Prosta próba losowa kontra warstwowa próbka losowa: jaka jest różnica?
Prosta próba losowa i warstwowa: przegląd
W analizie statystycznej „ populacja ” to całkowity zestaw istniejących obserwacji lub danych. Jednak często niemożliwe jest zmierzenie każdej osoby lub punktu danych w populacji. Zamiast tego naukowcy polegają na próbkach. Próbka jest zbiorem obserwacji z populacji. Metoda pobierania próbek to proces używany do pobierania próbek z populacji.
Proste próby losowe i warstwowe próby losowe są powszechnymi metodami uzyskiwania próbki. Prosta próba losowa jest używana do reprezentowania całej populacji danych i losowo wybiera osoby z populacji bez żadnego innego uwzględnienia.
Z drugiej strony, losowa próba warstwowa najpierw dzieli populację na mniejsze grupy lub warstwy w oparciu o wspólne cechy. Dlatego strategia losowania warstwowego zapewni, że członkowie każdej podgrupy zostaną uwzględnieni w analizie danych.
Kluczowe wnioski
- Proste losowe i warstwowe próby losowe są statystycznymi narzędziami pomiarowymi.
- Prosta próba losowa obejmuje niewielką, podstawową część całej populacji, która reprezentuje cały zestaw danych.
- Populacja podzielona jest na różne grupy o podobnych cechach, z których pobierana jest losowa próba warstwowa.
Prosta próbka losowa
Proste losowe pobieranie próbek jest narzędziem statystycznym używanym do opisu bardzo podstawowej próby pobranej z populacji danych. Ta próbka reprezentuje równowartość całej populacji.
Prosta próba losowa jest często używana, gdy dostępnych jest bardzo mało informacji na temat populacji danych, gdy populacja danych ma zbyt wiele różnic, aby można ją było podzielić na różne podzbiory lub gdy w populacji danych występuje tylko jedna odrębna cecha.
Na przykład firma cukiernicza może chcieć zbadać zwyczaje zakupowe swoich klientów, aby określić przyszłość swojej linii produktów. Jeśli jest 10 000 klientów, może wybrać 100 z nich jako próbę losową. Następnie może zastosować to, co znajdzie od tych 100 klientów, do pozostałej części swojej bazy.
Statystycy opracują wyczerpującą listę populacji danych, a następnie wybiorą losową próbę z tej dużej grupy. W tej próbie każdy członek populacji ma równe szanse na bycie wybranym do próby. Można je wybrać na dwa sposoby:
- Poprzez loterię manualną, w której każdy członek populacji otrzymuje numer. Liczby są następnie losowane przez kogoś w celu włączenia ich do próbki. Najlepiej jest to stosować, gdy patrzy się na małą grupę.
- Pobieranie próbek generowane komputerowo. Ta metoda działa najlepiej w przypadku większych zestawów danych, przy użyciu komputera do wybierania próbek, a nie człowieka.
Korzystanie z prostego losowego pobierania próbek umożliwia badaczom dokonywanie uogólnień na temat określonej populacji i pomijanie jakichkolwiek błędów. Może to pomóc określić, jak podejmować przyszłe decyzje. Aby firma cukiernicza z powyższego przykładu mogła użyć tego narzędzia do opracowania nowego smaku cukierków do produkcji w oparciu o obecne gusta 100 klientów. Pamiętaj jednak, że są to uogólnienia, więc jest miejsce na błąd. W końcu to prosta próbka. Tych 100 klientów może nie mieć dokładnej reprezentacji gustów całej populacji.
Stratyfikowane losowe próbkowanie
W przeciwieństwie do prostych prób losowych, losowe próby warstwowe są używane z populacjami, które można łatwo podzielić na różne podgrupy lub podzbiory. Grupy te opierają się na określonych kryteriach, a następnie losowo wybierają elementy z każdej z nich proporcjonalnie do wielkości grupy w stosunku do populacji.
Ta metoda pobierania próbek oznacza, że będą selekcje z każdej innej grupy, której wielkość jest oparta na proporcji do całej populacji. Ale badacze muszą upewnić się, że warstwy się nie pokrywają. Każdy punkt populacji może należeć tylko do jednej warstwy, więc każdy punkt wyklucza się wzajemnie. Nakładanie się warstw zwiększyłoby prawdopodobieństwo uwzględnienia niektórych danych, co spowodowałoby wypaczenie próby.
Firma cukiernicza może zdecydować się na zastosowanie losowej metody losowania warstwowego, dzieląc 100 klientów na różne grupy wiekowe, aby pomóc w określeniu przyszłości swojej produkcji.
Zarządzający portfelami mogą korzystać z losowego próbkowania warstwowego do tworzenia portfeli poprzez replikację indeksu, takiego jak indeks obligacji.
Próbkowanie warstwowe ma pewne zalety i wady w porównaniu z prostym próbkowaniem losowym. Ponieważ wykorzystuje określone cechy, może zapewnić dokładniejszą reprezentację populacji na podstawie tego, co zostało użyte do podzielenia jej na różne podzbiory. Często wymaga to mniejszego rozmiaru próbki, co może oszczędzić zasoby i czas. Ponadto, włączając wystarczającą liczbę punktów próbkowania z każdej warstwy, naukowcy mogą przeprowadzić oddzielną analizę dla każdej z warstw.
Jednak pobranie próbki warstwowej wymaga więcej pracy niż próby losowej. Badacze muszą indywidualnie śledzić i weryfikować dane dla każdej warstwy w celu włączenia, co może zająć znacznie więcej czasu w porównaniu z losowym pobieraniem próbek.