- Mga uri ng posibilidad o random sampling
- Simpleng random sampling
- Systematic random sampling
- Pinahusay na random sampling
- Random na cluster sampling
- Mga uri ng di-posibilidad na sampling
- Maginhawang pagbahagi
- Quota sampling
- Pag-sampal ng snowball
- Diskriminaryong sampling
- Mga Sanggunian
Ang mga uri ng sampling ay ang iba't ibang mga paraan ng pagkuha ng data mula sa isang bahagi ng kabuuan, isang malakas na tool na pang-istatistika na ang pagpapaandar ay upang matukoy kung anong bahagi ng populasyon o uniberso ang kinakailangan upang suriin, upang gumawa ng mga inpormasyon at makakuha ng impormasyon tungkol dito.
Napakahalaga ng sampling kapag hindi mo nais o ayaw mong suriin ang buong populasyon. Tandaan na ang salitang "populasyon" ay hindi lamang tumutukoy sa isang malaking pangkat ng mga tao o mga nabubuhay na nilalang, ngunit sa pangkalahatan sa kabuuan ng mga elemento na pag-aaralan sa isang naibigay na problema.

Larawan 1. Mahalaga ang sampling upang pumili ng isang halimbawang sample mula sa isang uniberso. Pinagmulan: Pixabay.
Ayon sa uri ng napiling sampling, ang bahagi ng populasyon na itinuturing na pinaka kinatawan ay napili, palaging naaayon sa mga layunin.
Siyempre, kapag ang bahagi lamang ng uniberso ng data ay nakuha, posible na makaligtaan ang ilang mga detalye at iwasan ang impormasyon, na ang dahilan kung bakit ang mga resulta ay hindi magiging tumpak ayon sa nararapat. Ito ay kilala bilang sampling error.
Ang ideya ay upang gawing simple ang uniberso ng data hangga't maaari, pagpili ng pinakamaraming halimbawang sample na may kakayahang magbigay ng maximum na impormasyon, upang matiyak ang pagiging epektibo ng mga resulta.
Mga uri ng posibilidad o random sampling
Ang isang probabilidad na sampling ay batay sa posibilidad na mapili ang mga paksa ng sample. Sa ganitong paraan, ang bawat elemento ng populasyon ay bibigyan ng isang kilalang pagkakataon na mapili, na siyempre ay dapat na higit sa 0.
Napakahalaga nito, dahil maaaring mangyari na mula sa isang uniberso ng data, napili ang isang sample na hindi sapat na kinatawan ng buong.
Kung gayon, ang mga resulta ay magiging bias, dahil ang ilang mga bahagi ng populasyon ay mas pinapaboran sa iba. Upang maiwasan ang bias, kung saan mayroong maraming mga kategorya, ang isang pagpipilian ay hayaan ang pagkakataon na piliin ang sample at sa gayon bigyan ang bawat elemento ng isang di-zero na posibilidad na mapili.
Simpleng random sampling
Ito ay isang simpleng paraan upang matiyak na ang pagkakataong gawin ang trabaho nito. Halimbawa, kung ito ay isang katanungan ng pagpili ng ilang mga bata sa isang klase upang lumahok sa isang kaganapan sa sining ng paaralan, ang lahat ng mga pangalan ng mga bata ay inilalagay sa magkatulad na nakatiklop na mga balota, halo-halong sa isang sumbrero, at isang maliit na iguguhit nang random.
Ang lahat ng mga bata sa klase ay bumubuo ng populasyon, at ang kaunting mga balota na nakuha sa sumbrero ay ang halimbawang.
Ang tagumpay ng pamamaraan ay namamalagi sa paggawa ng isang kumpletong listahan ng lahat ng mga bata, upang walang maiiwan. Sa isang maliit na kurso hindi ito isang problema; Ngunit kung nais mong pumili ng isang sample mula sa isang mas malaking populasyon, kailangan mong pinuhin ang pamamaraan.
Ang simpleng random sampling ay maaaring isagawa gamit ang kapalit o kapalit. Halimbawa, kung kumuha kami ng ilang elemento mula sa populasyon at ibalik ito pagkatapos piliin at suriin ito, ang uniberso ng aming mga elemento ay palaging nananatiling pareho sa buong pag-aaral.
Kung, sa kabaligtaran, ang napiling elemento ay pinag-aralan, higit pa ay hindi naibalik, ito ay sampling nang walang kapalit. Dapat itong isaalang-alang kapag kinakalkula ang posibilidad ng isang elemento na napili.
Systematic random sampling
Upang maisagawa ang sampling na ito, kinakailangan din na ilista ang mga elemento ng N at tukuyin din ang laki ng sample, na tatawagin namin n. Ang listahan ay tinatawag na isang sampling frame.
