NS การสุ่มตัวอย่างความน่าจะเป็น เป็นเครื่องมือที่มีจุดประสงค์เพื่อกำหนดว่าส่วนใดของประชากรเฉพาะควรได้รับการตรวจสอบเพื่อสร้างความแตกต่าง ตัวอย่างควรเป็นตัวแทนของประชากรที่มีการทำซ้ำลักษณะที่จำเป็นสำหรับการตรวจสอบได้ดีที่สุด
ตัวอย่างจะเป็นตัวแทนและมีประโยชน์ก็ต่อเมื่อสะท้อนถึงความเหมือนและความแตกต่างที่ประชากรอาจมี
โฆษณา
ในบทความนี้คุณจะพบ:
ลักษณะของการสุ่มตัวอย่างความน่าจะเป็น
NS การสุ่มตัวอย่างความน่าจะเป็น โดดเด่นด้วยความจริงที่ว่าบุคคลทุกคนมีโอกาสได้รับเลือกให้มีส่วนร่วมเท่ากัน ของกลุ่มตัวอย่าง และด้วยเหตุนี้ ตัวอย่างที่เป็นไปได้ทั้งหมดจึงมีความน่าจะเป็น. เท่ากัน เลือก
โฆษณา
เราพูดถึงการสุ่มตัวอย่างความน่าจะเป็นเมื่อตรงตามชุดของคุณลักษณะ:
หากสามารถกำหนดชุดของตัวอย่างที่เป็นไปได้
นี่หมายถึงความจริงที่ว่าคุณต้องมีกรอบการสุ่มตัวอย่างหรือกรอบการสุ่มตัวอย่างที่ไม่มีอะไรมากไปกว่ารายการองค์ประกอบทั้งหมดที่ประกอบขึ้นเป็น ให้กับจักรวาลที่กำลังศึกษาอยู่ เช่น ถ้าจักรวาลของเราที่กำลังศึกษาอยู่นั้นเป็นนักศึกษาแพทย์ของมหาวิทยาลัยแห่งหนึ่ง ต้องมีรายชื่อขององค์ประกอบเหล่านั้นทั้งหมด นั่นคือ ของนักศึกษาแพทย์ทั้งหมดของมหาวิทยาลัยนั้น และนั่นจะเป็นกรอบการทำงานของเรา ตัวอย่าง.
โฆษณา
ความน่าจะเป็นที่ทราบของการเลือก P
ซึ่งหมายความว่าองค์ประกอบทั้งหมดในกรอบการสุ่มตัวอย่างของเรามีความน่าจะเป็นที่จะถูกเลือกเหมือนกัน
ความน่าจะเป็นมากกว่าศูนย์
ภายในการทดสอบการสุ่มตัวอย่างความน่าจะเป็น กระบวนการคัดเลือกรับประกันว่าองค์ประกอบทั้งหมดมีความน่าจะเป็นมากกว่าศูนย์ที่จะรวมอยู่ในตัวอย่าง
โฆษณา
กลไกสุ่ม
กลไกการสุ่มทำให้แน่ใจได้ว่าตัวอย่างแต่ละตัวอย่างมีความน่าจะเป็นที่จะถูกเลือกเท่ากัน สำหรับสิ่งนี้เราสามารถพูดได้ว่ามีคุณสมบัติมากกว่า การสุ่มตัวอย่างความน่าจะเป็น เป็นวิธีการเลือกตัวอย่างสิ่งพิมพ์ที่เป็นตัวแทนเพียงพอซึ่งมีข้อมูลที่สามารถอนุมานคุณสมบัติและลักษณะของประชากรได้
ขั้นตอนนี้ไม่มีประโยชน์เมื่อประชากรมีขนาดใหญ่มาก
โฆษณา
ข้อดีของการสุ่มตัวอย่างความน่าจะเป็น
- NS การสุ่มตัวอย่างความน่าจะเป็น มันง่ายและเข้าใจง่าย
- หลีกเลี่ยงการทำสำมะโน
- การคำนวณหน่วยวัดและความแปรปรวนอย่างรวดเร็ว
- มีแพ็คเกจซอฟต์แวร์สำหรับวิเคราะห์ข้อมูล
ข้อเสียของการสุ่มตัวอย่างความน่าจะเป็น
- คุณต้องมีรายชื่อประชากรทั้งหมดล่วงหน้า
- มีระยะขอบของข้อผิดพลาด
- หากเราทำงานกับตัวอย่างขนาดเล็ก อาจเป็นไปได้ว่าประชากรทั้งหมดไม่ได้แสดงอย่างถูกต้อง ซึ่งเป็นเหตุจึงต้องจัดการกับตัวอย่างทั้งหมด
ตัวอย่างเช่น เมื่อนำลูกบอลออกจากกลอง บุคคลในกลุ่มประชากรจะมีหมายเลขตั้งแต่ 1 ถึง N ลูกบอล N จะถูกดึงออกจากกลอง และบุคคลเหล่านี้จะเป็นตัวอย่าง ทุกคนมีโอกาสได้รับเลือกเท่ากัน
การสุ่มตัวอย่างอย่างเป็นระบบ
ภายใน Inside การสุ่มตัวอย่างความน่าจะเป็น เราสามารถเน้นการสุ่มตัวอย่างอย่างเป็นระบบ ซึ่งเป็นเทคนิคการสุ่มตัวอย่างอย่างเป็นระบบที่ นักวิจัยมักชอบเพราะมันง่ายในการดำเนินการและมีผลดีที่สุดในหลาย ๆ เงื่อนไข
ในการสุ่มตัวอย่างอย่างเป็นระบบ ผู้วิจัยจะสุ่มเลือกชิ้นหรือหัวเรื่องแรก ภายในประชากร ผู้วิจัยจะเลือกวิชาที่ n แต่ละวิชาจาก รายการ.
