แนวคิดในคำจำกัดความ ABC

เพื่อศึกษาหัวข้อที่หลากหลาย นักวิทยาศาสตร์วิเคราะห์ส่วนหนึ่งของจำนวนทั้งหมดของวัตถุของพวกเขา ตรวจสอบ. ส่วนนี้เป็นตัวอย่างและการศึกษาที่เกี่ยวข้องเป็นตัวอย่าง ดังนั้นจึงเป็นไปได้ที่จะทำการสุ่มตัวอย่างในพื้นที่ทุกประเภท: การวิเคราะห์ภูมิประเทศ, ของแข็ง, เสียง, การศึกษาทางประชากรศาสตร์, การวิเคราะห์เลือด, ปัสสาวะ ฯลฯ

ไม่ว่าในกรณีใด การสุ่มตัวอย่างมีเป้าหมายที่จะเป็นส่วนสำคัญของสิ่งที่ศึกษา เพื่อให้ผลลัพธ์ที่ได้ทำให้สามารถสรุปได้จากเซตของสิ่งที่เป็น ศึกษา.

ประเภทของการสุ่มตัวอย่างในการศึกษาประชากร

สถิติรู้เซตของ a ประชากร เป็นคำถามที่ยากมากและใช้เวลานาน ลองนึกถึงการศึกษาเกี่ยวกับโรคในประเทศ พฤติกรรมการกิน หรือ or การบริโภค ของผลิตภัณฑ์บางอย่าง การวิเคราะห์ประเภทนี้ไม่สามารถทำได้ผ่าน a สำรวจ ในระดับทั่วไป เพื่อให้กลุ่มตัวอย่างกลายเป็น a เครื่องมือจำเป็น.

ไม่มีรูปแบบเดียว อันที่จริง การสุ่มตัวอย่างมีหลายประเภท ในแง่หนึ่งมีบางอย่างที่สุ่มหรือน่าจะเป็น ในทางกลับกัน สิ่งที่ไม่น่าจะเป็น วิธีแรกคือขั้นตอนที่เหมาะสมที่สุดในการเลือกกลุ่มย่อยของบุคคลจากประชากรตั้งแต่ เครื่องมือนี้ทำให้สามารถรับประกันได้ว่าตัวอย่างที่เลือกเป็นตัวแทนของทั้ง ประชากร.

ในประเภทที่ไม่น่าจะเป็น การเลือกตัวอย่างไม่ได้ขึ้นอยู่กับ ความน่าจะเป็นแต่เกี่ยวข้องกับสาเหตุของการสอบสวนหรือวัตถุประสงค์ของกลุ่มตัวอย่าง ดังนั้นทั้ง ขั้นตอน พวกเขาตอบสนองต่อวัตถุประสงค์ที่แตกต่างกัน การสุ่มตัวอย่างความน่าจะเป็นนั้นเข้มงวดและเป็นวิทยาศาสตร์ ในขณะที่การสุ่มตัวอย่างที่ไม่น่าจะเป็นนั้นเหมาะกับการศึกษาประชากรที่เป็นเนื้อเดียวกันมากกว่า

การสุ่มตัวอย่างทั้งหมดแสดงถึงขอบของข้อผิดพลาดบางอย่าง

สมมติว่าเราต้องการทราบจำนวนชาวสเปนที่สูบบุหรี่ เพื่อกำหนดเปอร์เซ็นต์ที่แน่นอน ให้ใช้สองขั้นตอน: สำรวจชาว 47 ล้านคนหรือ เลือกปริมาณที่แน่นอนเป็นตัวอย่างที่เป็นตัวแทนของประชากรทั้งหมด ตัวอย่างเช่น กลุ่มตัวอย่าง 1000 คน.

หากทำการสุ่มตัวอย่าง อาจเป็นไปได้ว่าผู้ที่ได้รับการคัดเลือกส่วนใหญ่เป็นผู้สูบบุหรี่ ดังนั้นกลุ่มตัวอย่างจะไม่เป็นตัวแทน ดังนั้น ในทุกๆ ตัวอย่างจะมี a ระยะขอบ ข้อผิดพลาดทางสถิติ

เพื่อลดระยะขอบของข้อผิดพลาด ผู้เชี่ยวชาญแนะนำให้เลือกขนาดตัวอย่างที่เหมาะสม แน่นอน ยิ่งกลุ่มตัวอย่างมากเท่าใด ขอบของข้อผิดพลาดก็จะยิ่งน้อยลงเท่านั้น ในแง่นี้ เมื่อเอกภพที่ศึกษามีขนาดใหญ่ ก็จำเป็นต้องใช้ตัวอย่างประชากรจำนวนมากเท่าๆ กัน

ภาพถ่าย: Fotolia - Andrey Popov / Alewka