Data yang diperoleh hasil daripada analisis populasi sampel. Konsep pemerhatian terpilih, tugasnya

jenis sampel:

Sebenarnya-rawak;

mekanikal;

tipikal;

bersiri;

digabungkan.

Persampelan rawak sendiri terdiri daripada pemilihan unit daripada populasi umum secara rawak atau rawak tanpa sebarang unsur ketekalan. Walau bagaimanapun, sebelum membuat pemilihan rawak yang betul, adalah perlu untuk memastikan bahawa semua unit populasi umum tanpa pengecualian mempunyai peluang yang sama sekali untuk masuk ke dalam sampel, tiada jurang dalam senarai atau senarai, mengabaikan unit individu, dsb. Sempadan yang jelas juga harus diwujudkan untuk penduduk supaya kemasukan atau pengecualian unit individu tidak diragui. Jadi, sebagai contoh, semasa memeriksa pelajar, adalah perlu untuk menunjukkan sama ada orang yang bercuti akademik, pelajar universiti bukan negeri, sekolah tentera, dll. akan diambil kira; apabila memeriksa perusahaan komersial, adalah penting untuk menentukan sama ada penduduk umum akan merangkumi astaka komersial, khemah komersial dan objek lain yang serupa. Pemilihan rawak sendiri boleh diulang dan tidak diulang. Bagi pemilihan tidak berulang semasa cabutan lot, lot yang telah ditarik tidak dikembalikan kepada set asal dan tidak mengambil bahagian dalam pemilihan selanjutnya. Apabila menggunakan jadual nombor rawak, pemilihan tidak berulang dicapai dengan melangkau nombor jika ia diulang dalam lajur atau lajur yang dipilih.

Persampelan mekanikal digunakan dalam kes di mana populasi umum entah bagaimana diperintahkan, i.e. terdapat urutan tertentu dalam susunan unit (nombor pekerja pekerja, senarai pemilih, nombor telefon responden, bilangan rumah dan pangsapuri, dsb.).

Populasi umum semasa pemilihan mekanikal boleh disusun atau disusun mengikut nilai sifat yang dikaji atau dikaitkan dengannya, yang akan meningkatkan keterwakilan sampel. Walau bagaimanapun, dalam kes ini, risiko ralat sistematik meningkat, dikaitkan dengan anggaran rendah nilai sifat yang dikaji (jika nilai pertama direkodkan dari setiap selang) atau dengan anggaran terlalu tinggi (jika nilai terakhir direkodkan daripada setiap selang). Oleh itu, adalah dinasihatkan untuk memulakan pemilihan dari pertengahan selang pertama

pemilihan tipikal. Kaedah pemilihan ini digunakan dalam kes di mana semua unit populasi umum boleh dibahagikan kepada beberapa kumpulan tipikal. Apabila meninjau populasi, kumpulan tersebut boleh menjadi, sebagai contoh, daerah, sosial, kumpulan umur atau pendidikan, apabila meninjau perusahaan - industri atau subsektor, bentuk pemilikan, dsb. Pemilihan tipikal melibatkan pemilihan unit daripada setiap kumpulan tipikal secara rawak atau mekanikal semata-mata. Oleh kerana wakil semua kumpulan semestinya jatuh ke dalam populasi sampel dalam satu atau bahagian lain, penjenisan populasi umum memungkinkan untuk mengecualikan pengaruh penyebaran antara kumpulan pada ralat pensampelan purata, yang dalam kes ini hanya ditentukan oleh variasi intrakumpulan.

Pemilihan unit dalam sampel biasa boleh diatur sama ada mengikut perkadaran dengan volum kumpulan tipikal, atau berkadaran dengan pembezaan intrakumpulan bagi sesuatu sifat.

pemilihan bersiri. Kaedah pemilihan ini adalah mudah dalam kes di mana unit populasi dikumpulkan ke dalam kumpulan kecil atau siri. Pakej dengan jumlah produk siap tertentu, kumpulan barangan, kumpulan pelajar, briged dan persatuan lain boleh dianggap sebagai siri sedemikian. Intipati persampelan bersiri terletak pada pemilihan siri rawak atau mekanikal sebenar, di mana tinjauan lengkap unit dijalankan.

Salah satu komponen utama kajian yang direka bentuk dengan baik ialah definisi sampel dan apakah sampel yang mewakili. Ia seperti contoh kek. Lagipun, tidak perlu makan keseluruhan pencuci mulut untuk memahami rasanya? Sebahagian kecil sudah memadai.

Jadi, kek adalah penduduk (iaitu semua responden yang layak untuk tinjauan). Ia boleh dinyatakan secara teritorial, sebagai contoh, hanya penduduk wilayah Moscow. Jantina - wanita sahaja. Atau mempunyai sekatan umur - warga Rusia berumur lebih dari 65 tahun.

Sukar untuk mengira populasi: anda perlu mempunyai data daripada banci penduduk atau tinjauan penilaian awal. Oleh itu, biasanya populasi umum adalah "anggaran", dan daripada bilangan yang terhasil mereka mengira bingkai pensampelan atau persampelan.

Apakah sampel perwakilan?

