OLASILIK VE OLASILIK DIŞI ÖRNEKLEME TÜRLERI (ÖRNEKLER) - KÜLTÜR KELIME - 2025

Örnekleme türleri toplamının bir parçası veri çekme çeşitli yolları vardır, işlevi güçlü bir istatistik aracı, evren incelemek gerekir nüfusun hangi kısmının veya belirlemek için çıkarımlar yapmak ve bu konuda bilgi elde etmektir.

Tüm popülasyonu analiz edemediğinizde veya analiz etmek istemediğinizde örnekleme çok önemlidir. "Nüfus" teriminin yalnızca büyük bir grup insanı veya canlı varlığa değil, genel olarak belirli bir problemde çalışılacak tüm unsurları ifade ettiğine dikkat edin.

Şekil 1. Örnekleme, bir evrenden temsili bir örnek seçmek için önemlidir. Kaynak: Pixabay.

Seçilen örnekleme türüne göre, popülasyonun en çok temsil ettiği kabul edilen kısım, her zaman hedeflere uygun olarak seçilir.

Tabii ki, veri evreninin sadece bir kısmı alındığında, bazı ayrıntıları gözden kaçırmak ve bilgileri atlamak mümkündür, bu yüzden sonuçlar olması gerektiği kadar doğru olmayacaktır. Bu, örnekleme hatası olarak bilinir.

Buradaki fikir, sonuçların geçerliliğini sağlamak için maksimum bilgiyi sağlayabilen en temsili örneği seçerek veri evrenini olabildiğince basitleştirmektir.

Olasılık türleri veya rastgele örnekleme

Olasılık örneklemesi, örneklemdeki deneklerin seçilme olasılığına dayanır. Bu şekilde, popülasyonun her bir unsuruna bilinen bir seçilme şansı verilir ve bu elbette 0'dan büyük olmalıdır.

Bu son derece önemlidir, çünkü bir veri evreninden bütünü yeterince temsil etmeyen bir örnek seçilebilir.

Eğer öyleyse, nüfusun bazı kısımları diğerlerine göre daha fazla tercih edileceğinden sonuçlar önyargılı olacaktır. Birkaç kategorisi olan önyargıdan kaçınmak için bir seçenek, numuneyi şansa bırakarak her bir öğeye sıfır olmayan bir seçilme olasılığı vermektir.

Basit rastgele örnekleme

Bu, şansın işini yapmasını sağlamanın basit bir yoludur. Örneğin, bir okuldaki sanat etkinliğine katılmak için bir sınıftaki bazı çocukları seçiyorsanız, tüm çocukların isimleri aynı katlanmış oy pusulalarına yerleştirilir, şapkaya karıştırılır ve bir avuç rasgele çekilir.

Sınıftaki tüm çocuklar nüfusu oluşturuyor ve şapkadan çıkarılan bir avuç oy pusulası örnek.

Prosedürün başarısı, hiç kimsenin dışarıda kalmaması için tüm çocukların tam bir listesini yapmakta yatmaktadır. Küçük bir kursta bu bir sorun değil; Ancak daha büyük bir popülasyondan bir örnek seçmek istediğinizde, yöntemi iyileştirmeniz gerekir.

Basit rastgele örnekleme, değiştirme veya değiştirme ile gerçekleştirilebilir. Örneğin, popülasyondan bir element çıkarırsak ve onu seçip inceledikten sonra geri verirsek, elementlerimizin evreni çalışma boyunca her zaman aynı kalır.

Aksine, seçilen eleman çalışılırsa, daha fazlası iade edilmezse, değiştirilmeden örnekleme yapılır. Bu, seçilen bir öğenin olasılığını hesaplarken dikkate alınmalıdır.

Sistematik rastgele örnekleme

Bu örneklemeyi gerçekleştirmek için ayrıca N elementi listelemek ve ayrıca n diyeceğimiz örneklem boyutunu belirlemek gerekir. Listeye örnekleme çerçevesi adı verilir.

Şimdi, k harfi ile gösterilen ve şu şekilde hesaplanan atlama aralığı tanımlandı:

1 ile k arasında rastgele bir sayı seçilir ve ro random start adı verilir. Bu, listedeki seçilecek ilk kişidir ve buradan listedeki aşağıdaki öğeler seçilir.

