1.15
Próbkowanie klastrowe jest szeroko stosowaną metodą doboru próby w badaniach marketingowych, w których populacja jest duża i rozproszona geograficznie.
Na przykład naukowcy chcą wiedzieć, jaki wybór kariery zawodowej wybierają uczniowie szkół średnich w mieście. Wiązałoby się to z przeprowadzeniem ankiety wśród uczniów ze wszystkich szkół w mieście, co jest czasochłonnym i kosztownym procesem. Nawet losowo wybrana próba nie byłaby adekwatną reprezentacją tej dużej i zróżnicowanej populacji.
Korzystając z próbkowania klastrów, naukowcy dzielą szkoły na różne klastry, a następnie losowo wybierają niektóre z klastrów do utworzenia próby. Teraz przeprowadzany jest wywiad z każdym uczniem z tych wybranych grup.
W związku z tym naukowcy zawęzili dużą populację do kilku mniejszych klastrów i losowo wybrali niektóre z nich do eksperymentu.
W przeciwieństwie do pobierania próbek klastrowych, w próbkowaniu warstwowym wybiera się tylko kilka osobników z każdej warstwy. Ponadto w próbkowaniu warstwowym każda warstwa jest jednorodną grupą, podczas gdy w próbkowaniu klastrowym klastry są niejednorodnymi grupami osobników.
Chociaż metoda ta jest łatwiejsza i bardziej opłacalna, próbki pobrane z próbkowania klastrowego są bardziej podatne na błąd systematyczny i wysoki błąd próbkowania.
Odpowiednie metody pobierania próbek zapewniają, że próbki są pobierane bez stronniczości 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 klastrową, należy podzielić populację na skupienia (grupy), a następnie losowo wybrać niektóre skupienia. Wszyscy członkowie tych klastrów znajdują się w próbie klastra. Na przykład, jeśli losowo wybierzesz cztery wydziały z populacji uczelni, te cztery wydziały utworzą próbę klastra. Podziel wydział uczelni według wydziałów. Działy są klastrami. Ponumeruj każdy wydział, a następnie wybierz cztery różne liczby, korzystając z prostego losowego pobierania próbek. Wszyscy członkowie czterech wydziałów o tych numerach stanowią próbkę klastra.
Metoda próbkowania klastrowego jest opłacalna i pozwala zaoszczędzić czas. Na przykład, aby zbadać społeczności wiejskie, państwo dzieli się na klastry. Teraz zamiast odwiedzać wszystkie lokalizacje, wybierany i badany jest losowy klaster, co pozwala zaoszczędzić zarówno pieniądze, jak i czas. Próbki klastrów zawierają jednak więcej błędów próbkowania, ponieważ mogą nie w pełni reprezentować całą populację.
Ten tekst jest adaptacją Openstax, Wstęp do statystyki, Sekcja 1.2 Dane, Pobieranie próbek i Zróżnicowanie w danych i pobieraniu próbek
Próbkowanie klastrowe jest szeroko stosowaną metodą doboru próby w badaniach marketingowych, w których populacja jest duża i rozproszona geograficznie.
Na przykład naukowcy chcą wiedzieć, jaki wybór kariery zawodowej wybierają uczniowie szkół średnich w mieście. Wiązałoby się to z przeprowadzeniem ankiety wśród uczniów ze wszystkich szkół w mieście, co jest czasochłonnym i kosztownym procesem. Nawet losowo wybrana próba nie byłaby adekwatną reprezentacją tej dużej i zróżnicowanej populacji.
Korzystając z próbkowania klastrów, naukowcy dzielą szkoły na różne klastry, a następnie losowo wybierają niektóre z klastrów do utworzenia próby. Teraz przeprowadzany jest wywiad z każdym uczniem z tych wybranych grup.
W związku z tym naukowcy zawęzili dużą populację do kilku mniejszych klastrów i losowo wybrali niektóre z nich do eksperymentu.
W przeciwieństwie do pobierania próbek klastrowych, w próbkowaniu warstwowym wybiera się tylko kilka osobników z każdej warstwy. Ponadto w próbkowaniu warstwowym każda warstwa jest jednorodną grupą, podczas gdy w próbkowaniu klastrowym klastry są niejednorodnymi grupami osobników.
Chociaż metoda ta jest łatwiejsza i bardziej opłacalna, próbki pobrane z próbkowania klastrowego są bardziej podatne na błąd systematyczny i wysoki błąd próbkowania.
From Chapter 1:
Now Playing
Understanding Statistics
11.5K Views
Understanding Statistics
48.1K Views
Understanding Statistics
32.1K Views
Understanding Statistics
28.8K Views
Understanding Statistics
28.0K Views
Understanding Statistics
26.4K 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
12.2K Views