Sampel adalah bilangan responden yang jelas. Strukturnya harus bertepatan sebanyak mungkin dengan struktur populasi umum dari segi ciri utama pemilihan.

Sebagai contoh, jika responden berpotensi adalah seluruh penduduk Rusia, di mana 54% adalah wanita dan 46% adalah lelaki, maka sampel tersebut harus mengandungi peratusan yang sama. Jika parameter sepadan, maka sampel boleh dipanggil wakil. Ini bermakna ketidaktepatan dan kesilapan dalam kajian dapat diminimumkan.

Saiz sampel ditentukan dengan mengambil kira keperluan ketepatan dan ekonomi. Keperluan ini adalah berkadar songsang antara satu sama lain: lebih besar saiz sampel, lebih tepat hasilnya. Lebih-lebih lagi, semakin tinggi ketepatannya, semakin banyak kos yang diperlukan untuk kajian ini. Dan sebaliknya, semakin kecil sampel, semakin murah kosnya, semakin kurang tepat dan lebih rawak sifat populasi umum dihasilkan semula.

Oleh itu, untuk mengira jumlah pilihan, ahli sosiologi mencipta formula dan mencipta kalkulator khas:

Kebarangkalian keyakinan dan kesilapan keyakinan

Apakah istilah " tahap keyakinan"dan" kesilapan keyakinan"? Tahap keyakinan adalah ukuran ketepatan pengukuran. Ralat keyakinan adalah ralat yang mungkin berlaku dalam keputusan kajian. Sebagai contoh, dengan populasi umum lebih daripada 500,00 orang (contohnya, tinggal di Novokuznetsk), sampel akan menjadi 384 orang dengan tahap keyakinan 95% dan ralat 5% ATAU (dengan selang keyakinan 95 ± 5%).

Apa yang berikut daripada ini? Apabila menjalankan 100 kajian dengan sampel sedemikian (384 orang), dalam 95 peratus kes, jawapan yang diterima, mengikut undang-undang statistik, akan berada dalam ± 5% daripada yang asal. Dan kami akan mendapat sampel yang mewakili dengan kebarangkalian minimum ralat statistik.

Selepas pengiraan saiz sampel dilakukan, anda boleh melihat sama ada terdapat cukup responden dalam versi demo Panel Soal Selidik. Anda boleh mengetahui lebih lanjut tentang cara menjalankan tinjauan panel.

Penyelidikan biasanya bermula dengan beberapa andaian, memerlukan pengesahan dengan penglibatan fakta. Andaian ini - hipotesis - dirumuskan berhubung dengan sambungan fenomena atau sifat dalam set objek tertentu.

Untuk menguji andaian sedemikian pada fakta, adalah perlu untuk mengukur sifat sepadan pembawa mereka. Tetapi adalah mustahil untuk mengukur kebimbangan pada semua wanita dan lelaki, sama seperti mustahil untuk mengukur keagresifan dalam semua remaja. Oleh itu, apabila menjalankan kajian, mereka dihadkan kepada sekumpulan kecil sahaja wakil daripada populasi orang yang berkaitan.

Penduduk- ini ialah keseluruhan set objek yang berkaitan dengan hipotesis penyelidikan dirumuskan.

Sebagai contoh, semua lelaki; atau semua wanita; atau semua penduduk bandar. Populasi umum yang berkaitan dengan pengkaji akan membuat kesimpulan berdasarkan hasil kajian mungkin lebih kecil bilangannya dan lebih sederhana, sebagai contoh, semua pelajar darjah satu sekolah tertentu.

Oleh itu, populasi umum, walaupun bilangannya tidak terhingga, tetapi, sebagai peraturan, banyak subjek berpotensi tidak boleh diakses untuk penyelidikan berterusan.

Sampel atau populasi sampel- ini adalah sekumpulan objek terhad dalam bilangan (dalam psikologi - subjek, responden), dipilih khas daripada populasi umum untuk mengkaji sifatnya. Sehubungan itu, kajian sifat-sifat populasi umum pada sampel dipanggil penyelidikan terpilih. Hampir semua kajian psikologi adalah selektif, dan kesimpulannya digunakan untuk populasi umum.

Oleh itu, selepas hipotesis dirumus dan populasi umum yang sepadan ditentukan, pengkaji menghadapi masalah mengatur sampel. Sampel harus sedemikian rupa sehingga generalisasi kesimpulan kajian sampel adalah wajar - generalisasi, pengedarannya kepada populasi umum. Kriteria utama untuk kesahihan kesimpulan kajian— ini adalah keterwakilan sampel dan kesahan statistik keputusan (empirikal).

Kewakilan sampel- dalam erti kata lain, keterwakilannya ialah keupayaan sampel untuk mewakili fenomena yang dikaji dengan sepenuhnya - dari sudut pandangan kebolehubahan mereka dalam populasi umum.

Sudah tentu, hanya populasi umum boleh memberikan gambaran lengkap tentang fenomena yang dikaji, dalam semua julat dan nuansa kebolehubahannya. Oleh itu, keterwakilan sentiasa terhad setakat sampel terhad. Dan keterwakilan sampel itulah yang menjadi kriteria utama dalam menentukan sempadan generalisasi dapatan kajian. Namun begitu, terdapat teknik yang membolehkan mendapatkan sampel wakil yang mencukupi untuk penyelidik (Teknik ini dikaji dalam kursus "Psikologi Eksperimen").