Bir örnek: bir üniversiteden 2000 öğrencinin bulunduğu bir listeye sahip olduğunuzu ve bir kongreye katılmak için 100 öğrenciden oluşan bir örnek almak istediğinizi varsayalım.

Yapılacak ilk şey k'nin değerini bulmaktır:

Toplam öğrenci sayısını 20 öğrencinin 100 parçasına böldüğümüzde, parçalardan biri alınır ve 1 ile 20 arasında rastgele bir sayı seçilir, örneğin 12. Bu nedenle listemizdeki on ikinci öğrenci rastgele önyükleme.

Seçilecek bir sonraki öğrenci 12 + 20 = 22, sonra 42, sonra 62 ve benzeri olmalıdır, 100 tanesi tamamlanana kadar.

Gördüğünüz gibi, uygulanması hızlı bir yöntemdir ve genellikle 2000 ismi bir şapkaya koyup 100 isim almanıza gerek kalmadan, popülasyonda önyargılara neden olan dönemsellikler olmadığı sürece çok iyi sonuçlar verir. .

Tabakalı rastgele örnekleme

Şekil 2. Katmanlı rasgele örneklemede, popülasyon, katman adı verilen bölümlere ayrılır. Kaynak: Pixabay.

Basit rastgele örneklemede, popülasyondaki her bir öğe aynı seçilme olasılığına sahiptir. Ancak bu her zaman doğru olmayabilir, özellikle de dikkate alınması gereken daha fazla karmaşıklık olduğunda.

Tabakalı bir rastgele örnekleme şeması yürütmek için, popülasyon benzer özelliklere sahip gruplara bölünmelidir. Bunlar tabakalardır. Daha sonra tabakalar alınır ve her birinden basit rastgele numuneler seçilir, bunlar daha sonra nihai numuneyi oluşturmak için birleştirilir.

Katmanlar, veri evreninin özellikleri incelenerek örneklemeden önce belirlenir.

Bu özellikler medeni durum, yaş, yaşadığınız yer, örneğin kentsel, banliyö ve kırsal nüfus, meslek, eğitim düzeyi, cinsiyet ve daha fazlası olabilir.

Her durumda, her bir tabakanın özelliklerinin çok farklı olması, yani her tabakanın homojen olması beklenir.

Katmanlı örneklemede, her katmanın örneklem büyüklüğünün boyutuyla orantılı olup olmadığına göre iki kategoriyi ayırıyoruz.

Rastgele küme örneklemesi

Yukarıda açıklanan yöntemler, doğrudan numunenin elemanlarını seçer, ancak küme örneklemede, popülasyondan bir grup eleman seçilir ve bunlar, küme adı verilen örnekleme birimi olacaktır.

Kümelerin örnekleri bir üniversitenin bölümleri, iller, şehirler, ilçeler veya belediyeler gibi coğrafi varlıklardır ve bunların tümü aynı seçilme olasılığına sahiptir. Coğrafi bir varlık seçilmesi durumunda, alanlara göre örneklemeden bahsediyoruz.

Kümeler seçildikten sonra, analiz edilecek unsurlar buradan seçilir. Bu nedenle prosedürün birkaç aşaması olabilir.

Bu yöntemin tabakalı rastgele yöntemle bazı benzerlikleri vardır, ancak burada bazı kümeler toplamdan seçilirken, önceki yöntemde popülasyonun tüm katmanları incelenmiştir.

Olasılıksız örnekleme türleri

Gerçekten temsili örnekleri bulmak için zaman ve kaynak yatırımı gerektiğinden, olasılık örneklemesi bazı durumlarda çok pahalı olabilir.

Aynı zamanda, tam bir örnekleme çerçevesi –listesi- olmadığı da sıklıkla görülür, bu nedenle bir eleman seçme olasılığını belirlemek mümkün değildir.

Bu durumlar için, sonuçlarda kesinlik garantisi olmamasına rağmen, bilginin de elde edildiği olasılık dışı örnekleme türleri kullanılır.

