체계적인 샘플링이란 무엇입니까?
체계적인 샘플링은 연구자가 연구하고자하는 원하는 인구를 제로로 만드는 데 사용하는 통계적 방법입니다. 연구원은 전체 모집단 크기를 원하는 표본 크기로 나누어 샘플링 간격을 계산합니다. 체계적인 샘플링은 그룹의 각 구성원이 샘플을 형성하기 위해 일정한 기간에 선택되는 확률 샘플링의 확장 된 구현입니다.,
체계적인 샘플링 정의
체계적인 샘플링으로 정의된 샘플링 방법을 확률는 연구자를 선택부터 요소를 대상 인구를 선택하여 임의의 시작점과 선택하는 샘플이 고정된’샘플링 간격입니다.’
을 선택하는 응답자
예를 들어,학교에서 선택하는 동안,선장의 스포츠 팀,대부분의 우리의 코치 우리에게 물었 전화 번호를 같은 1-5(1n)학생들은 임의의 수에 의해 결정되는 감독이다. 예를 들어,세 가지 다른 팀의 주장으로 밖으로 호출 될 것 이다., 그것은 코치와 선수 모두에게 스트레스가 많은 선택 과정입니다. 이 샘플링 기술을 사용하여 모집단의 모든 구성원을 선택할 수있는 동등한 기회가 있습니다.
체계적인 샘플링 기술을 사용하여 샘플을 형성하는 단계는 무엇입니까?
여기에는 단계를 형성하는 체계적인 샘플
단계:개발 정의 구조적 관객에 작업을 시작하는 샘플링 측면이다.
단계 두:연구원으로,그림의 이상적인 샘플 크기는,즉 얼마나 많은 사람들이에서는 전체 인구 선택의 일부가 될 수 있습니다.,
3 단계:샘플 크기를 결정하면 샘플의 모든 구성원에게 숫자를 할당하십시오.
4 단계:이 샘플의 간격을 정의합니다. 이것은 요소 사이의 표준 거리가 될 것입니다.
예를 들어 표본 간격은 10 이어야하며,이는 5000(모집단의 n=크기)과 500(표본의 n=크기)을 나눈 결과입니다.
체계적인 샘플링에 대한 공식 간격(i)=N n=5000/500=10
단계는 다섯:구성원을 선택하는 기준에 맞는 이 경우에는 것 1 에서 10 개인이다.,
6 단계:샘플의 시작 멤버(r)를 무작위로 선택하고 난수에 간격을 추가하여 샘플에 멤버를 계속 추가합니다. r,r+i,r+2i 등 샘플의 요소가 될 것입니다.
체계적인 샘플링이 어떻게 작동하는지
샘플링 할 때 인구를 공정하게 대표하는지 확인하십시오. 체계적인 샘플링은 연구자가 구체적으로 정의 된 간격 후에 샘플을 선택하는 대칭 프로세스입니다. 이와 같은 샘플링은 연구원에게 샘플 선택과 관련하여 편견의 여지를 남기지 않습니다., 는 방법을 이해하는 체계적인 샘플링이 정확하게 작품,예를 들어 체육관 등 어디에서 강사를 요청 학생 라인업 요청 모든 세 번째 사람을 확인합니다. 여기서 강사는 샘플을 선택하는 데 아무런 영향을 미치지 않으며 수업을 정확하게 나타낼 수 있습니다.
체계적인 샘플링 example
하는 경우 예를 들어,현지 NGO 찾을 형성하는 체계적인 샘플의 500 자원봉사자들의 인구가 5000,그들이 선택할 수 있는 모든 10 사람은 인구에 있는 구축을 샘플 체계적으로 합니다.
체계적인 샘플링의 유형은 무엇입니까?,
여기에는 형태의 체계적인 샘플링
- 체계적인 무작위 샘플링
- 선형 체계적인 샘플링
- 순환 체계적인 샘플링
의 자세히 살펴보는 이러한 샘플링 기술입니다.
체계적인 무작위 샘플링:
체계적인 무작위 샘플링 방법을 선택하는 샘플에서는 특정 설정한 간격으로. 연구원으로서 1 과 샘플링 간격 사이의 임의의 시작점을 선택하십시오. 다음은 체계적인 무작위 샘플을 설정하는 예제 단계입니다.
- 먼저 샘플링 간격을 계산하고 수정합니다., (모집단의 요소 수를 표본에 필요한 요소 수로 나눈 값입니다.)
- 1 과 샘플링 간격 사이의 임의의 시작점을 선택하십시오.
- 마지막으로 샘플링 간격을 반복하여 후속 요소를 선택하십시오.
선형 체계적인 샘플링:
선형 체계적인 샘플링 체계적인 샘플링 방법 샘플지 않을 반복하는 말에’n’유닛은 선택의 일부가 될 수 있는 샘플을 갖는’N’인구 단위입니다. 샘플의 이러한’n’단위를 무작위로 선택하는 대신 연구원은 건너 뛰기 논리를 적용하여 이들을 선택할 수 있습니다., 선형 경로를 따른 다음 특정 모집단의 끝에서 멈 춥니 다.
이를 샘플링 또는 건너뛰기 간격(k)=N(총 인구는 단위)/n(샘플 크기)
는 방법은 선형 체계적인 샘플 선택해야 하는가?
- 분류 된 순서로 전체 모집단을 정렬합니다.
