1.14
Metoda próbkowania warstwowego jest powszechnie stosowana podczas badania populacji heterogenicznej — populacji o dużych różnicach.
W tym przypadku populacja jest podzielona na dwie lub więcej podgrup lub warstw o wspólnych cechach - w tym przypadku o wspólnym kolorze. Każda warstwa reprezentuje jednorodną grupę dla wspólnego charakteru.
Warstwy wzajemnie się wykluczają, co oznacza, że podmiot musi być obecny tylko w jednej warstwie, podobnie jak czerwony musi być obecny tylko w warstwie 1. Muszą być również wyczerpujące – co oznacza, że wszystkie obiekty o wspólnych cechach, w tym przypadku wszystkie kulki tego samego koloru, muszą być obecne w jednej warstwie.
Następnie kilka osób jest losowo wybieranych z każdej warstwy i łączonych w celu utworzenia próbki.
Załóżmy na przykład, że ktoś chce poznać średnią wagę uczniów z klas od 7 do 12. Ponieważ w populacji są studenci w różnym wieku, waga jest bardzo zróżnicowana w obrębie populacji.
Tak więc studenci są podzieleni na dwie warstwy. Następnie uczniowie są losowo wybierani z każdej warstwy, aby utworzyć próbkę i obliczana jest średnia waga.
Próbkowanie to technika polegająca na wybraniu części (lub podzbioru) większej populacji i badaniu tej części (próbki) w celu uzyskania informacji o populacji. Metoda pobierania próbek zapewnia, że próbki są pobierane bez uprzedzeń i dokładnie reprezentują populację. Ponieważ pomiar całej populacji w badaniu nie jest praktyczny, badacze wykorzystują próbki do reprezentowania populacji będącej przedmiotem zainteresowania.
Aby wybrać próbę warstwową, należy podzielić populację na grupy zwane warstwami, a następnie z każdej warstwy pobrać proporcjonalną liczbę. Można na przykład dokonać stratyfikacji (pogrupowania) populacji uczelni według wydziałów, a następnie wybrać proporcjonalną prostą próbę losową z każdej warstwy (każdego wydziału), aby uzyskać warstwową próbę losową. Aby wybrać prostą próbkę losową z każdego działu, ponumeruj każdego członka pierwszego działu, ponumeruj każdego członka drugiego działu i wykonaj to samo dla pozostałych działów. Następnie użyj prostego losowania, aby wybrać proporcjonalne liczby z pierwszego działu i wykonaj to samo dla każdego z pozostałych działów. Liczby wybrane z pierwszego działu, wybrane z drugiego działu i tak dalej, reprezentują członków tworzących próbkę warstwową.
Badanie regionów geograficznych można przeprowadzić przy użyciu próbkowania warstwowego, w którym regiony o podobnym siedlisku, wysokości i typie gleby można podzielić na warstwy. Warstwowy dobór losowy można również wykorzystać do badania sondaży wyborczych, liczby osób pracujących w godzinach nadliczbowych, średniej długości życia, dochodów różnych populacji oraz dochodów z różnych zawodów w całym kraju.
Ten tekst jest adaptacją Openstax, Introductory Statistics, Section 1.2 Data, Sampling, and Variation in Data and Sampling
Metoda próbkowania warstwowego jest powszechnie stosowana podczas badania populacji heterogenicznej — populacji o dużych różnicach.
W tym przypadku populacja jest podzielona na dwie lub więcej podgrup lub warstw o wspólnych cechach - w tym przypadku o wspólnym kolorze. Każda warstwa reprezentuje jednorodną grupę dla wspólnego charakteru.
Warstwy wzajemnie się wykluczają, co oznacza, że podmiot musi być obecny tylko w jednej warstwie, podobnie jak czerwony musi być obecny tylko w warstwie 1. Muszą być również wyczerpujące – co oznacza, że wszystkie obiekty o wspólnych cechach, w tym przypadku wszystkie kulki tego samego koloru, muszą być obecne w jednej warstwie.
Następnie kilka osób jest losowo wybieranych z każdej warstwy i łączonych w celu utworzenia próbki.
Załóżmy na przykład, że ktoś chce poznać średnią wagę uczniów z klas od 7 do 12. Ponieważ w populacji są studenci w różnym wieku, waga jest bardzo zróżnicowana w obrębie populacji.
Tak więc studenci są podzieleni na dwie warstwy. Następnie uczniowie są losowo wybierani z każdej warstwy, aby utworzyć próbkę i obliczana jest średnia waga.
From Chapter 1:
Now Playing
Understanding Statistics
12.2K Views
Understanding Statistics
48.3K Views
Understanding Statistics
32.3K Views
Understanding Statistics
29.0K Views
Understanding Statistics
28.2K Views
Understanding Statistics
26.6K Views
Understanding Statistics
13.8K Views
Understanding Statistics
14.3K Views
Understanding Statistics
11.3K Views
Understanding Statistics
24.8K Views
Understanding Statistics
8.1K Views
Understanding Statistics
12.2K Views
Understanding Statistics
10.8K Views
Understanding Statistics
8.9K Views
Understanding Statistics
11.5K Views