Стратификовано случајно узорковање
Стратификовано случајно узорковање је метода узорковања која укључује поделу популације у мање подгрупе познате као слојеви. У стратифицираном насумичном узорковању или стратификацији, слојеви се формирају на основу заједничких атрибута или карактеристика чланова као што су приход или образовање.
Стратификовано случајно узорковање назива се и пропорционално случајно узорковање или квотно случајно узорковање.
[Важно: Стратификовано узорковање користи се да би се истакле разлике између група у популацији, за разлику од једноставног случајног узорковања, који све чланове популације третира као једнаке, са једнаком вероватноћом узорковања.]
1:40Стратификовано случајно узорковање
Како дјелује стратифицирано случајно узорковање
Када заврши анализу или истраживање групе ентитета са сличним карактеристикама, истраживач може открити да је бројност становништва превелика да би се могло завршити истраживање. Да би уштедио време и новац, аналитичар може да искористи изведивији приступ одабиром мале групе из становништва. Мала група се наводи као величина узорка, што је подскуп становништва који се користи за представљање целокупне популације. Узорак се може одабрати из популације на више начина, од којих је један стратификовани метод случајног узорковања.
Стратификовано случајно узорковање укључује поделу читаве популације у хомогене групе које се зову страта (множина за стратум). Затим се изабирају насумични узорци из сваког слоја. На пример, размотрите академског истраживача који би желео да сазна број студената МБА у 2007. години који су добили понуду за посао у року од три месеца након дипломе.
Ускоро ће сазнати да је у овој години било скоро 200 000 МБА дипломаната. Могао би одлучити да узме једноставан случајни узорак од 50.000 дипломаната и покрене анкету. Још боље, могао је поделити становништво на слојеве и узети случајни узорак из слојева. Да би то постигао, створио би групе становништва на основу пола, старосне доби, расе, земље држављанства и порекла каријере. Насумични узорак из сваког слоја узима се у броју пропорционалном величини слоја у односу на популацију. Ови подскупови слојева су тада сакупљени да би се формирао случајни узорак.
Кључне Такеаваис
- Стратификовано случајно узорковање омогућава истраживачима да добију узорку популације која најбоље представља целу популацију која се проучава.
- Стратификовано случајно узорковање укључује поделу читаве популације у хомогене групе које се зову слојеви.
- Стратифицирано случајно узорковање разликује се од једноставног случајног узорковања које укључује случајни одабир података из читаве популације, тако да је сваки могући узорак подједнако вјероватно.
Пример стратификованог случајног узорковања
Претпоставимо да истраживачки тим жели да утврди просек успеха студената на америчком факултету Истраживачки тим има потешкоће у прикупљању података од свих 21 милиона студената; одлучује да узме случајни узорак становништва користећи 4000 студената.
Сада претпоставимо да тим гледа на различите атрибуте учесника у узорку и пита се да ли постоје разлике у ГПА-има и студентима. Претпоставимо да се утврди да су 560 ученика енглеске, 1135 математичких, 800 информатичких, 1.090 инжињерских, а 415 математичких. Тим жели да користи пропорционални стратификовани случајни узорак где је слој узорка пропорционалан случајном узорку у популацији.
Претпоставимо да тим истражује демографију студената на колеџу у САД-у и открива проценат онога што студенти у 12% студија енглеског језика, 28% наука, 24% студија рачунарских наука, 21% студија инжењерства и 15% главних студија из математике. Тако се из стратификованог поступка случајног узорковања ствара пет слојева.
Тада тим треба да потврди да је слој популације пропорционалан слоју у узорку; међутим, сматрају да пропорције нису једнаке. Тим треба поново да узоркује 4.000 студената из популације и насумично одабере 480 енглеског језика, 1.120 наука, 960 рачунарских наука, 840 инжењерства и 600 студената математике.
Са тим, он има пропорционалан стратификовани случајни узорак студената на факултетима, што омогућава бољу репрезентацију главних студија студената у САД-у. Затим истраживачи могу да истакну одређени слој, примете различите студије америчких студената и примете различите просечне оцене .
Једноставни случајни версифицирани насумични узорци
Једноставни случајни узорци и стратификовани случајни узорци су оба алата за статистичко мерење. Једноставни случајни узорак користи се за представљање целокупне популације података. Стратифицирани случајни узорак дијели популацију на мање групе или слојеве, на основу заједничких карактеристика.
Једноставни случајни узорак често се користи када је на располагању врло мало података о популацији података, када популација података има превише превише разлика које би се могло подијелити у различите подскупове или када постоји само једна карактеристична карактеристика међу популацијом података.