Teknik pertama dan utama ialah pemilihan rawak (rawak) mudah. Ia melibatkan memastikan setiap ahli populasi mempunyai peluang yang sama untuk dimasukkan ke dalam sampel. Pemilihan rawak memberikan kemungkinan untuk masuk ke dalam sampel wakil populasi umum yang paling pelbagai. Pada masa yang sama, langkah-langkah khas diambil untuk mengecualikan penampilan sebarang ketetapan dalam pemilihan. Dan ini membolehkan kita berharap bahawa pada akhirnya, dalam sampel, harta yang dikaji akan diwakili, jika tidak semuanya, maka dalam kepelbagaian maksimum yang mungkin.

Cara kedua untuk memastikan keterwakilan ialah pemilihan rawak berstrata, atau pemilihan mengikut sifat populasi umum. Ia melibatkan penentuan awal kualiti tersebut yang boleh menjejaskan kebolehubahan harta yang sedang dikaji (ini mungkin jantina, tahap pendapatan atau pendidikan, dsb.). Kemudian nisbah peratusan bilangan kumpulan (strata) yang berbeza dalam kualiti ini dalam populasi umum ditentukan dan nisbah peratusan yang sama bagi kumpulan yang sepadan dalam sampel disediakan. Selanjutnya, dalam setiap subkumpulan sampel, subjek dipilih mengikut prinsip pemilihan rawak mudah.

Kesahan statistik, atau kepentingan statistik, keputusan kajian ditentukan menggunakan kaedah inferens statistik.

Adakah kita diinsuranskan daripada membuat kesilapan semasa membuat keputusan, dengan kesimpulan tertentu daripada hasil kajian? Sudah tentu tidak. Lagipun, keputusan kami adalah berdasarkan hasil kajian populasi sampel, serta pada tahap pengetahuan psikologi kami. Kita tidak sepenuhnya terlepas daripada kesilapan. Dalam statistik, ralat tersebut dianggap boleh diterima jika ia berlaku tidak lebih daripada dalam satu kes daripada 1000 (kebarangkalian ralat α = 0.001 atau nilai berkaitan kebarangkalian keyakinan kesimpulan yang betul p = 0.999); dalam satu kes daripada 100 (kebarangkalian ralat α = 0.01 atau nilai berkaitan kebarangkalian keyakinan kesimpulan yang betul p = 0.99) atau dalam lima kes daripada 100 (kebarangkalian ralat α = 0.05 atau nilai berkaitan kebarangkalian keyakinan bagi keluaran yang betul p=0.95). Pada dua peringkat terakhir adalah kebiasaan untuk membuat keputusan dalam psikologi.

Kadangkala, bercakap tentang kepentingan statistik, konsep "tahap keertian" (ditandakan sebagai α) digunakan. Nilai berangka p dan α saling melengkapi sehingga 1,000 - satu set lengkap peristiwa: sama ada kami membuat kesimpulan yang betul, atau kami membuat kesilapan. Tahap ini tidak dikira, ia ditetapkan. Tahap kepentingan boleh difahami sebagai sejenis garisan "merah", yang persilangannya akan membolehkan kita bercakap tentang acara ini sebagai bukan rawak. Dalam setiap laporan atau penerbitan saintifik yang kompeten, kesimpulan yang dibuat mesti disertakan dengan petunjuk nilai p atau α di mana kesimpulan dibuat.

Kaedah inferens statistik dibincangkan secara terperinci dalam kursus "Statistik Matematik". Buat masa ini, kami hanya ambil perhatian bahawa mereka mengenakan keperluan tertentu pada nombor itu, atau saiz sampel.

Malangnya, tiada syor yang ketat mengenai penentuan awal saiz sampel yang diperlukan. Lebih-lebih lagi, penyelidik biasanya menerima jawapan kepada soalan tentang jumlah yang diperlukan dan mencukupi terlalu lewat - hanya selepas menganalisis data sampel yang telah dikaji. Walau bagaimanapun, cadangan yang paling umum boleh dirumuskan:

1. Saiz sampel terbesar diperlukan apabila membangunkan teknik diagnostik - dari 200 hingga 1000-2500 orang.

2. Jika perlu membandingkan 2 sampel, jumlah bilangan mereka mestilah sekurang-kurangnya 50 orang; bilangan sampel yang dibandingkan hendaklah lebih kurang sama.

3. Jika perkaitan antara mana-mana hartanah sedang dikaji, maka saiz sampel hendaklah sekurang-kurangnya 30-35 orang.

4. Lebih banyak kebolehubahan daripada harta yang dikaji, semakin besar saiz sampelnya. Oleh itu, kebolehubahan boleh dikurangkan dengan meningkatkan kehomogenan sampel, contohnya, mengikut jantina, umur, dll. Ini, sudah tentu, mengurangkan kemungkinan membuat kesimpulan umum.

