Wat is systematische bemonstering?

Systematisch bemonsteren is een soort van waarschijnlijkheidsonderzoekstrategie waarbij testpersonen uit een grotere populatie worden gekozen door een onregelmatige beginfase, maar met een vaste, incidentele tussentijd. Deze tussentijd, die de testinterval wordt genoemd, wordt bepaald door de populatiegrootte te delen door de ideale voorbeeldgrootte.

Ondanks het feit dat de voorbeeldbevolking op voorhand wordt gekozen, is opzettelijk onderzoek nog steeds een idee van onregelmatig als de tussenliggende periode op voorhand wordt opgelost en de beginfase arbitrair is.

Hoe Systematische bemonstering werkt

Aangezien het nemen van een willekeurige basissteekproef van een populatie verkwistend en vervelend kan zijn, gaan de analisten naar verschillende technieken, bijvoorbeeld het ordelijk onderzoeken. Het kiezen van een voorbeeldgrootte door middel van een methodische methode moet snel mogelijk zijn. Wanneer een vaste beginfase is herkend, wordt een vaste tussentijd gekozen om de keuze van de leden te stimuleren.

Systematische monsterneming is wenselijk in plaats van elementaire arbitraire tests wanneer er een algemene veiligheid van informatiecontrole is. Als de kans groot is dat een dergelijk gevaar groot is wanneer een specialist de tussentijd kan controleren om de gewenste resultaten te verkrijgen, zou een eenvoudige, willekeurige inspectieprocedure steeds meer op zijn plaats zijn.

Systematische bemonstering is bekend bij specialisten en examinatoren vanwege de moeiteloosheid ervan. Analisten, voor het grootste deel, behalve de uitkomsten zijn illustratief voor de meeste typische populaties, behalve als er bij elke “nth” informatietest (die vergezocht is) sprake is van een onregelmatig handelsmerk. Als zodanig moet een populatie een karakteristiek niveau van onregelmatigheid tonen samen met de geplukte meting. Bij de kans dat de populatie een soort van geïnstitutionaliseerd voorbeeld heeft, wordt het gevaar van het onbedoeld plukken van uitzonderlijk regelmatige gevallen steeds duidelijker.

Binnen Systematische bemonstering moet, net als bij andere inspectietechnieken, een objectieve populatie worden gekozen voordat de leden worden gekozen. Een populatie kan worden herkend afhankelijk van een willekeurig aantal gewenste attributen die passen bij de reden waarom het onderzoek wordt geleid. Sommige keuzecriteria kunnen betrekking hebben op leeftijd, seksuele geaardheid, ras, gebied, opleidingsniveau en daarnaast ook op de roeping.

Voorbeelden van systematische bemonstering

Als een theoretisch geval van Voorbeelden van Systematische Sampling, verwachten dat in een populatie van 10.000 individuen, een analist kiest elk 100ste individu voor de inspectie. Het inspecteren van interims kan ook nauwkeurig zijn, bijvoorbeeld het kiezen van een ander voorbeeld om uit te putten met regelmatige tussenpozen.

Als een ander model, op de uit kans dat je nodig hebt om te kiezen voor een willekeurige bijeenkomst van 1.000 personen uit een populatie van 50.000 met behulp van efficiënte inspectie, moeten alle potentiële leden worden ingesteld in een overzichtelijke en een beginfase zou worden gekozen. Wanneer de lijst is gevormd, zou elk 50ste individu op de lijst (beginnende met de controle in het gekozen beginstadium) worden gekozen als lid, aangezien 50.000/1.000 = 50.

Bijvoorbeeld, als de gekozen beginfase 20 was, zou de 70e persoon op de ranglijst worden geplukt door de 120e, enz. Wanneer het einde van de ronde is bereikt en als er extra leden nodig zijn, draait de telling naar het begin van de ronde om de controle af te ronden.

 Systematische monsterneming Versus Clusterbemonstering

Systematische bemonstering en clusterbemonstering variëren door de manier waarop ze de testfocus van de in het voorbeeld geïncorporeerde populatie trekken. Clusterbemonstering verdeelt de populatie in clusters en neemt vervolgens een eenvoudige aselecte steekproef uit elk cluster.

Systematische bemonstering kiest een willekeurig beginstadium uit de populatie, en daarna wordt een voorbeeld genomen uit de normale vaste interims van de populatie op basis van de grootte. Door de populatie te groeperen wordt deze in clusters verdeeld en vervolgens wordt uit elk cluster een eenvoudige, willekeurige steekproef genomen.

.

Clusterbemonstering wordt als minder nauwkeurig beschouwd dan andere bemonsteringsmethoden. Het kan echter kosten besparen op het verkrijgen van een monster. Clusterbemonstering is een twee-staps bemonsteringsprocedure Het kan worden gebruikt wanneer het afmaken van een overzicht van de hele populatie lastig is. Het kan bijvoorbeeld moeilijk zijn om de hele populatie van de klanten van een supermarkt te verzamelen.

In ieder geval zou een individu een onregelmatige deelverzameling van winkels kunnen maken, wat de beginfase tegelijkertijd is. De volgende stap is om te voldoen aan een willekeurig voorbeeld van de klanten van die winkels. Dit is een handmatige basisprocedure die tijd en geld kan besparen.

Beperkingen van systematische bemonstering

Een gevaar waar analisten aan moeten denken bij het leiden van systematische monsterneming is de samenstelling van het verlagingspercentage dat wordt gebruikt bij de tussentijdse monsterneming. In het geval dat de populatie die op het overzicht is ingesteld, is samengesteld in een herhalend ontwerp dat overeenkomt met de bemonsteringsinterval, kan de gekozen test eenzijdig zijn.

Het HR-kantoor van een organisatie moet bijvoorbeeld een voorbeeld nemen aan de werknemers en informatie krijgen over de aanpak van de organisatie. Vertegenwoordigers worden in groepen van 20 bijeengebracht, waarbij elke groep wordt geleid door een beheerder. Bij de kans dat het aantal medewerkers dat wordt gebruikt om het voorbeeld te kiezen, wordt gesorteerd met groepen die zijn gebundeld, brengt de analist het gevaar met zich mee dat alleen beheerders (of geen leiders) worden gekozen, die afhankelijk zijn van de onderzochte interim.