Bu tür bir örnekleme uygulandığında, örneğin mümkün olduğunca yeterli olması için seçim sırasında bazı kriterler izlenmelidir.

Uygun örnekleme

Örneklemin unsurlarının mevcudiyetlerine göre, yani eldeki bireylerin seçildiği oldukça basit bir örnekleme türüdür. Hızı ve rahatlığı nedeniyle oldukça düşük maliyetli bir yöntem olma avantajına sahiptir.

Ancak söylendiği gibi, sonuçlarınız hakkında güvenilir bilgi almanın kesinliği yoktur. Bazen bir seçimden önce hızlı, kısa anketler yapmak veya belirli ürünler için müşteri tercihlerini sorgulamak için kullanılır.

Örneğin bir anketör, evine en yakın üç alışveriş merkezinin çıkışına gidip, ayrılanlara hangi adaya oy vereceğini sorabilir. Veya bir öğretmen kendi öğrencilerine anket yapabilir, çünkü onlara anında erişebilirler.

Böyle bir prosedürün sonuçları değersiz gibi görünse de, önyargının çok büyük olmadığını varsaymak için iyi nedenler olduğu sürece, popülasyonun iyi bir yansıması olabilir.

Ancak, o kadar basit değildir, çünkü belirli bir öğretmenin öğrencileri, öğrenci grubunun geri kalanının temsili bir örneklemini oluşturmayabilir. Ve çoğu zaman, alışveriş merkezlerindeki anketörler en çekici görünen insanlarla röportaj yapma eğilimindedir.

Kota örnekleme

Kotalarla örnekleme yapmak için, en temsili unsurların hangileri olduğuna dair bir fikir sahibi olmak için nüfus katmanları hakkında iyi bir ön bilgiye sahip olunmalıdır. Ancak, tabakalı örneklemenin rastgelelik kriteri tarafından yönetilmemektedir.

Bu tür örneklemede, "kota", dolayısıyla yöntemin adını belirlemek gerekir. Bu kotalar, belirli koşullara sahip bir dizi unsurun bir araya getirilmesinden ibarettir; örneğin yaşları 25 ile 50 arasında olan, sigara içmeyen ve aynı zamanda arabası olan 15 kadın.

Kota belirlendikten sonra belirlenen koşulları karşılayan ilk kişiler seçilir. Bu son adımın kriterleri, araştırmacının uygunluğuna bağlı olabilir. Burada rastgele olan tabakalı örnekleme yöntemiyle farkı görebilirsiniz.

Ancak, dediğimiz gibi, araştırılan popülasyon iyi biliniyorsa, avantajlı olan düşük maliyetli bir yöntemdir.

Kartopu örneklemesi

Bu örnekleme tarzında izlenecek prosedür, örnek araştırmacının ihtiyaç duyduğu büyüklükte oluncaya kadar, başkalarına ve sırayla başkalarına liderlik eden birkaç kişiyi seçmektir.

Bu, oldukça spesifik özelliklere sahip bazı popülasyonları karakterize etmek için faydalı olabilecek bir prosedürdür. Örnekler: bir hapishanedeki mahkumlar veya belirli hastalıkları olan kişiler.

İsteğe bağlı örnekleme

Son olarak burada, bilgisine göre örneklemini seçmek için kullanılacak kriterlere karar veren araştırmacıdır. Çalışmaya rastgele bir yöntem kullanarak katılamayan belirli kişileri eklemek gerektiğinde faydalı olabilir.

Referanslar

1. Berenson, M. 1985. Yönetim ve Ekonomi için İstatistik, Kavramlar ve Uygulamalar. Editoryal Interamericana.
2. İstatistik. Örnekleme. Encyclopediaeconomica.com adresinden kurtarıldı.
3. İstatistik. Örnekleme. Kurtarıldı: Estadistica.mat.uson.mx.
4. Explorable. Küme örneklemesi. Explorable.com'dan kurtarıldı.
5. Moore, D. 2005. Uygulamalı Temel İstatistikler. 2. Baskı.
6. Netquest. Olasılık örneklemesi: tabakalı örnekleme. Netquest.com'dan kurtarıldı.
7. Vikipedi. Örnekleme. Es.wikipedia.org adresinden kurtarıldı