Waarschijnlijkheid Bemonstering: Definitie
Waarschijnlijkheid Bemonstering kan een bemonsteringstechniek zijn waarbij een steekproef uit een grotere populatie wordt gekozen met behulp van een methode die het idee van waarschijnlijkheid ondersteunt. Om als waarschijnlijkheidssteekproef te worden beschouwd, moet een deelnemer worden geselecteerd door middel van een willekeurige selectie. De belangrijkste eis van kansselectie is dat iedereen in uw populatie een bekende en gelijke kans heeft om geselecteerd te worden. Als u bijvoorbeeld een populatie van 100 mensen heeft, heeft iedereen een kans van 1 op 100 om geselecteerd te worden. Waarschijnlijkheidssampling geeft u de eenvoudigste kans om een steekproef te maken die echt representatief is voor de populatie. Waarschijnlijkheidssampling gebruikt de statistische theorie om willekeurig een kleine groep individuen (steekproef) uit een bestaande grote populatie te kiezen en voorspelt dan dat hun antwoorden samen overeenkomen met de algemene populatie.
Soorten waarschijnlijkheidssteekproeven
Eenvoudige bemonstering omdat de naam suggereert dat het een volledig willekeurige methode kan zijn om de steekproef te kiezen. Deze steekproefmethode is zo eenvoudig als het toewijzen van getallen aan de individuen (steekproef) en vervolgens het willekeurig kiezen van die getallen door middel van een automatisch proces. Tot slot zijn de getallen die worden gekozen de leden die in de steekproef zijn opgenomen. Er zijn twee manieren waarop de steekproeven worden gekozen tijdens deze methode van bemonstering: Loterijsysteem en het gebruik van software voor het genereren van getallen/ random nummertabellen. Deze steekproeftechniek werkt meestal rond grote populaties en heeft zijn gerechtvaardigde aandeel in de voor- en nadelen. Bij gestratificeerde steekproeven wordt een grotere populatie vaak verdeeld in kleinere groepen die elkaar soms niet overlappen, maar samen de hele populatie vertegenwoordigen. Terwijl de bemonstering van deze groepen vaak georganiseerd is, wordt van elke groep afzonderlijk een steekproef getrokken. Een gemeenschappelijke methode is het herschikken of classificeren naar geslacht, leeftijd, etniciteit en soortgelijke manieren. Het opsplitsen van onderwerpen in wederzijds uitsluitende groepen en vervolgens met behulp van eenvoudige steekproeven de leden uit de groepen te regelen. De leden in elk van die groepen moeten apart zijn, zodat elk lid van alle groepen het burgerrecht krijgt om met eenvoudige waarschijnlijkheid geselecteerd te worden. Deze steekproefmethode wordt ook wel “random quota sampling” genoemd. Clusterbemonstering kan plaatsvinden door middel van een willekeurige selectie van deelnemers als deze eenmaal geografisch zijn ontsloten. Als u zich bijvoorbeeld wilt vestigen op 100 deelnemers uit de hele bevolking van de VS, is het waarschijnlijk onmogelijk om een hele lijst van iedereen aan te sporen. In plaats daarvan selecteert de onderzoeker willekeurig gebieden (d.w.z. steden of provincies) en selecteert hij willekeurig uit die grenzen. Cluster sampling analyseert meestal een specifieke populatie waarbij de steekproef bestaat uit nogal wat elementen, bijvoorbeeld stad, familie, universiteit etc. De clusters worden vervolgens geselecteerd door de grotere populatie op te delen in verschillende kleinere secties. De clusters worden dan geselecteerd door de grotere populatie op te delen in verschillende kleinere secties. Systematische steekproeven worden genomen zodra u elk “n-de” individu kiest om een buurt van de steekproef te zijn. U kiest bijvoorbeeld elke 5e persoon die in de steekproef wordt opgenomen. Systematische steekproeftrekking is een uitgebreide implementatie van een equivalente oude waarschijnlijkheidstechniek waarbij elk lid van de groep op regelmatige tijdstippen wordt gekozen om een steekproef te maken. Er is een burgerrecht voor elk lid van een populatie om te worden geselecteerd met behulp van deze steekproeftechniek.
Kansberekening Voorbeeld
Laten we een voorbeeld nemen om deze bemonsteringstechniek te kennen. De bevolking van de VS alleen al is 330 miljoen, het is praktisch onmogelijk om een enquête te sturen naar elk individu om informatie te verzamelen, maar je zult waarschijnlijkheidssampling gebruiken om aan te dringen op gegevens die bijna net zo goed zijn, ook al is het verzameld van een kleinere populatie.