Sampel bergantung dan bebas. Situasi penyelidikan biasa ialah apabila sesuatu harta yang menarik minat penyelidik dikaji pada dua atau lebih sampel untuk tujuan perbandingan selanjutnya. Sampel ini mungkin dalam perkadaran yang berbeza, bergantung pada prosedur untuk organisasi mereka. Sampel bebas dicirikan oleh fakta bahawa kebarangkalian pemilihan mana-mana subjek bagi satu sampel tidak bergantung pada pemilihan mana-mana subjek sampel lain. Terhadap, sampel bergantung dicirikan oleh fakta bahawa setiap subjek satu sampel dipadankan oleh kriteria tertentu dengan subjek daripada sampel lain.

Dalam kes umum, sampel bergantung melibatkan pemilihan subjek berpasangan dalam sampel yang dibandingkan, dan sampel bebas - pemilihan subjek bebas.

Perlu diingatkan bahawa kes sampel "bergantung sebahagian" (atau "separa bebas") tidak dibenarkan: ini melanggar keterwakilan mereka dengan cara yang tidak dapat diramalkan.

Kesimpulannya, kami perhatikan bahawa dua paradigma penyelidikan psikologi boleh dibezakan.

kononnya R-metodologi melibatkan kajian kebolehubahan sesuatu harta (psikologi) di bawah pengaruh beberapa pengaruh, faktor atau harta lain. Sampel adalah satu set subjek.

Pendekatan lain metodologi Q, melibatkan kajian kebolehubahan subjek (tunggal) di bawah pengaruh pelbagai rangsangan (keadaan, situasi, dll.). Ia sepadan dengan keadaan apabila sampel ialah satu set rangsangan.

Anggaran selang kebarangkalian peristiwa. Formula untuk mengira bilangan sampel dalam kes kaedah pemilihan rawak.

Untuk menentukan kebarangkalian peristiwa yang menarik minat kami, kami menggunakan kaedah pensampelan: kami laksanakan n eksperimen bebas, dalam setiap kejadian A mungkin berlaku (atau tidak berlaku) (kebarangkalian R kejadian peristiwa A dalam setiap eksperimen adalah malar). Kemudian kekerapan relatif p* kejadian kejadian DAN dalam satu siri n ujian diambil sebagai anggaran mata untuk kebarangkalian hlm berlakunya sesuatu peristiwa DAN dalam ujian berasingan. Dalam kes ini, nilai p* dipanggil bahagian sampel kejadian kejadian DAN, dan r - bahagian umum .

Berdasarkan akibat daripada teorem had pusat (teorem Moivre-Laplace), kekerapan relatif sesuatu peristiwa dengan saiz sampel yang besar boleh dianggap taburan normal dengan parameter M(p*)=p dan

Oleh itu, untuk n>30, selang keyakinan bagi pecahan am boleh dibina menggunakan formula:

di mana u cr ditemui mengikut jadual fungsi Laplace, dengan mengambil kira kebarangkalian keyakinan yang diberikan γ: 2Ф(u cr)=γ.

Dengan saiz sampel yang kecil n≤30, ralat marginal ε ditentukan daripada jadual pengedaran Pelajar:
dengan t cr =t(k; α) dan bilangan darjah kebebasan k=n-1 kebarangkalian α=1-γ (kawasan dua belah).

Formula adalah sah jika pemilihan dilakukan secara rawak secara berulang (populasi umum adalah tidak terhingga), jika tidak, perlu membuat pembetulan untuk pemilihan tidak berulang (jadual).

Ralat pensampelan purata untuk perkadaran umum

Penduduk	tak berkesudahan	isipadu muktamad N
Jenis pilihan	Diulang	tidak berulang
Ralat pensampelan purata

Formula untuk mengira saiz sampel dengan kaedah pemilihan rawak yang betul

Kaedah pemilihan	Formula saiz sampel
	untuk pertengahan	untuk perkongsian
Diulang
tidak berulang

Masalah mengenai bahagian umum

Kepada soalan "Adakah nilai p 0 yang diberikan meliputi selang keyakinan?" - boleh dijawab dengan menguji hipotesis statistik H 0:p=p 0 . Diandaikan bahawa eksperimen dijalankan mengikut skema ujian Bernoulli (bebas, kebarangkalian hlm berlakunya sesuatu peristiwa DAN tetap). Mengikut sampel volum n tentukan kekerapan relatif p * kejadian A: di mana m- bilangan kejadian acara DAN dalam satu siri n ujian. Untuk menguji hipotesis H 0, statistik digunakan bahawa, dengan saiz sampel yang cukup besar, mempunyai taburan normal piawai (Jadual 1).
Jadual 1 - Hipotesis tentang bahagian umum

Hipotesis	H0:p=p0	H 0:p 1 \u003d p 2
Andaian	Skim ujian Bernoulli	Skim ujian Bernoulli
Anggaran sampel
Perangkaan K
Taburan statistik K		Standard biasa N(0,1)

Contoh #1. Menggunakan pensampelan semula rawak, pengurusan syarikat menjalankan tinjauan rawak terhadap 900 pekerjanya. Terdapat 270 wanita dalam kalangan responden. Plot selang keyakinan yang, dengan kebarangkalian 0.95, meliputi bahagian sebenar wanita dalam keseluruhan pasukan firma.
Keputusan. Mengikut syarat, bahagian sampel wanita adalah (kekerapan relatif wanita di kalangan semua responden). Oleh kerana pemilihan diulang dan saiz sampel adalah besar (n=900), ralat pensampelan marginal ditentukan oleh formula

Nilai u cr didapati daripada jadual fungsi Laplace daripada hubungan 2Ф(u cr)=γ, i.e. Fungsi Laplace (Lampiran 1) mengambil nilai 0.475 pada u cr =1.96. Oleh itu, ralat marginal dan selang keyakinan yang diingini
(p – ε, p + ε) = (0.3 – 0.18; 0.3 + 0.18) = (0.12; 0.48)
Jadi, dengan kebarangkalian 0.95, boleh dijamin bahawa bahagian wanita dalam keseluruhan pasukan firma berada dalam julat dari 0.12 hingga 0.48.

