustakin ositteesta otetaan monessa suhteessa ositteen kokoon verrattuna väestöstä. Nämä ositteiden osaset kootaan yhteen satunnaisotokseksi.

Esimerkki Ositettu satunnaisotanta

Oletetaan, että tutkimusryhmä haluaa selvittää GPA opiskelijoiden kaikkialla YHDYSVALLOISSA tutkimusryhmä on vaikeuksia kerätä tietoja kaikki 21 miljoonaa opiskelijoiden, se päättää ottaa satunnaisotos väestöstä käyttämällä 4000 opiskelijaa.,

Nyt oletamme, että joukkue näyttää eri ominaisuuksia otos osallistujia ja ihmettelee, jos on olemassa tahansa erot, GPAs ja opiskelijoiden suuret yhtiöt. Oletetaan se toteaa, että 560 opiskelijat ovat englanti majors, 1,135 ovat tieteen majors, 800 ovat tietojenkäsittelytieteen majors, 1,090 ovat engineering majors, ja 415 ovat matematiikan majors. Joukkue haluaa käyttää verrannollinen ositettu satunnaisotos, jossa kerrostuman näyte on verrannollinen satunnaisotos väestöstä.

Oletetaan, joukkue tutkii väestörakenne opiskelijoiden U.,S ja löytää prosenttiosuus, mitä opiskelijat majuri: 12% pääaineena englanti, 28% merkittävä tieteen, 24% pääaineena tietojenkäsittelytiede, 21% merkittävä tekniikan, ja 15% pääaineenaan matematiikka. Stratifioidusta satunnaisotanneprosessista syntyy siis viisi kerrostumaa.

joukkue sitten täytyy vahvistaa, että kerrostuma väestöstä on suhteessa ositteen otokseen; kuitenkin, he huomaavat, mittasuhteet eivät ole tasa-arvoisia., Joukkue sitten tarvitsee uudelleen näyte 4 000 opiskelijaa väestöstä ja satunnaisesti valitse 480 englanti, 1,120 tiede, 960 computer science, 840 engineering, ja 600 matematiikan opiskelijoita.

niiden Kanssa, se on oikeasuhteinen ositettu satunnaisotos opiskelijoiden, joka tarjoaa paremman edustus opiskelijoiden college suuret yhtiöt YHDYSVALLOISSA tutkijat voi sitten korostaa tiettyjä kerrostuma, tarkkailla eri tutkimuksissa USA: n opiskelijoiden ja huomioi eri luokan pisteiden keskiarvot.,

Yksinkertainen Satunnainen Versus Ositettu satunnaisotos

Yksinkertainen satunnaisotos ja ositettu satunnaisotos on sekä tilastollinen mittaus työkaluja. Koko aineistopopopopulaatiota kuvataan yksinkertaisella satunnaisotannalla. Ositettu satunnaisotos jakaa populaation pienempiin ryhmiin eli ositteisiin jaettujen ominaisuuksien perusteella.,

yksinkertaista satunnaisotantaa käytetään usein silloin, kun on hyvin vähän tietoa saatavilla tiedot väestöstä, kun tiedot väestö on aivan liian monia eroja jakaa eri osajoukkoja, tai kun on vain yksi erillinen ominaisuus joukossa tiedot väestöstä.

esimerkiksi, karkkia yritys saattaa haluta tutkia ostaa tottumukset sen asiakkaita, jotta voidaan määrittää tulevaa tuotevalikoimaa. Jos asiakkaita on 10 000, se voi käyttää satunnaisotoksena 100 asiakasta., Sen jälkeen se voi soveltaa, mitä se löytää noilta 100 asiakkaalta muuhun tukikohtaansa. Toisin kuin ositus, se ottaa 100 jäsentä puhtaasti sattumanvaraisesti ottamatta huomioon niiden yksilöllisiä ominaisuuksia.