Denk bijvoorbeeld aan een hypothetisch bedrijf met 500.000 werknemers op verschillende geografische locaties. De organisatie wil een bepaald amendement vormen in haar personeelsbeleid, maar voordat ze de verandering uitrollen, willen ze begrijpen of de werknemers trots zijn op de verandering of niet. Het is echter een vervelende taak om alle 500.000 werknemers te laten slagen in het buigen. dit is vaak waar kansberekening handig is. Vaak wordt een steekproef uit de grotere populatie, dus uit 500.000 werknemers, gekozen. Deze steekproef zal de populatie vertegenwoordigen. Een enquête wordt nu vaak ingezet voor de steekproef. Aan de hand van de ontvangen reacties zal het management nu weten of de medewerkers in de organisatie tevreden zijn over de wijziging.
Wat zijn de stappen in Probability Sampling?
1. Kies zorgvuldig de populatie die u interesseert: Denk zorgvuldig na en kies tussen de populatie, mensen waarvan u vindt dat ze moeten worden verzameld en neem ze vervolgens op in de steekproef. 2. Bepaal een geschikt steekproefkader: Uw steekproefkader moet een steekproef van de door u geïnteresseerde populatie omvatten en niemand van buitenaf om nauwkeurige gegevens te verzamelen. 3. Selecteer uw steekproef en begin met uw onderzoek: Het kan soms een uitdaging zijn om de juiste steekproef te zoeken en een geschikt steekproefkader te bepalen. hoewel alle factoren in uw voordeel zijn, kunnen er nog steeds onvoorziene problemen zijn zoals de kostenfactor, de kwaliteit van de respondenten en de snelheid waarmee ze antwoorden. Het kan moeilijk, maar niet onmogelijk zijn om een steekproef te krijgen om te antwoorden op een echte waarschijnlijkheidsenquête. Maar in de meeste gevallen zal het trekken van een waarschijnlijkheidssteekproef tijd, geld en tonnen frustratie voorkomen. U kunt vrijwel zeker geen enquêtes naar iedereen sturen, maar u zult altijd iedereen de kans geven om deel te nemen, dit is vaak waar het bij een waarschijnlijkheidssteekproef om gaat.
Wanneer kansspecificatie gebruiken?
1. Wanneer de bemonsteringsvooringen moeten worden verminderd: Deze bemonsteringsmethode wordt toegepast wanneer de vertekening minimaal moet zijn. De keuze van het monster bepaalt in grote mate de standaard van de conclusie van het onderzoek. De manier waarop onderzoekers hun steekproef selecteren bepaalt in grote mate de standaard van de bevindingen van een onderzoeker. Waarschijnlijkheidssampling resulteert in een hogere kwaliteit van de bevindingen omdat het een onbevooroordeelde representatie van de populatie oplevert. 2. Wanneer de populatie typisch divers is: Wanneer uw populatie groot en divers is, wordt deze steekproefmethode meestal uitgebreid gebruikt als waarschijnlijkheidssteekproef om onderzoekers te helpen bij het maken van steekproeven die de populatie volledig vertegenwoordigen. Stel dat we graag willen weten welk percentage mensen de voorkeur geven aan medisch toerisme boven behandeling in hun eigen land, dan zal deze steekproefmethode helpen om steekproeven te nemen uit verschillende sociaaleconomische lagen, achtergronden, enz. om de grotere populatie te vertegenwoordigen. 3. Om een nauwkeurige steekproef te maken: Waarschijnlijkheidsmonsters helpen onderzoekers om een nauwkeurige steekproef van hun bevolking te maken. Onderzoekers kunnen gebruik maken van beproefde statistische methoden om een nauwkeurige steekproef te trekken en zo goed gedefinieerde gegevens te verkrijgen.
Voordelen van Probability Sampling
1. Het is kosteneffectief: Dit proces is zowel kosteneffectief als tijdsbesparend en er kan ook een grotere steekproef worden gekozen met ondersteunde nummers die aan de steekproeven worden toegewezen, waarna willekeurige nummers uit de grotere steekproef kunnen worden gekozen. Het werk hier is voltooid. 2. Het is eenvoudig en gemakkelijk: Waarschijnlijkheidsmonsters nemen is een eenvoudige manier van bemonsteren omdat er geen ingewikkeld proces aan te pas komt. Het is snel en bespaart tijd. De bespaarde tijd kan dus niet worden gebruikt om de informatie te analyseren en conclusies te trekken. 3. It niet-technisch: Deze methode van bemonstering vereist geen technische kennis vanwege de eenvoud waarmee dit zal worden gedaan. Deze methode vereist geen complexe kennis en is niet in het minst lang.