- 를 선택하는 샘플 크기(n)
- 계산 샘플링 간격(k)=N/n
- 선택 사 1 하 k(포 k)
- 추가 샘플링 간격(k)를 선택한 임의의 숫자 추가 회원이 다음 샘플을 추가하려면 이 방법을 반복하면 나머지 멤버들의 샘플입니다.,
- 경우에 k 없는 정수를 선택할 수 있습니다 가장 가까운 정수,N/n.
순환 체계적인 샘플링:
에서 순환 체계적인 샘플링,샘플 시작 같은 지점에서 다시 다시 한 번 한 후에 종료한다;따라서,이름입니다. 예를 들어 N=7 이고 n=2 인 경우 k=3.5 입니다. 샘플을 형성하는 두 가지 가능한 방법이 있습니다.
- k=3 을 고려하면 샘플은–ad,be,ca,db 및 ec 가됩니다.
- k=4 를 고려하면 샘플은–ae,ba,cb,dc 및 ed 가됩니다.
순환 체계 샘플은 어떻게 선택됩니까?
- 샘플링 간격(k)=N/n 을 계산합니다., 면(N=11n=2,다음 k 로 간주하지 않고 5 6 일)
- 무작위로 시작 1 사 N
- 을 만들에 의해 샘플을 통해 건너뛰는 k 단위로 모든 시간을 선택할 때까지의 구성원 전체 인구입니다.
- 이 방법의 경우 선형 체계적인 샘플링 방법에서 k 샘플과 달리 n 개의 샘플 수가있을 것입니다.
차이 선형 체계적인 샘플링 및 순환 체계적인 샘플링:
여기에 사이의 차이는 선형 체계적인 샘플링 및 순환 체계적인 샘플링입니다.,
|
선형 체계적인 샘플링 |
순환 체계적인 샘플링 |
| 만들기 샘플=k(샘플링 간격) | 만들기 샘플=N(총 인구는) |
| 시작과 끝점의 샘플들이 구분되어 있습니다. | 전체 모집단이 고려되면 시작 지점에서 다시 시작됩니다. |
| 모든 샘플 단위는 선택 전에 선형 방식으로 배열되어야합니다. | 요소는 원형 방식으로 배열됩니다., |
체계적인 샘플링의 장점은 무엇입니까?
다음은 체계적인 샘플링의 장점입니다.
- 연구원이 샘플을 생성,수행,분석하는 것이 매우 간단하고 편리합니다.
- 로 할 필요가 없을 수는 각각의 구성원의 샘플을,그것은 더 나은 대한을 나타내는 인구에 있는 더 빠르고 간단한 방식이다.
- 생성 된 샘플은 회원 선택의 정밀도를 기반으로하며 편애가 없습니다.,
- 에서 다른 방법 확률의 샘플링 방법으로 클러스터를 샘플링하고 층화된 샘플링 또는 비 확률 등의 방법으로 편의 샘플링을 가능성이 있의 클러스터를 만들어 매우 편견은 피에 체계적인 샘플링으로 회원들은 고정된 거리입니다.
- 이 샘플링 방법에 관련된 위험 요소는 극히 미미합니다.
- 경우에 있는 다양한 구성원의 인구,이는 샘플링 기법이 도움이 될 수 있기 때문에도 분포의 구성원을 형성합니다.,
기타 확률 샘플링 기술을 클러스터의 샘플링 및 계층화가 임의 샘플링을 수 있는 아주 조직적이고 도전하는 연구자들과 통계정과 같은 방법을 체계적 또는 간단한 샘플링 임의 샘플링을 위한 더 나은 샘플링이 결과입니다. 그것은 소비하는 적어도 시간을 필요로 그것은 선택의 샘플 크기의 식별을 위한 시작점이 될 필요가 계속 일정한 간격으로를 형성합니다.
응답자 선택
체계적인 샘플링을 사용할 때?,
당신이 5000 의 인구 중 500 개인의 샘플을 형성 할 예를 들어 보자;당신은 인구의 모든 사람을 번호를해야합니다.
번호 매기기가 완료되면 연구원은 숫자를 무작위로 선택할 수 있습니다(예:5). 5 번째 개인은 체계적인 샘플의 일부가 될 첫 번째가 될 것입니다. 그 후 10 번째 멤버가 샘플에 추가됩니다(15 번째,25 번째,35 번째,45 번째 및 4995 까지 회원).,
여기에는 4 개의 다른 상황을 사용하는 경우 체계적인 샘플링
- 예산의 제한:교에서의 샘플링 방법과 같은 단순한 임의 샘플링,샘플링이 기술이 더 적합한 조건에있는 예산에 대한 제한과 또한 매우 복잡하의 성취를 연구하는 학문이다.
- 단순한 구현:으로 체계적인 샘플링에 따라 정의된 샘플링 간격으로 샘플을 결정,그것은 간단에 대한 연구를 통해 샘플 관리와 더쳤습니다., 이는 샘플을 만드는 데 투자 한 시간이 최소이기 때문에 체계적인 샘플링의주기적인 특성으로 인해 소비 된 비용도 제한되기 때문입니다.
- 데이터 패턴의 부재:장소에 배열이없는 특정 데이터가 있습니다. 이 데이터는 체계적인 샘플링을 사용하여 편견없는 방식으로 분석 할 수 있습니다.
- 저렴한 위험의 데이터를 조작이 연구에:그것은 높은 생산성을 연구하는 동안 넓은 주제,특히 있을 때 무시할만한 위험의 데이터를 조작입니다.