מה ההבדל בין מדגם אקראי פשוט לבין מדגם אקראי מרובד?

יום עיון: אני מחליט(ה) אנלוגי(ת) בעולם דיגיטלי (סער וילף) 22/1/2018 (סֶפּטֶמבֶּר 2024)

יום עיון: אני מחליט(ה) אנלוגי(ת) בעולם דיגיטלי (סער וילף) 22/1/2018 (סֶפּטֶמבֶּר 2024)
מה ההבדל בין מדגם אקראי פשוט לבין מדגם אקראי מרובד?
Anonim
a:

דוגמאות אקראיות פשוטות ודגימות אקראיות מרובדות נבדלות באופן שבו המדגם משורטט מתוך כלל אוכלוסיית הנתונים. דוגמאות אקראיות פשוטות כרוכות בבחירה אקראית של נתונים מכל האוכלוסייה, כך שכל מדגם אפשרי עשוי להתרחש. לעומת זאת, דגימה אקראית מרובדת מחלקת את האוכלוסייה לקבוצות קטנות יותר, או שכבות, על בסיס מאפיינים משותפים. מדגם אקראי נלקח מכל שכבה ביחס ישר לגודל השכבה לעומת האוכלוסייה. תת המדגם משולבים אז כדי ליצור מדגם אקראי.

-> ->

דגימה אקראית פשוטה ודגימה מרובדת הם שני סוגים של דגימה הסתברות שבו כל מדגם יש הסתברות ידוע להיות נבחר. דבר זה שונה מדגימה שיפוטית, שבה נחקרות בידי היחידות שנדגמו.

האוכלוסייה היא סך כל תצפיות או נתונים. מדגם הוא סדרה של תצפיות מהאוכלוסייה. שיטת הדגימה היא התהליך המשמש לשליפת דגימות מהאוכלוסייה. מדגם אקראי פשוט הוא מדגם אקראי משך מכל האוכלוסייה ללא אילוצים על איך המדגם הוא משך. לשיטה זו אין כל משוא פנים בבחירת המדגם מהאוכלוסייה, כך שלכל רכיב אוכלוסייה יש סיכוי שווה להיכלל במדגם.

מדגמים אקראיים מרובדים מקבצים את מרכיבי האוכלוסייה לשכבות על פי קריטריונים מסוימים, ולאחר מכן בוחרים באופן אקראי אלמנטים מכל שכבה ביחס לגודל השכבה לעומת האוכלוסייה. על החוקרים לדאוג לכך שהשכבות אינן חופפות. כל נקודה באוכלוסייה צריכה להיות שייכת רק לשכבה אחת, כך שכל נקודה היא בלעדית. שכבות חופפות יגדילו את הסבירות כי נתונים מסוימים נכללים במדגם, ובכך להטות את המדגם.

הדגימה המרובדת מציעה יתרונות וחסרונות מסוימים בהשוואה לדגימה אקראית פשוטה. מדגם מרובד יכול לספק ייצוג מדויק יותר של האוכלוסייה על פי המאפיין המשמש לחלוקת האוכלוסייה לשכבות.

עבור אוכלוסיות בעלות מאפיינים מובחנים חשובים, דגימה מרובדת יכולה ליצור מדגם מייצג יותר. זה בדרך כלל דורש גודל מדגם קטן יותר, אשר יכול לחסוך במשאבים ובזמן. בנוסף, על ידי הוספת נקודות מדגם מספקות מכל שכבה, החוקרים יכולים לערוך ניתוח נפרד על כל שכבה אינדיווידואלית.

מדגם מרובד יכול להבטיח ייצוג של שכבות מסוימות להכללה באוכלוסייה. דגימה אקראית לא יכולה למשוך נקודות נתונים משכבה קטנה יותר, אך מדגם מרובד כולל דוגמאות אלו עם ייצוג יחסי.

נדרשת עבודה נוספת כדי למשוך מדגם מרובד ממדגם אקראי. החוקרים חייבים לעקוב באופן פרטני ולאמת את הנתונים עבור כל שכבה עבור הכללה, אשר יכול לקחת הרבה יותר זמן לעומת דגימה אקראית.