Contoh #2. Pemilik tempat letak kereta menganggap hari itu "bertuah" jika tempat letak kereta lebih daripada 80% penuh. Sepanjang tahun ini, 40 pemeriksaan tempat letak kereta telah dijalankan, di mana 24 daripadanya "berjaya". Dengan kebarangkalian 0.98, cari selang keyakinan untuk menganggar peratusan sebenar hari "bertuah" sepanjang tahun itu.
Keputusan. Pecahan sampel hari "baik" ialah
Menurut jadual fungsi Laplace, kita dapati nilai u cr untuk sesuatu yang diberikan
tahap keyakinan
Ф(2.23) = 0.49, u cr = 2.33.
Memandangkan pemilihan tidak berulang (iaitu, dua semakan tidak dijalankan pada hari yang sama), kami mendapati ralat marginal:
di mana n=40 , N = 365 (hari). Dari sini
dan selang keyakinan bagi pecahan am: (p – ε, p + ε) = (0.6 – 0.17; 0.6 + 0.17) = (0.43; 0.77)
Dengan kebarangkalian 0.98, boleh dijangkakan bahawa perkadaran hari "baik" sepanjang tahun adalah dalam julat dari 0.43 hingga 0.77.

Contoh #3. Selepas menyemak 2500 item dalam kelompok, mereka mendapati bahawa 400 item adalah gred tertinggi, tetapi n–m tidak. Berapa banyak produk yang anda perlu semak untuk menentukan bahagian gred premium dengan ketepatan 0.01 dengan kepastian 95%?
Kami sedang mencari penyelesaian mengikut formula untuk menentukan saiz sampel untuk pemilihan semula.

Ф(t) = γ/2 = 0.95/2 = 0.475 dan mengikut jadual Laplace nilai ini sepadan dengan t=1.96
Pecahan sampel w = 0.16; ralat pensampelan ε = 0.01

Contoh #4. Satu kelompok produk diterima jika kebarangkalian produk itu akan memenuhi piawaian adalah sekurang-kurangnya 0.97. Di antara 200 produk yang dipilih secara rawak dari lot yang diuji, 193 produk didapati memenuhi piawaian. Adakah mungkin untuk menerima kumpulan pada tahap keertian α=0.02?
Keputusan. Kami merumuskan hipotesis utama dan alternatif.
H 0: p \u003d p 0 \u003d 0.97 - bahagian umum tidak diketahui hlm sama dengan nilai yang ditetapkan p 0 =0.97. Berhubung dengan keadaan - kebarangkalian bahawa bahagian dari lot yang diuji akan mengikut piawaian ialah 0.97; mereka. kumpulan produk boleh diterima.
H1:hlm<0,97 - вероятность того, что деталь из проверяемой партии окажется соответствующей стандарту, меньше 0.97; т.е. партию изделий нельзя принять. При такой альтернативной гипотезе критическая область будет левосторонней.
Nilai statistik yang diperhatikan K(jadual) hitung untuk nilai yang diberi p 0 =0.97, n=200, m=193

Nilai kritikal didapati daripada jadual fungsi Laplace daripada kesamaan

Mengikut keadaan α=0.02, maka F(Kcr)=0.48 dan Kcr=2.05. Kawasan kritikal adalah kidal, i.e. ialah selang (-∞;-K kp)= (-∞;-2.05). Nilai yang diperhatikan Kobs = -0.415 tidak tergolong dalam kawasan kritikal, oleh itu, pada tahap keertian ini, tidak ada sebab untuk menolak hipotesis utama. Satu kumpulan produk boleh diterima.

Contoh nombor 5. Dua kilang mengeluarkan jenis bahagian yang sama. Untuk menilai kualitinya, sampel telah diambil daripada produk kilang tersebut dan keputusan berikut diperolehi. Antara 200 produk terpilih kilang pertama, 20 rosak, dan antara 300 produk kilang kedua, 15 rosak.
Pada aras keertian 0.025, ketahui jika terdapat perbezaan yang signifikan dalam kualiti bahagian yang dikeluarkan oleh kilang-kilang ini.

Mengikut keadaan α=0.025, maka F(Kcr)=0.4875 dan Kcr=2.24. Dengan alternatif dua sisi, kawasan nilai yang boleh diterima mempunyai bentuk (-2.24; 2.24). Nilai yang diperhatikan Kobs =2.15 berada dalam selang ini, i.e. pada tahap kepentingan ini, tidak ada sebab untuk menolak hipotesis utama. Kilang mengeluarkan produk dengan kualiti yang sama.

