Cos’è il campionamento sistematico?
Il campionamento sistematico è un metodo statistico che i ricercatori usano per azzerare la popolazione desiderata che vogliono ricercare. I ricercatori calcolano l’intervallo di campionamento dividendo l’intera dimensione della popolazione per la dimensione del campione desiderata. Il campionamento sistematico è un’implementazione estesa del campionamento probabilistico in cui ogni membro del gruppo viene selezionato a periodi regolari per formare un campione.,
Definizione di campionamento sistematico
Il campionamento sistematico è definito come un metodo di campionamento probabilistico in cui il ricercatore sceglie elementi da una popolazione target selezionando un punto di partenza casuale e seleziona i membri del campione dopo un intervallo di campionamento fisso.’
Seleziona i tuoi rispondenti
Ad esempio, a scuola, mentre selezioniamo il capitano di una squadra sportiva, la maggior parte dei nostri allenatori ci ha chiesto di chiamare numeri come 1-5 (1-n) e gli studenti con un numero casuale deciso dall’allenatore. Ad esempio, tre sarebbero chiamati a essere i capitani di squadre diverse., È un processo di selezione non stressante sia per l’allenatore che per i giocatori. C’è una pari opportunità per ogni membro di una popolazione di essere selezionato utilizzando questa tecnica di campionamento.
Quali sono i passaggi per formare un campione utilizzando la tecnica del campionamento sistematico?
Ecco i passaggi per formare un campione sistematico:
Fase uno: sviluppare un pubblico strutturale definito per iniziare a lavorare sull’aspetto del campionamento.
Fase due: Come ricercatore, capire la dimensione ideale del campione, cioè, quante persone da tutta la popolazione di scegliere di essere una parte del campione.,
Fase tre: Una volta che si decide la dimensione del campione, assegnare un numero a ogni membro del campione.
Fase quattro: definire l’intervallo di questo campione. Questa sarà la distanza standard tra gli elementi.
Ad esempio, l’intervallo di campionamento dovrebbe essere 10, che è il risultato della divisione di 5000 (N= dimensione della popolazione) e 500 (n=dimensione del campione).
Formula di campionamento sistematico per intervallo (i) = N/n = 5000/500 = 10
Fase cinque: selezionare i membri che si adattano ai criteri che in questo caso saranno 1 su 10 individui.,
Fase sei: scegliere casualmente il membro iniziale (r) del campione e aggiungere l’intervallo al numero casuale per continuare ad aggiungere membri nel campione. r, r + i, r + 2i, ecc. saranno gli elementi del campione.
Come funziona il campionamento sistematico
Quando stai campionando, assicurati di rappresentare la popolazione in modo equo. Il campionamento sistematico è un processo simmetrico in cui il ricercatore sceglie i campioni dopo un intervallo specificamente definito. Campionamento come questo non lascia al ricercatore spazio per pregiudizi riguardo alla scelta del campione., Per capire come funziona esattamente il campionamento sistematico, prendi l’esempio della classe di palestra in cui l’istruttore chiede agli studenti di allinearsi e chiede a ogni terza persona di uscire dalla linea. Qui, l’istruttore non ha alcuna influenza sulla scelta dei campioni e può rappresentare con precisione la classe.
Esempio di campionamento sistematico
Ad esempio, se una ONG locale sta cercando di formare un campione sistematico di 500 volontari da una popolazione di 5000, può selezionare ogni decima persona nella popolazione per costruire un campione sistematicamente.
Quali sono i tipi di campionamento sistematico?,
Ecco i tipi di campionamento sistematico:
- Campionamento casuale sistematico
- Campionamento sistematico lineare
- Campionamento sistematico circolare
Diamo un’occhiata più da vicino a queste tecniche di campionamento.
Campionamento casuale sistematico:
Il campionamento casuale sistematico è un metodo per selezionare campioni a un particolare intervallo preimpostato. Come ricercatore, selezionare un punto di partenza casuale tra 1 e l’intervallo di campionamento. Di seguito sono riportati i passaggi di esempio per impostare un campione casuale sistematico:
- In primo luogo, calcolare e correggere l’intervallo di campionamento., (Il numero di elementi nella popolazione diviso per il numero di elementi necessari per il campione.)
- Scegliere un punto di partenza casuale tra 1 e l’intervallo di campionamento.
- Infine, ripetere l’intervallo di campionamento per scegliere gli elementi successivi.
Campionamento sistematico lineare:
Il campionamento sistematico lineare è un metodo di campionamento sistematico in cui i campioni non vengono ripetuti alla fine e le unità ” n “sono selezionate per far parte di un campione con unità di popolazione “N”. Piuttosto che selezionare queste ” n ” unità di un campione in modo casuale, un ricercatore può applicare una logica di salto per selezionarle., Segue un percorso lineare e poi si ferma alla fine di una particolare popolazione.
Questo intervallo di campionamento o di salto (k) = N (unità di popolazione totale)/n (dimensione del campione)
Come viene selezionato un campione sistematico lineare?
- Disporre l’intera popolazione in una sequenza classificata.
