体系的なサンプリングとは何ですか？
体系的なサンプリングは、研究者が研究したい所望の母集団をゼロにするために使用する統計的方法である。 研究者の計算サンプリング間隔に分け全体の人口規模により、ご希望のサンプルサイズです。 体系的なサンプリングは、グループの各メンバーがサンプルを形成するために定期的な期間に選択される確率サンプリングの拡張実装です。,
体系的なサンプリング定義
体系的なサンプリングは、研究者がランダムな開始点を選択することにより、標的集団から要素を選択し、固定された”サンプリング間隔”の後にサンプルメンバーを選択する確率サンプリング法として定義される。’
あなたの回答者を選択
例えば、学校では、スポーツチームのキャプテンを選択しながら、私たちのコーチのほとんどは、このような1-5（1-n）とコーチによって決 例えば、三人は異なるチームのキャプテンになるように呼び出されるでしょう。, それはコーチおよびプレーヤー両方のための非緊張に満ちた選択プロセスである。 このサンプリング手法を使用して、母集団のすべてのメンバーが選択される平等な機会があります。
体系的なサンプリング技術を使用してサンプルを形成する手順は何ですか？
体系的なサンプルを形成するための手順は次のとおりです。
ステップワン：サンプリングの側面に取り組み始めるために定義された構造オーディエンスを開発します。
ステップ二：研究者として、サンプルの理想的なサイズ、すなわち、サンプルの一部であることを選択する全集団からどのように多くの人々を把握します。,
ステップ三：サンプルサイズを決定したら、サンプルのすべてのメンバーに番号を割り当てます。
ステップ四：このサンプルの間隔を定義します。 これは要素間の標準距離になります。
たとえば、サンプル間隔は10である必要があり、これは5000（n=母集団のサイズ）と500（n=サンプルのサイズ）の除算の結果です。
間隔の体系的なサンプリング式(i)=N/n=5000/500=10
ステップファイブ：この場合、1で10人になる基準に適合するメンバーを選択します。,
ステップ六：ランダムにサンプルの開始メンバー（r）を選択し、サンプル内のメンバーを追加し続けるために乱数に間隔を追加します。 r、r+i、r+2iなど サンプルの要素になります。
体系的なサンプリングの仕組み
サンプリングするときは、母集団を公平に表現するようにしてください。 体系的なサンプリングは、研究者が具体的に定義された間隔の後にサンプルを選択する対称的なプロセスです。 サンプリングのようにこの研究室のためのバイアスに関してのサンプルです。, 体系的なサンプリングが正確にどのように機能するかを理解するには、インストラクターが学生にラインアップを要求し、すべての第三者にライン ここでは、インストラクターはサンプルの選択に影響を与えず、クラスを正確に表現できます。
体系的なサンプリングの例
たとえば、地元のNGOが500人の人口から5000人のボランティアの体系的なサンプルを形成しようとしている場合、人口の10人ごとにサンプルを体系的に構築することができます。
体系的なサンプリングの種類は何ですか？,
体系的なサンプリングのタイプは次のとおりです。
- 体系的なランダムサンプリング
- 線形システマティックサンプリング
- 循環システマティックサンプリング
これらのサンプリング技術を詳しく見てみましょう。
系統的無作為抽出：
系統的無作為抽出は、特定の予め設定された間隔でサンプルを選択する方法です。 研究者として、1とサンプリング間隔の間のランダムな開始点を選択します。 以下は、体系的なランダムサンプルを設定する手順の例です。
- まず、サンプリング間隔を計算して固定します。, （母集団内の要素の数をサンプルに必要な要素の数で割ったもの。)
- 1とサンプリング間隔の間のランダムな開始点を選択します。
- 最後に、サンプリング間隔を繰り返して後続の要素を選択します。
線形システマティックサンプリング：
線形システマティックサンプリングは、サンプルが最後に繰り返されず、’n’単位が’N’母集団単位を持つサンプルの一部として選択される体系的なサンプリング方法です。 より選択され何台のサンプルをランダム研究では、スキップの論理を選択します。, それは線形経路をたどり、特定の母集団の終わりに停止します。
このサンプリングまたはスキップ間隔（k）=N（総母集団ユニット）/n（サンプルサイズ）
線形系統的サンプルはどのように選択されますか？
- 母集団全体を分類された順序で配置します。
- サンプルサイズ(n)を選択します