Sampel

Sampel atau bingkai pensampelan- satu set kes (subjek, objek, peristiwa, sampel), menggunakan prosedur tertentu, dipilih daripada populasi umum untuk penyertaan dalam kajian.

Ciri-ciri sampel:

Ciri kualitatif sampel - siapa sebenarnya yang kita pilih dan kaedah pembinaan sampel yang kita gunakan untuk ini.
Ciri kuantitatif sampel ialah berapa banyak kes yang kita pilih, dengan kata lain, saiz sampel.

Perlu untuk pensampelan

Objek kajian sangat luas. Sebagai contoh, pengguna produk syarikat global adalah sejumlah besar pasaran yang tersebar secara geografi.
Terdapat keperluan untuk mengumpul maklumat utama.

Saiz sampel

Saiz sampel- bilangan kes yang termasuk dalam sampel. Atas sebab statistik, adalah disyorkan bahawa bilangan kes sekurang-kurangnya 30-35.

Sampel bergantung dan bebas

Apabila membandingkan dua (atau lebih) sampel, pergantungan mereka adalah parameter penting. Sekiranya mungkin untuk mewujudkan pasangan homomorfik (iaitu, apabila satu kes daripada sampel X sepadan dengan satu dan hanya satu kes daripada sampel Y dan sebaliknya) untuk setiap kes dalam dua sampel (dan asas hubungan ini penting untuk sifat diukur dalam sampel), sampel tersebut dipanggil bergantung. Contoh pilihan bergantung:

sepasang kembar
dua ukuran bagi sebarang ciri sebelum dan selepas pendedahan eksperimen,
suami isteri
dan lain-lain.

Sekiranya tiada hubungan sedemikian antara sampel, maka sampel ini dipertimbangkan bebas, sebagai contoh:

Sehubungan itu, sampel bergantung sentiasa mempunyai saiz yang sama, manakala saiz sampel bebas mungkin berbeza.

Sampel dibandingkan menggunakan pelbagai kriteria statistik:

dan lain-lain.

Keterwakilan

Sampel boleh dianggap sebagai wakil atau bukan wakil.

Contoh sampel bukan perwakilan

Belajar dengan kumpulan eksperimen dan kawalan, yang diletakkan dalam keadaan yang berbeza.
- Belajar dengan kumpulan eksperimen dan kawalan menggunakan strategi pemilihan berpasangan
Kajian hanya menggunakan satu kumpulan - eksperimen.
Kajian menggunakan pelan campuran (faktorial) - semua kumpulan diletakkan dalam keadaan yang berbeza.

Jenis sampel

Sampel dibahagikan kepada dua jenis:

kebarangkalian
kemustahilan

Sampel kebarangkalian

Persampelan kebarangkalian mudah:
- Pensampelan semula mudah. Penggunaan sampel sedemikian adalah berdasarkan andaian bahawa setiap responden berkemungkinan sama untuk dimasukkan ke dalam sampel. Berdasarkan senarai populasi umum, kad dengan bilangan responden disusun. Mereka diletakkan dalam geladak, dikocok, dan kad diambil daripadanya secara rawak, nombor ditulis, kemudian dikembalikan semula. Selanjutnya, prosedur diulang seberapa banyak saiz sampel yang kita perlukan. Tolak: pengulangan unit pemilihan.

Prosedur untuk membina sampel rawak mudah termasuk langkah-langkah berikut:

1. anda perlu mendapatkan senarai lengkap ahli populasi umum dan nombor senarai ini. Senarai sedemikian, ingat semula, dipanggil bingkai pensampelan;

2. menentukan saiz sampel yang dijangkakan, iaitu jangkaan bilangan responden;

3. ekstrak seberapa banyak nombor daripada jadual nombor rawak kerana kita memerlukan unit sampel. Jika sampel harus mengandungi 100 orang, 100 nombor rawak diambil daripada jadual. Nombor rawak ini boleh dijana oleh program komputer.

4. pilih daripada senarai asas pemerhatian yang nombornya sepadan dengan nombor rawak bertulis

Sampel rawak mudah mempunyai kelebihan yang jelas. Kaedah ini amat mudah difahami. Hasil kajian boleh dipanjangkan kepada populasi kajian. Kebanyakan pendekatan kepada inferens statistik melibatkan pengumpulan maklumat menggunakan sampel rawak mudah. Walau bagaimanapun, kaedah persampelan rawak mudah mempunyai sekurang-kurangnya empat had penting:

1. Selalunya sukar untuk mencipta bingkai pensampelan yang membolehkan sampel rawak mudah.

2. Sampel rawak mudah boleh menghasilkan populasi yang besar, atau populasi yang diedarkan di kawasan geografi yang besar, yang meningkatkan masa dan kos pengumpulan data dengan ketara.

3. Keputusan menggunakan sampel rawak mudah selalunya dicirikan oleh ketepatan yang rendah dan ralat piawai yang lebih besar daripada keputusan menggunakan kaedah kebarangkalian yang lain.

