קונספט בהגדרה ABC

כדי לחקור נושאים נרחבים מסוימים, מדענים מנתחים חלק מכל האובייקט שלהם חֲקִירָה. חלק זה הוא מדגם והמחקר המקביל הוא מדגם. לפיכך, ניתן לבצע דגימה בכל סוגי האזורים: ניתוח השטח, מוצקים, צלילים, מחקרים דמוגרפיים, ניתוח דם, שתן וכו '.

בכל מקרה, הדגימה שבוצעה נועדה להיות חלק משמעותי ממה שנחקר, כאלה שהתוצאות שהתקבלו מאפשרות להסיק מסקנות ממכלול הדברים לימוד.

סוגי הדגימה בחקר האוכלוסייה

יודע סטטיסטית את הסט של a אוּכְלוֹסִיָה זו שאלה קשה מאוד וגוזלת זמן. בואו נחשוב על מחקר שקשור למחלות של מדינה, על הרגלי האכילה או על צְרִיכָה של מוצר כלשהו. לא ניתן לבצע סוג זה של ניתוח באמצעות א סֶקֶר ברמה כללית, כך שהדגימה הופכת ל- כְּלִיחִיוּנִי.

אין שיטה אחת. למעשה, ישנם מספר סוגים של דגימה. מצד אחד, יש כאלה שהם אקראיים או הסתברותיים. מצד שני, הלא הסתברותיים. הראשון הוא ההליך המתאים ביותר לבחירת קבוצת המשנה של אנשים מאוכלוסייה, מאז כלי זה מאפשר להבטיח כי המדגם שנבחר הוא מייצג את כל כולו אוּכְלוֹסִיָה.

בסוג הלא-הסתברותי, בחירת הדגימה אינה תלויה ב- הִסתַבְּרוּת, אך קשור לגורמי החקירה או למטרת המדגם. לכן, שניהם

נהלים הם מגיבים ליעדים שונים. דגימת ההסתברות היא קפדנית ומדעית, בעוד שדגימת אי הסתברות מתאימה יותר למחקרי אוכלוסייה הומוגניים.

כל דגימה מרמזת על שולי טעות מסוימים

נניח שאנחנו רוצים לדעת כמה ספרדים הם מעשנים. כדי לקבוע את האחוז המדויק, ניתן להשתמש בשני נהלים: סקר 47 מיליון תושבים או או בחר כמות מסוימת כמדגם מייצג של כלל האוכלוסייה, לדוגמה, מדגם של 1000 אֲנָשִׁים.

אם מתבצעת דגימה אקראית, ייתכן שהעם הנבחר הוא בעיקר מעשן, ולכן המדגם לא יהיה מייצג. כתוצאה מכך, בכל דגימה יש א שולים שגיאה סטטיסטית.

כדי להפחית את שולי הטעות, מומחים ממליצים לבחור בגודל מדגם מתאים. כמובן שככל שהמדגם גדול יותר, כך מרווח הטעות קטן יותר. במובן זה, כאשר היקום הנחקר גדול, יש צורך להשתמש בדגימות אוכלוסייה באותה מידה.

צילומים: Fotolia - Andrey Popov / Alewka

נושאים בדגימה