- Selezionare la dimensione del campione (n)
- Calcolare l’intervallo di campionamento (k) = N/n
- Selezionare un numero casuale tra 1 e k (tra cui k)
- Aggiungere l’intervallo di campionamento (k) per la scelta di un numero casuale per aggiungere il prossimo membro di un campione e ripetere questa procedura per aggiungere i restanti membri del campione.,
- Nel caso in cui k non sia un numero intero, è possibile selezionare il numero intero più vicino a N/n.
Campionamento sistematico circolare:
Nel campionamento sistematico circolare, un campione ricomincia dallo stesso punto ancora una volta dopo la fine; quindi, il nome. Ad esempio, se N = 7 e n = 2, k=3.5. Ci sono due modi probabili per formare il campione:
- Se consideriamo k=3, i campioni saranno – ad, be, ca, db ed ec.
- Se consideriamo k = 4, i campioni saranno-ae, ba, cb, dc e ed.
Come viene selezionato un campione sistematico circolare?
- Calcolare l’intervallo di campionamento (k) = N/n., (Se N = 11 e n = 2, k viene preso come 5 e non 6)
- Inizia casualmente tra 1 e N
- Crea campioni saltando le unità k ogni volta fino a selezionare i membri dell’intera popolazione.
- Nel caso di questo metodo, ci sarà N numero di campioni, a differenza dei campioni k nel metodo di campionamento sistematico lineare.
Differenza tra campionamento sistematico lineare e campionamento sistematico circolare:
Ecco la differenza tra campionamento sistematico lineare e campionamento sistematico circolare.,
|
Lineare Campionamento Sistematico |
Circolare Campionamento Sistematico |
| Creare campioni = k (intervallo di campionamento) | Creare campioni = N (popolazione totale) |
| L’inizio e gli endpoint di questo campione sono distinti. | Si riavvia dal punto di partenza una volta che l’intera popolazione è considerata. |
| Tutte le unità campione devono essere disposte in modo lineare prima della selezione. | Gli elementi saranno disposti in modo circolare., |
Quali sono i vantaggi del campionamento sistematico?
Ecco i vantaggi del campionamento sistematico.
- È estremamente semplice e conveniente per i ricercatori creare, condurre, analizzare campioni.
- Poiché non è necessario numerare ciascun membro di un campione, è meglio rappresentare una popolazione in modo più rapido e semplice.
- I campioni creati sono basati sulla precisione nella selezione dei membri e liberi da favoritismi.,
- Negli altri metodi di campionamento probabilistico come il campionamento di cluster e il campionamento stratificato o metodi non probabilistici come il campionamento di convenienza, ci sono possibilità che i cluster creati siano altamente distorti, il che è evitato nel campionamento sistematico poiché i membri sono a una distanza fissa l’uno dall’altro.
- Il fattore di rischio coinvolto in questo metodo di campionamento è estremamente minimo.
- Nel caso in cui ci siano diversi membri di una popolazione, questa tecnica di campionamento può essere utile a causa della distribuzione uniforme dei membri per formare un campione.,
Altre tecniche di campionamento probabilistico come il campionamento cluster e il campionamento casuale stratificato possono essere molto disorganizzate e impegnative a causa delle quali ricercatori e statistici si sono rivolti a metodi come il campionamento sistematico o il campionamento casuale semplice per ottenere risultati migliori. Consuma meno tempo in quanto richiede una selezione della dimensione del campione e l’identificazione del punto di partenza per questo campione, che deve essere continuato a intervalli regolari per formare un campione.
Selezionare i rispondenti
Quando utilizzare il campionamento sistematico?,
Facciamo un esempio in cui vuoi formare un campione di 500 individui su una popolazione di 5000; dovresti numerare ogni persona nella popolazione.
Una volta completata la numerazione, il ricercatore può selezionare un numero in modo casuale, ad esempio 5. Il quinto individuo sarà il primo a far parte del campione sistematico. Successivamente, il 10 ° membro verrà aggiunto al campione, così via e così via (15°, 25°, 35, 45 ° e membri fino al 4995).,
Ecco altre 4 situazioni in cui utilizzare il campionamento sistematico:
- Restrizioni di budget: rispetto ad altri metodi di campionamento come il semplice campionamento casuale, questa tecnica di campionamento è più adatta per condizioni in cui ci sono restrizioni di budget e anche la realizzazione estremamente semplice dello studio.
- Implementazione semplice: poiché il campionamento sistematico dipende dagli intervalli di campionamento definiti per decidere il campione, diventa semplice per i ricercatori e gli statistici gestire i campioni con più intervistati., Questo perché il tempo investito nella creazione di campioni è minimo e anche il costo speso è limitato a causa della natura periodica del campionamento sistematico.
- Assenza di pattern di dati: ci sono dati specifici che non hanno un accordo in atto. Questi dati possono essere analizzati in modo imparziale, utilizzando il campionamento sistematico.
- Basso rischio di manipolazione dei dati nella ricerca: è altamente produttivo durante la ricerca di un argomento ampio, specialmente quando c’è un rischio trascurabile di manipolazione dei dati.