4. Hasil daripada penggunaan SRS, sampel yang tidak mewakili boleh dibentuk. Walaupun sampel yang diperolehi melalui pemilihan rawak mudah, secara purata, cukup mewakili populasi umum, sesetengah daripada mereka sangat salah mewakili populasi yang dikaji. Kebarangkalian ini adalah tinggi terutamanya dengan saiz sampel yang kecil.

Persampelan mudah tidak berulang. Prosedur untuk membina sampel adalah sama, cuma kad yang mempunyai nombor responden tidak dikembalikan semula ke dek.

Persampelan kebarangkalian sistematik. Ia adalah versi ringkas bagi sampel kebarangkalian mudah. Berdasarkan senarai populasi umum, responden dipilih pada selang tertentu (K). Nilai K ditentukan secara rawak. Keputusan yang paling boleh dipercayai dicapai dengan populasi umum yang homogen, jika tidak saiz langkah dan beberapa corak kitaran dalaman sampel mungkin bertepatan (pencampuran sampel). Keburukan: sama seperti dalam sampel kebarangkalian mudah.
Pensampelan bersiri (bersarang). Unit persampelan adalah siri statistik (keluarga, sekolah, pasukan, dll.). Elemen yang dipilih tertakluk kepada pemeriksaan berterusan. Pemilihan unit statistik boleh disusun mengikut jenis persampelan rawak atau sistematik. Keburukan: Kemungkinan kehomogenan yang lebih besar daripada populasi umum.
Sampel dizonkan. Dalam kes populasi heterogen, sebelum menggunakan pensampelan kebarangkalian dengan sebarang teknik pemilihan, adalah disyorkan untuk membahagikan populasi kepada bahagian homogen, sampel sedemikian dipanggil sampel berzon. Kumpulan pengezonan boleh terdiri daripada pembentukan semula jadi (contohnya, daerah bandar) dan sebarang ciri yang mendasari kajian. Tanda atas dasar pembahagian itu dijalankan dipanggil tanda stratifikasi dan zon.
Pemilihan "mudah". Prosedur pensampelan "kemudahan" terdiri daripada mewujudkan hubungan dengan unit pensampelan "mudah" - dengan sekumpulan pelajar, pasukan sukan, dengan rakan dan jiran. Sekiranya perlu untuk mendapatkan maklumat tentang reaksi orang terhadap konsep baru, sampel sedemikian adalah agak munasabah. Persampelan "Kemudahan" sering digunakan untuk ujian awal soal selidik.

Sampel Luar Biasa

Pemilihan dalam sampel sedemikian dilakukan bukan mengikut prinsip peluang, tetapi mengikut kriteria subjektif - kebolehcapaian, tipikal, perwakilan yang sama, dll.

Persampelan kuota - persampelan dibina sebagai model yang menghasilkan semula struktur populasi umum dalam bentuk kuota (perkadaran) ciri yang dikaji. Bilangan elemen sampel dengan gabungan berbeza ciri-ciri yang dikaji ditentukan dengan cara yang sepadan dengan bahagian (perkadaran) mereka dalam populasi umum. Jadi, sebagai contoh, jika kita mempunyai populasi umum 5,000 orang, di mana 2,000 wanita dan 3,000 lelaki, maka dalam sampel kuota kita akan mempunyai 20 wanita dan 30 lelaki, atau 200 wanita dan 300 lelaki. Sampel kuota paling kerap berdasarkan kriteria demografi: jantina, umur, wilayah, pendapatan, pendidikan dan lain-lain. Keburukan: biasanya sampel sedemikian tidak mewakili, kerana adalah mustahil untuk mengambil kira beberapa parameter sosial sekaligus. Kelebihan: bahan mudah diakses.
Kaedah bola salji. Sampel dibina seperti berikut. Setiap responden, bermula dengan yang pertama, diminta menghubungi rakan, rakan sekerja, kenalannya yang sesuai dengan syarat pemilihan dan boleh mengambil bahagian dalam kajian. Oleh itu, dengan pengecualian langkah pertama, sampel dibentuk dengan penyertaan objek kajian itu sendiri. Kaedah ini sering digunakan apabila perlu mencari dan menemu bual kumpulan responden yang sukar dijangkau (contohnya, responden yang berpendapatan tinggi, responden dalam kumpulan profesional yang sama, responden yang mempunyai beberapa hobi / minat yang sama, dll. )
Persampelan spontan - persampelan yang dipanggil "pendatang pertama". Selalunya digunakan dalam tinjauan pendapat televisyen dan radio. Saiz dan komposisi sampel spontan tidak diketahui terlebih dahulu, dan ditentukan oleh hanya satu parameter - aktiviti responden. Kelemahan: adalah mustahil untuk menentukan jenis populasi umum yang diwakili oleh responden, dan akibatnya, adalah mustahil untuk menentukan keterwakilan.
Tinjauan laluan - selalu digunakan jika unit pengajian adalah keluarga. Pada peta penempatan di mana tinjauan akan dijalankan, semua jalan diberi nombor. Menggunakan jadual (penjana) nombor rawak, nombor besar dipilih. Setiap nombor besar dianggap terdiri daripada 3 komponen: nombor jalan (2-3 nombor pertama), nombor rumah, nombor pangsapuri. Contohnya, nombor 14832: 14 ialah nombor jalan pada peta, 8 ialah nombor rumah, 32 ialah nombor pangsapuri.
Pensampelan zon dengan pemilihan objek biasa. Jika, selepas pengezonan, objek tipikal dipilih daripada setiap kumpulan, i.e. objek yang menghampiri purata dari segi kebanyakan ciri yang dikaji dalam kajian, sampel sedemikian dipanggil dizonkan dengan pemilihan objek tipikal.