Oikeasuhteisia ja Suhteeton Kerrostuneisuus

Ositettu satunnaisotanta varmistaa, että jokainen alaryhmä tietyssä populaatiossa on riittävästi edustettuina koko otos väestöstä tutkimukseen. Ositus voi olla oikeasuhteinen tai suhteeton., Oikeasuhteisessa ositetussa menetelmässä kunkin ositteen otoskoko on suhteessa ositteen populaatiokokoon.

esimerkiksi, jos tutkija halusi näyte 50000 tutkinnon käyttäen ikää, suhteellista ositettu satunnaisotos on saatu käyttämällä tätä kaavaa: (otoskoko/väestömäärä) x ositteen koko. Alla olevassa taulukossa oletetaan, että väestömäärä on 180 000 MBA-tutkinnon suorittanutta vuodessa.,>

ihmisten Lukumäärä ositteessa

90,000

60,000

30,000

180,000

Kerrostumissa otoskoko

25,000

16,667

8,333

50,000

kerrostumissa otoskoko MBA-tutkinnon ikäryhmä 24 28 vuotta vanha lasketaan (50,000/180,000) x 90,000 = 25,000., Samaa menetelmää käytetään myös muissa ikäluokissa. Nyt kun ositteiden otoskoko on tiedossa, tutkija voi tehdä jokaisesta ositteesta yksinkertaisen satunnaisotannan valitakseen tutkimukseen osallistuneet. Toisin sanoen, 25,000 valmistuneet 24-28-vuotiaiden ryhmä on valittu satunnaisotannalla koko väestön, 16,667 valmistuneet 29-33 ikäryhmä valitaan perusjoukosta satunnaisesti, ja niin edelleen.

suhteeton ositettu otos, koko kunkin ositteen ei ole verrannollinen sen koko väestöstä., Tutkija voi päättää ottaa 34-37-vuotiaista 1/2 ja 29-33-vuotiaista 1/3.

on tärkeää huomata, että yksi henkilö ei voi mahtua useita kerrostumia. Jokaisen kokonaisuuden on mahduttava vain yhteen ositteeseen. Ottaa päällekkäisiä alaryhmiä tarkoittaa, että jotkut yksilöt on suuremmat mahdollisuudet tulla valituksi tutkimukseen, joka täysin tyhjäksi käsite ositettu otanta tyyppi todennäköisyys otantaa.,

Edut Ositettu satunnaisotanta

tärkein etu ositettu satunnaisotanta on, että se kaappaa keskeisiä väestön ominaisuudet otokseen. Samanlainen painotettu keskiarvo, tämä menetelmä näytteenotto tuottaa ominaisuudet näyte, joka on suhteessa koko väestöön., Ositettu satunnaisotanta toimii hyvin väestöryhmiin, joilla on erilaisia ominaisuuksia, mutta on muuten tehoton, jos alaryhmiä voi muodostua.

ositus antaa pienemmän estimointivirheen ja suuremman tarkkuuden kuin yksinkertainen satunnaisotantamenetelmä. Mitä suuremmat erot ositteiden välillä ovat, sitä suurempi täsmävoitto.

Haitat Ositettu satunnaisotanta

Valitettavasti, tämä menetelmä tutkimus ei voi käyttää jokainen tutkimus. Menetelmän haittapuolena on, että useita ehtoja on täytettävä, jotta sitä voidaan käyttää asianmukaisesti., Tutkijoiden on tunnistettava jokainen tutkittavan väestön jäsen ja luokiteltava jokainen heistä yhdeksi ja vain yhdeksi alaväestöksi. Tämän seurauksena ositettu satunnaisotanta on epäedullista, kun tutkijat eivät voi luottavaisesti luokitella jokaista väestön jäsentä alaryhmään. Myös kokonaisen väestön tyhjentävän ja lopullisen luettelon löytäminen voi olla haastavaa.

päällekkäisyys voi olla ongelma, jos on aiheita, jotka kuuluvat useisiin alaryhmiin. Kun suoritetaan yksinkertainen satunnaisotanta, valitaan todennäköisemmin ne, jotka ovat useissa alaryhmissä., Seurauksena voi olla väärä tai epätarkka väestökehitys.

edellä mainitut esimerkit helpottavat: perustutkinto, jatko-opinnot, miehet ja naiset ovat selkeästi määriteltyjä ryhmiä. Muissa tilanteissa se voi kuitenkin olla paljon vaikeampaa. Kuvittele sisältäväsi sellaisia ominaisuuksia kuin rotu, etnisyys tai uskonto. Lajitteluprosessi vaikeutuu, jolloin ositettu satunnaisotanta on tehoton ja vähemmän kuin ihanteellinen menetelmä.,