ขั้นตอนประเภทนี้ง่ายมากและสามารถทำได้ด้วยตนเอง ลักษณะเฉพาะไม่น่าจะซ้ำกันในทุกวิชาที่ n ดังนั้นผลลัพธ์จึงเป็นตัวแทนของประชากรทั้งหมด
ตัวอย่างเช่น ผู้วิจัยมีประชากรทั้งหมดหกสิบคนและต้องการวิชาสิบสองวิชา อันดับแรก เขาเลือกหมายเลขเริ่มต้นที่สองและดำเนินการต่อด้วยช่วงที่ห้า จากนั้น สมาชิกของกลุ่มตัวอย่างของคุณจะเป็นรายบุคคล สอง เจ็ด สิบสอง สิบเจ็ด ยี่สิบสอง ยี่สิบเจ็ด สามสิบสอง สามสิบเจ็ด สี่สิบสอง สี่สิบเจ็ด ห้าสิบสอง และห้าสิบ และเซเว่น
ประเภทของการสุ่มตัวอย่างความน่าจะเป็น
เราจะให้รายละเอียดการสุ่มตัวอย่างความน่าจะเป็น 2 ประเภท:
การสุ่มตัวอย่างแบบแบ่งชั้น
การสุ่มตัวอย่างแบบแบ่งชั้นเป็นอีกประเภทหนึ่งของการสุ่มตัวอย่างความน่าจะเป็นที่ผู้วิจัยแยกทั้ง ประชากรในกลุ่มย่อยหรือชั้นต่าง ๆ จากนั้นสุ่มเลือกวิชาจากที่แตกต่างกัน ชั้น.
การแบ่งชั้นที่ใช้บ่อยที่สุดในการสุ่มตัวอย่างแบบแบ่งชั้น ได้แก่ อายุ เพศ สถานะทางเศรษฐกิจและสังคม ศาสนา สัญชาติ และระดับของการศึกษาที่สำเร็จ ตัวอย่างเช่น สมมติว่าเรามีสามชั้น กลุ่มละ 32 วิชา ใช้เศษส่วนของการสุ่มตัวอย่างห้าและสามสิบสอง จากนั้นเราสุ่มทดสอบห้าวิชาจากแต่ละชั้น ตามลำดับ
วัตถุประสงค์คือจำนวนประชากรที่ได้รับจะน้อยกว่า และในลักษณะนี้เฉพาะเจาะจงมากขึ้น
การสุ่มตัวอย่างคลัสเตอร์
ในการสุ่มตัวอย่างนี้ ผู้วิจัยจะรวบรวมกลุ่มตัวอย่างโดยทำตามขั้นตอนบางอย่าง สิ่งแรกคือการแยกกลุ่มต่างๆ และเลือกหัวข้อจากแต่ละกลุ่มโดยการสุ่มตัวอย่าง
ในการสุ่มตัวอย่างคลัสเตอร์ ผู้วิจัยอาจเลือกที่จะรวมทั้งคลัสเตอร์และไม่ใช่แค่ชุดย่อยสำหรับ ตัวอย่างเช่น หากคุณกำลังพิจารณาที่จะทำการสำรวจนักศึกษามหาวิทยาลัยชั้นปีที่ 1 จากประเทศใดประเทศหนึ่ง คุณต้องสัมภาษณ์ นักศึกษามหาวิทยาลัยเก้าสิบหกคน เนื่องจากเป็นไปไม่ได้ที่จะเข้าถึงกลุ่มตัวอย่างแบบแบ่งชั้น กลุ่มตัวอย่างสองกลุ่มของ นักเรียนแปดคน
เราสามารถสรุปได้โดยบอกว่าการสุ่มตัวอย่างความน่าจะเป็นเป็นเครื่องมือทางสถิติที่เปิดโอกาสให้เรา ประมาณการภายในประชากร ของบุคคลโดยไม่ต้องใช้ข้อมูลจากประชากรทั้งหมด ด้วยวิธีนี้ เราสามารถบันทึกข้อมูลบางส่วนได้ แต่ต้องใช้ความระมัดระวังเมื่อใช้กับประชากรจำนวนมาก เนื่องจากมีข้อผิดพลาดตามสัดส่วน