- サンプリング間隔(k)=N/nを計算します
- 1からk(kを含む)までの乱数を選択します
- 選択した乱数にサンプリング間隔(k)を追加して、次のメンバーをサンプルに追加し、この手順を繰り返してサンプルの残りのメンバーを追加します。,
- kが整数でない場合は、N/nに最も近い整数を選択できます。
Circular systematic sampling:
circular systematic samplingでは、サンプルは終了後再び同じ点から開始されます。 たとえば、N=7およびn=2の場合、k=3.5です。 サンプルを形成するには二つの可能性のある方法があります：
- k=3を考えると、サンプルは–ad、be、ca、db、ecになります。
- k=4と考えると、サンプルは–ae、ba、cb、dc、edになります。
循環系標本はどのように選択されますか？
- サンプリング間隔（k）=N/nを計算します。, （N=11およびn=2の場合、kは5であり、6ではないとみなされます）
- 1からNまでのランダムに開始
- 母集団全体のメンバーを選択するまで毎回k単位をスキップしてサンプルを作成します。
- この方法の場合、線形システマティックサンプリング法のkサンプルとは異なり、N個のサンプルが存在します。
線形系統的サンプリングと循環系統的サンプリングの違い：
ここでは、線形系統的サンプリングと循環系統的サンプリングの違いです。,
|
線形システマティックサンプリング |
循環システマティックサンプリング |
| サンプルを作成=k(サンプリング間隔) | サンプルを作成=N(総母集団) |
| このサンプルの端点は異なります。 | 母集団全体が考慮されると、開始点から再起動します。 |
| すべてのサンプルユニットは、選択前に線形に配置する必要があります。 | 要素は円形に配置されます。, |
体系的なサンプリングの利点は何ですか？
体系的なサンプリングの利点は次のとおりです。
- 研究者がサンプルを作成、実施、分析することは非常に簡単で便利です。
- サンプルの各メンバーに番号を付ける必要はないので、より速く簡単な方法で母集団を表す方が良いです。
- 作成されたサンプルは、メンバーの選択の精度に基づいており、好き嫌いから解放されています。,
- クラスタサンプリングや層別サンプリングなどの確率サンプリング法や便利サンプリングなどの非確率法の他の方法では、メンバーが互いに一定の距離にあるため、体系的なサンプリングでは回避される高度にバイアスされる可能性があります。
- このサンプリング方法に関与するリスクの要因は非常に最小限です。
- 母集団の多様なメンバーが存在する場合、このサンプリング技術は、サンプルを形成するためのメンバーの均等な分布のために有益であり得る。,
クラスターサンプリングや層別ランダムサンプリングのような他の確率サンプリング技術は、研究者や統計学者がより良いサンプリング結果のため それはサンプルサイズの選択およびサンプルを形作るために一定間隔で続けられる必要があるこのサンプルのための出発点の同一証明を要求するので最少の時間を消費する。
あなたの回答者を選択します
体系的なサンプリングを使用する場合は？,
500人の人口のうち5000人の個体のサンプルを形成する例を見てみましょう。
番号付けが完了すると、研究者は5などの番号をランダムに選択することができます。 5番目の個体は、体系的なサンプルの一部となる最初のものになります。 その後、10番目のメンバーがサンプルに追加されます（15番目、25番目、35番目、45番目、および4995までのメンバー）。,
ここでは、体系的なサンプリングを使用する場合の4つの他の状況があります：
- 予算の制限：単純なランダムサンプリングのような他のサンプリング法と比べて、このサンプリング技術は、予算の制限があり、研究の非常に複雑でない達成がある条件に適しています。
- 複雑でない実装：体系的なサンプリングは、サンプルを決定するために定義されたサンプリング間隔に依存するように、研究者や統計学者は、より多くの回答者とサンプルを管理するために簡単になります。, これは、サンプル作成に費やされる時間が最小限であり、体系的なサンプリングの定期的な性質のために費やされるコストも制限されるためです。
- データパターンの欠如：配置されていない特定のデータがあります。 このデータは、体系的なサンプリングを使用して、公平な方法で分析することができます。
- 研究におけるデータ操作のリスクが低い：特にデータ操作のリスクが無視できる場合、幅広いテーマを研究している間は生産性が高くなります。