Jak działa Stratified Random Sampling

Losowe próbkowanie warstwowe  to metoda próbkowania polegająca na podzieleniu populacji na mniejsze grupy – zwane warstwami. Grupy lub warstwy są zorganizowane na podstawie wspólnych cech lub atrybutów członków grupy. Proces podziału populacji na grupy nazywa się stratyfikacją.

Warstwowe losowe pobieranie próbek jest również znane jako kwotowe pobieranie próbek i proporcjonalne pobieranie próbek losowych. Losowe próbkowanie warstwowe ma wiele zastosowań i korzyści, takich jak badanie demografii populacji i oczekiwanej długości życia.

Zrozumienie warstwowego próbkowania losowego

Warstwowe losowe pobieranie próbek dzieli populację na podgrupy. Próbki losowe są pobierane w takiej samej proporcji do populacji z każdej z grup lub warstw. Członkowie każdej utworzonej warstwy (liczba pojedyncza dla warstw) mają podobne atrybuty i cechy.

Losowe próbkowanie warstwowe to metoda próbkowania, która polega na tym, że badacz wybiera małą grupę jako wielkość próby do badań. Ten podzbiór reprezentuje większą populację. Organizowanie populacji w grupy o podobnych cechach pomaga naukowcom zaoszczędzić czas i pieniądze, gdy badana populacja jest zbyt duża, aby analizować ją indywidualnie. Warstwowe losowe pobieranie próbek pomaga, umożliwiając naukowcom organizowanie grup w oparciu o podobne cechy, dzięki czemu losowa próbka jest następnie pobierana z każdej warstwy lub grupy.

Warstwowe losowanie losowe może być wykorzystane, na przykład, do badania sondaży wyborczych, osób pracujących w godzinach nadliczbowych, oczekiwanej długości życia, dochodów różnych populacji i dochodów z różnych zawodów w całym kraju.

Stratyfikowane vs. uproszczone próbkowanie losowe

Prosty losowo próbka jest próbką osobników występujących w populacji, przy czym osoby są wybrane losowo z populacji i umieszcza się w próbce. Ta metoda losowego doboru osób ma na celu wybranie wielkości próby, która jest nieobciążoną reprezentacją populacji. Jednak prosta próba losowa nie jest korzystna, gdy próbki populacji są bardzo zróżnicowane.

I odwrotnie, losowe próbkowanie warstwowe dzieli populację na podgrupy i organizuje je według podobnych cech, cech i zachowania. W rezultacie losowe próbkowanie warstwowe jest korzystniejsze, gdy populacja jest bardzo zróżnicowana, ponieważ pomaga lepiej zorganizować próby do badań.

Jednak prosta próba losowa jest korzystniejsza, gdy populacji nie można podzielić na podgrupy, ponieważ w populacji występuje zbyt wiele różnic. Ponadto proste próby losowe są najlepsze, gdy brakuje informacji na temat populacji, co zapobiega podziałowi populacji na podzbiory w oparciu o cechy lub cechy.

Przykład losowego próbkowania warstwowego

Zespół badawczy zdecydował się przeprowadzić badanie w celu przeanalizowania średnich ocen lub GPA dla 21 milionów studentów w USA. Naukowcy decydują się na losową próbę 4000 studentów z populacji 21 milionów. Zespół chce przejrzeć różne kierunki i późniejsze GPA dla studentów lub przykładowych uczestników.

Spośród 4000 uczestników podział głównych kierunków przedstawia się następująco:

• Angielski: 560
• Nauka: 1135
• Informatyka: 800
• Inżynieria: 1090
• Matematyka: 415

Naukowcy wyodrębnili pięć warstw z procesu losowego losowania warstwowego. Następnie naukowcy analizują dane populacji, aby określić odsetek 21 milionów studentów, którzy studiują na przedmiotach z ich próby. Wyniki pokazują, co następuje:

• 12% specjalizuje się w języku angielskim
• 28% specjalizuje się w naukach ścisłych
• 24% specjalizuje się w informatyce
• 21% specjalizuje się w inżynierii
• 15% kierunek matematyka

Zespół decyduje się na losową próbę proporcjonalną warstwową, w której chce określić, czy kierunki studiów dla studentów w próbie reprezentują ten sam odsetek co populacja.

Jednak proporcje w próbie nie są równe procentom w populacji. Na przykład 12% populacji studentów to kierunki angielskie, podczas gdy 14% studentów w próbie to kierunki angielskie (lub 560 kierunków anglojęzycznych / 4000).

W rezultacie badacze decydują się na ponowne próbkowanie studentów, aby dopasować je do odsetka kierunków studiów w populacji. Spośród 4000 uczniów w swojej próbie decydują się losowo wybrać:

• 480 kierunków angielskich (12% z 4000)
• 1120 kierunków ścisłych (28% z 4000)
• 960 kierunków informatycznych (24% z 4000)
• 840 kierunków inżynierskich (21% z 4000)
• 600 kierunków matematycznych (15% z 4000)

Naukowcy mają teraz proporcjonalną, warstwową próbę losową studentów i ich kierunków, która dokładniej odzwierciedla kierunki dla całej populacji studentów. Stamtąd naukowcy mogą analizować GPA każdej warstwy, a także ich cechy, aby uzyskać lepszy obraz wyników całej populacji studentów.