Ngayon ang hangganan ng jump ay tinukoy, na kung saan ay ipinapahiwatig ng titik k at kinakalkula tulad nito:
Ang isang random na numero ay pinili - nang random - sa pagitan ng 1 at k, na tinatawag na ro random na pagsisimula. Ito ang unang indibidwal sa listahan na napili at mula doon napili ang mga sumusunod na elemento sa listahan.
Isang halimbawa: ipagpalagay na mayroon kang isang listahan ng mga 2000 na mag-aaral mula sa isang unibersidad at nais mong makakuha ng isang sample ng 100 mga mag-aaral upang lumahok sa isang kongreso.
Ang unang dapat gawin ay hanapin ang halaga ng k:
Kapag nahati namin ang kabuuang bilang ng mga mag-aaral sa 100 mga fragment ng 20 mga mag-aaral, ang isa sa mga fragment ay nakuha at isang random na numero ang napili sa pagitan ng 1 at 20, halimbawa 12. Samakatuwid ang ikalabindalawang estudyante sa aming listahan ay random na boot.
Ang susunod na mag-aaral na mapili ay dapat na 12 + 20 = 22, pagkatapos ay 42, pagkatapos 62 at iba pa, hanggang sa matapos ang lahat ng 100.
Tulad ng nakikita mo, ito ay isang mabilis na pamamaraan upang ilapat at na karaniwang nagbibigay ng napakahusay na mga resulta, nang hindi kinakailangang ilagay ang mga pangalan ng 2000 sa isang sumbrero at kumuha ng 100 sa mga ito, hangga't walang mga periodicities sa populasyon, na nagbibigay ng pagtaas sa mga bias. .
Pinahusay na random sampling

Figure 2 Sa stratified random sampling, ang populasyon ay nahahati sa mga segment na tinatawag na strata. Pinagmulan: Pixabay.
Sa simpleng random sampling, ang bawat item sa populasyon ay may parehong posibilidad na mapili. Ngunit hindi ito palaging magiging totoo, lalo na kung may mas maraming pagiging kumplikado upang isaalang-alang.
Upang maisagawa ang isang stratified random na sampling scheme, ang populasyon ay dapat nahahati sa mga pangkat na may mga katulad na katangian. Ito ang mga strata. Ang strata ay pagkatapos ay kinuha at simpleng mga random na sample ay pinili mula sa bawat isa, kung saan pagkatapos ay pinagsama upang mabuo ang pangwakas na sample.
Ang strata ay natutukoy bago sampling, pag-aaral ng mga katangian ng data universe.
Ang mga katangiang ito ay maaaring katayuan sa pag-aasawa, edad, lugar kung saan ka nakatira, halimbawa sa urban, suburban at rural na populasyon, propesyon, antas ng edukasyon, kasarian at marami pa.
Sa anumang kaso, inaasahan na ang mga katangian ng bawat stratum ay magiging natatangi, iyon ay, na ang bawat stratum ay homogenous.
Sa loob ng stratified sampling makilala natin ang dalawang kategorya, ayon sa kung ang laki ng sample ng bawat stratum o o hindi proporsyonal sa laki nito.
Random na cluster sampling
Ang mga pamamaraan na inilarawan sa itaas ay piliin ang mga elemento ng sample nang direkta, ngunit sa sampol ng kumpol, isang pangkat ng mga elemento ang pinili mula sa populasyon at ito ang magiging sampling unit, na kung saan ay tinatawag na isang kumpol.
Ang mga halimbawa ng mga kumpol ay ang mga kagawaran ng isang unibersidad, mga geographic na entidad tulad ng mga lalawigan, lungsod, county o munisipalidad, na lahat ay may parehong posibilidad na mapili. Sa kaso ng pagpili ng isang geographic na nilalang, nagsasalita kami ng sampling ayon sa mga lugar.
Kapag napili ang mga kumpol, ang mga elemento na masuri ay pinili mula doon. Samakatuwid, ang pamamaraan ay maaaring magkaroon ng maraming mga yugto.
Ang pamamaraang ito ay may ilang pagkakatulad sa stratified random na pamamaraan, maliban na dito ang ilang mga kumpol ay pinili mula sa kabuuan, habang sa nakaraang pamamaraan lahat ng strata ng populasyon ay pinag-aralan.
Mga uri ng di-posibilidad na sampling
Ang posibilidad ng sampling ay maaaring napakamahal sa ilang mga sitwasyon, dahil ang oras at mapagkukunan ay dapat na mamuhunan upang makahanap ng mga halimbawa na tunay na kinatawan.
Madalas din itong nangyayari na walang kumpletong sampling frame - ang listahan-, samakatuwid hindi posible upang matukoy ang posibilidad ng pagpili ng isang elemento.
Para sa mga kasong ito, ginagamit ang mga uri ng di-probabilidad na sampling, na kung saan nakuha ang impormasyon, kahit na walang garantiya ng katumpakan sa mga resulta.
Kapag inilapat ang ganitong uri ng sampling, ang ilang pamantayan ay dapat pa ring sundin sa oras ng pagpili, na hinahanap na ang sample ay sapat na hangga't maaari.