На пример, компанија за производњу бомбона можда жели да проучи куповне навике својих купаца како би одредила будућност своје линије производа. Ако има 10 000 купаца, он може користити изабрати 100 тих купаца као случајни узорак. Затим може применити оно што нађе од тих 100 купаца на остатак базе. За разлику од стратификације, узорковат ће 100 чланова насумично, без обзира на њихове појединачне карактеристике.
Пропорционална и несразмерна стратификација
Стратификовано случајно узорковање осигурава да свака подгрупа одређене популације буде адекватно заступљена у целој узорној популацији истраживачке студије. Стратификација може бити пропорционална или несразмерна. У пропорционалној стратификованој методи, величина узорка сваког слоја пропорционална је величини популације слоја.
На пример, ако је истраживач хтео узорак од 50.000 матураната користећи старосни распон, добиће се пропорционални стратификовани случајни узорак користећи ову формулу: (величина узорка / величина популације) к величина слоја. Табела испод претпоставља број становника од 180.000 МБА дипломаната годишње.
Старосна група | 24-28 | 29-33 | 34-37 | Укупно |
Број људи у стратуму | 90.000 | 60.000 | 30.000 | 180.000 |
Величина узорка страта | 25.000 | 16, 667 | 8, 333 | 50.000 |
Величина узорка страта за дипломиране студенте МБА у старосној доби од 24 до 28 година израчунава се (50 000/180 000) к 90 000 = 25 000. Иста метода се користи и за остале старосне групе. Сада када је позната величина узорка слоја, истраживач може да изврши једноставно насумично узорковање у сваком слоју да изабере своје учеснике у истраживању. Другим речима, 25.000 матураната из старосне групе од 24 до 28 година биће изабрано насумично из целокупне популације, 16.667 дипломаната из старосног распона од 29 до 33 године биће изабрано из популације насумично, и тако даље.
У непропорционалном слојевитом узорку, величина сваког слоја није пропорционална његовој величини у популацији. Истраживач може одлучити да узоркује 1/2 матураната унутар старосне групе 34-37 и 1/3 матураната унутар старосне групе од 29 до 33 године.
Важно је напоменути да се једна особа не може уклопити у више слојева. Сваки се ентитет мора уклопити само у један слој. Преклапање подскупина значи да ће неки појединци имати веће шансе да буду одабрани за истраживање, што у потпуности негира концепт стратификованог узорковања као врсте узорковања вероватноће.
[Важно: Менаџери портфеља могу користити стратификовано случајно узорковање за креирање портфолија понављањем индекса, као што је индекс обвезница.]
Предности стратификованог случајног узорковања
Главна предност стратифицираног случајног узорковања је та што он биљежи кључне карактеристике популације у узорку. Слично као пондерисани просек, ова метода узорковања даје карактеристике у узорку које су пропорционалне укупној популацији. Стратификовано случајно узорковање делује добро за популације са различитим атрибутима, али је у супротном неефикасно ако се не могу формирати подгрупе.
Стратификација даје мању грешку у процени и већу прецизност од једноставне методе случајног узорковања. Што су веће разлике између слојева, то је већи добитак у прецизности.
Недостаци стратификованог случајног узорковања
Нажалост, ова метода истраживања не може се користити у свакој студији. Недостатак методе је да мора бити испуњено неколико услова да би се правилно користила. Истраживачи морају идентификовати сваког члана популације која се проучава и класификовати их у једну, и то само једну, потпопулацију. Као резултат тога, стратификовано случајно узорковање је неповољно када истраживачи не могу поуздано класификовати сваког члана популације у подгрупу. Такође, проналажење исцрпне и коначне листе читаве популације може бити изазовно.
Преклапање може бити проблем ако постоје предмети који спадају у више подскупина. Када се изврши једноставно случајно узорковање, већа је вероватноћа да ће се одабрати они који су у више подгрупа. Резултат тога би могао бити погрешна презентација или нетачно одражавање становништва.
Горњи примери олакшавају: додипломски, дипломски, мушки и женски јасно су дефинисане групе. У другим ситуацијама, међутим, то може бити много теже. Замислите да укључују карактеристике као што су раса, етничка припадност или религија. Процес сортирања постаје тежи, што чини стратифицирано случајно узорковање неефикасним и мање од идеалног поступка.
Упоредите инвестиционе рачуне Име добављача Опис Откривање оглашивача × Понуде које се појављују у овој табели су од партнерстава од којих Инвестопедиа прима накнаду.