6. Pemilihan modal. 7. sampel pakar. 8. Sampel heterogen.

Strategi Pembinaan Kumpulan

Pemilihan kumpulan untuk penyertaan mereka dalam eksperimen psikologi dijalankan menggunakan pelbagai strategi, yang diperlukan untuk memastikan pematuhan yang paling mungkin terhadap kesahihan dalaman dan luaran.

Rawak

Rawak, atau pemilihan rawak, digunakan untuk mencipta sampel rawak mudah. Penggunaan sampel sedemikian adalah berdasarkan andaian bahawa setiap ahli populasi berkemungkinan sama untuk dimasukkan ke dalam sampel. Sebagai contoh, untuk membuat sampel rawak 100 pelajar universiti, anda boleh meletakkan kertas dengan nama semua pelajar universiti dalam topi, dan kemudian mendapatkan 100 keping kertas daripadanya - ini akan menjadi pemilihan rawak (Goodwin J., p 147).

Pemilihan berpasangan

Pemilihan berpasangan- strategi untuk membina kumpulan sampel, di mana kumpulan subjek terdiri daripada subjek yang setara dari segi parameter sampingan yang signifikan untuk eksperimen. Strategi ini berkesan untuk eksperimen menggunakan kumpulan eksperimen dan kawalan dengan pilihan terbaik - menarik pasangan kembar (mono- dan dizigotik), kerana ia membolehkan anda membuat ...

Pemilihan stratometri

Pemilihan stratometri- rawak dengan peruntukan strata (atau kelompok). Dengan kaedah persampelan ini, populasi umum dibahagikan kepada kumpulan (strata) dengan ciri-ciri tertentu (jantina, umur, keutamaan politik, pendidikan, tahap pendapatan, dll.), dan subjek dengan ciri-ciri yang sepadan dipilih.

Permodelan anggaran

Permodelan anggaran- membuat sampel terhad dan menyamaratakan kesimpulan tentang sampel ini kepada populasi yang lebih luas. Sebagai contoh, apabila mengambil bahagian dalam kajian pelajar tahun ke-2 universiti, data kajian ini diperluaskan kepada "orang berumur 17 hingga 21 tahun." Kebolehterimaan generalisasi sedemikian adalah sangat terhad.

Permodelan anggaran ialah pembentukan model yang, untuk kelas sistem (proses) yang ditakrifkan dengan jelas, menerangkan kelakuannya (atau fenomena yang dikehendaki) dengan ketepatan yang boleh diterima.

Nota

kesusasteraan

Nasledov A. D. Kaedah matematik penyelidikan psikologi. - St. Petersburg: Ucapan, 2004.

Ilyasov F. N. Perwakilan hasil tinjauan dalam penyelidikan pemasaran.. Sotsiologicheskie issledovaniya. 2011. No 3. P. 112-116.

lihat juga

Dalam beberapa jenis kajian, sampel dibahagikan kepada kumpulan:
- percubaan
- kawalan
kohort

Pautan

Konsep persampelan. Ciri-ciri utama sampel. Jenis sampel

Yayasan Wikimedia. 2010 .

sinonim:

Lihat apa "Pilihan" dalam kamus lain:

sampel- sekumpulan subjek yang mewakili populasi tertentu dan dipilih untuk eksperimen atau kajian. Konsep yang bertentangan ialah keseluruhan umum. Sampel adalah sebahagian daripada populasi umum. Kamus ahli psikologi praktikal. M .: AST, ... ... Ensiklopedia Psikologi Hebat

sampel- persampelan Bahagian populasi umum elemen yang diliputi oleh pemerhatian (sering dipanggil populasi persampelan, dan sampel ialah kaedah pemerhatian persampelan itu sendiri). Dalam statistik matematik, ia diterima ... ... Buku Panduan Penterjemah Teknikal

- (sampel) 1. Kuantiti kecil komoditi yang dipilih untuk mewakili keseluruhan kuantitinya. Lihat: jualan mengikut sampel. 2. Sebilangan kecil produk diberikan kepada bakal pembeli untuk memberi mereka peluang untuk membelanjakannya ... ... Glosari istilah perniagaan

Sampel- sebahagian daripada populasi umum elemen yang diliputi oleh pemerhatian (ia sering dipanggil populasi persampelan, dan persampelan ialah kaedah pemerhatian persampelan itu sendiri). Dalam statistik matematik, prinsip pemilihan rawak diterima pakai; ini adalah… … Kamus Ekonomi dan Matematik

- (sampel) Pemilihan rawak subkumpulan unsur daripada populasi utama, ciri-cirinya digunakan untuk menilai keseluruhan populasi secara keseluruhan. Pensampelan digunakan apabila terlalu lama atau terlalu mahal untuk meninjau keseluruhan populasi... Kamus ekonomi

Cm… kamus sinonim