Maginhawang pagbahagi
Ito ay isang medyo elementarya na uri ng sampling, kung saan ang mga elemento ng sample ay pinili ayon sa kanilang kakayahang magamit, iyon ay, ang pagpili ng mga indibidwal na pinakamalapit sa kamay. Ito ay may bentahe ng pagiging napakababang pamamaraan ng gastos, dahil sa bilis at kaginhawaan nito.
Ngunit tulad ng sinabi, walang katiyakan sa pagkuha ng maaasahang impormasyon sa iyong mga resulta. Minsan ginagamit ito upang gumawa ng mabilis, maikling mga botohan bago ang isang halalan, o upang magtanong tungkol sa mga kagustuhan ng customer para sa ilang mga produkto.
Halimbawa, ang isang pollster ay maaaring pumunta sa exit ng tatlo sa mga shopping center na pinakamalapit sa kanyang bahay at tanungin ang mga taong umalis kung kaninong kandidato ang kanilang iboboto. O kaya ay maaaring suriin ng isang guro ang kanilang sariling mga mag-aaral, sapagkat mayroon silang agarang pag-access sa kanila.
Kahit na mukhang ang mga resulta ng naturang pamamaraan ay walang halaga, nangyayari na maaari silang maging isang mabuting pagmuni-muni ng populasyon, hangga't may mga mabuting dahilan upang isipin na ang bias ay hindi masyadong malaki.
Gayunpaman, hindi ito gaanong simple, dahil ang mga mag-aaral ng isang tiyak na guro ay hindi maaaring maging isang kinatawan na halimbawa ng natitirang bahagi ng katawan ng mag-aaral. At sa karamihan ng oras, ang mga pollsters sa mga mall ng mall ay may posibilidad na pakikipanayam ang mga pinaka-kaakit-akit na mga tao.
Quota sampling
Upang halimbawa ng mga quota, dapat na magkaroon ng isang mahusay na paunang kaalaman ng strata ng populasyon, upang magkaroon ng isang ideya kung alin ang mga pinaka kinatawan na elemento. Ngunit hindi ito pinamamahalaan ng criterion ng randomness ng stratified sampling.
Sa ganitong uri ng sampling kinakailangan upang itakda ang "quota", samakatuwid ang pangalan ng pamamaraan. Ang mga quota na ito ay binubuo ng pagtitipon ng isang bilang ng mga elemento na may ilang mga kundisyon, halimbawa 15 kababaihan na ang edad ay nasa pagitan ng 25 hanggang 50 taon, na hindi naninigarilyo at nagmamay-ari din ng kotse.
Kapag natukoy ang quota, ang mga unang tao na nakakatugon sa mga itinatag na kondisyon ay pinili. Ang pamantayan para sa huling hakbang na ito ay maaaring sa kaginhawaan ng investigator. Dito makikita mo ang pagkakaiba sa pamamaraan ng pag-sampol ng stratified, na random.
Gayunpaman, ito ay isang paraan ng murang gastos na kapaki-pakinabang kung, tulad ng sinabi namin, ang populasyon sa ilalim ng pag-aaral ay kilala.
Pag-sampal ng snowball
Ang pamamaraan na dapat sundin sa estilo ng sampling na ito ay upang pumili ng ilang mga tao na namumuno sa iba, at ang mga ito naman ay sa iba, hanggang sa ang sample ay ang laki ng kailangan ng mananaliksik.
Ito ay isang pamamaraan na maaaring maging kapaki-pakinabang upang makilala ang ilang populasyon na may tiyak na mga katangian. Mga halimbawa: mga bilanggo sa isang bilangguan o mga taong may ilang mga sakit.
Diskriminaryong sampling
Sa wakas narito ang mananaliksik na nagpapasya sa mga pamantayan na gagamitin upang pumili ng kanyang sample, ayon sa kanyang kaalaman. Maaari itong maging kapaki-pakinabang kapag kinakailangan upang magdagdag ng ilang mga indibidwal sa pag-aaral, na, gamit ang isang random na pamamaraan, ay hindi makilahok.
Mga Sanggunian
- Berenson, M. 1985. Mga Istatistika para sa Pamamahala at Pangkabuhayan, Konsepto at Aplikasyon. Editoryal na Interamericana.
- Mga Istatistika. Sampling. Nabawi mula sa: encyclopediaeconomica.com.
- Mga Istatistika. Sampling. Nabawi mula sa: Estadistica.mat.uson.mx.
- Mapapaliwanag. Pagrugrupo grupo ng mga pageeksperimentuhan. Nabawi mula sa: explorable.com.
- Moore, D. 2005. Nalalapat na Batayang Istatistika. Ika-2. Edisyon.
- Netquest. Ang posibilidad ng sampling: stratified sampling. Nabawi mula sa: netquest.com.
- Wikipedia. Sampling. Nabawi mula sa: es.wikipedia.org
