Что такое статистическая выборка?

Много раз исследователи хотят знать ответы на вопросы, которые являются большими по объему. Например:

• Что все в определенной стране смотрели по телевизору прошлой ночью?
• Кто делает электорат намерены голосовать за на предстоящих выборах?
• Сколько птиц возвращается из миграции в определенное место?
• Какой процент рабочей силы является безработным?

Такие вопросы огромны в том смысле, что они требуют, чтобы мы отслеживали миллионы людей.

Статистика упрощает эти проблемы, используя технику, называемую выборкой. Путем проведения статистической выборки наша рабочая нагрузка может быть значительно сокращена. Вместо того, чтобы отслеживать поведение миллиардов или миллионов, нам нужно только исследовать поведение тысяч или сотен. Как мы увидим, это упрощение имеет свою цену.

Население статистического исследования - это то, о чем мы пытаемся что-то выяснить. Он состоит из всех лиц, которые рассматриваются. Население может быть чем угодно. Калифорнийцы, карибы, компьютеры, автомобили или округа - все это можно считать группами населения, в зависимости от статистического вопроса. Хотя большинство исследуемых популяций велики, они не обязательно должны быть такими.

Одной из стратегий исследования населения является проведение переписи. В ходе переписи мы изучаем каждого члена населения в нашем исследовании. Ярким примером этого является Перепись населения США. Каждые десять лет Бюро переписей рассылает вопросники всем жителям страны. Тех, кто не возвращает форму, посещают переписчики

Переписи чреваты трудностями. Они обычно дороги с точки зрения времени и ресурсов. В дополнение к этому трудно гарантировать, что все в населении были достигнуты. С другими группами населения еще труднее проводить перепись. Если мы хотим изучить привычки бездомных собак в штате Нью-Йорк, удачи округляем все из этих переходных клыков.

Так как обычно либо невозможно, либо нецелесообразно отследить каждого члена населения, следующий доступный вариант - это выборка населения. Выборка - это любое подмножество населения, поэтому его размер может быть маленьким или большим. Мы хотим, чтобы образец был достаточно маленьким, чтобы его можно было обрабатывать с помощью наших вычислительных мощностей, но при этом достаточно большим, чтобы давать нам статистически значимые результаты.

Если избирательная фирма пытается определить удовлетворенность избирателей Конгрессом и его размер образца один, то результаты будут бессмысленными (но легко получить). С другой стороны, опрос миллионов людей потребляет слишком много ресурсов. Чтобы соблюсти баланс, опросы этого типа обычно имеют размеры выборки около 1000.

Но правильного размера выборки недостаточно для обеспечения хороших результатов. Мы хотим образец, который является представителем населения. Предположим, мы хотим узнать, сколько книг читает средний американец в год. Мы просим 2000 студентов колледжа следить за тем, что они читают в течение года, а затем проконсультироваться с ними через год. Мы находим среднее число прочитанных книг 12, а затем заключаем, что средний американец читает 12 книг в год.

Проблема с этим сценарием с образцом. Большинству студентов колледжа от 18 до 25 лет, и их инструкторы обязаны читать учебники и романы. Это плохое представление среднего американца. Хороший образец будет содержать людей разных возрастов, из всех слоев общества и из разных регионов страны. Чтобы получить такую ​​выборку, нам нужно было бы составить ее случайным образом, чтобы у каждого американца была равная вероятность оказаться в выборке.

Золотой стандарт статистических экспериментов простая случайная выборка. В таком образце размера N индивидуумы, каждый член населения имеет одинаковую вероятность быть выбранным для выборки, и каждая группа N люди имеют одинаковую вероятность быть избранным. Существует множество способов отбора популяции. Некоторые из наиболее распространенных:

• Случайный пример
• Простая случайная выборка
• Образец добровольного ответа
• Образец удобства
• Систематический образец
• Образец кластера
• Стратифицированный образец

Как говорится, «Хорошее начало - половина дела». Чтобы наши статистические исследования и эксперименты давали хорошие результаты, мы должны тщательно планировать и начинать их. Легко придумать плохие статистические выборки. Хорошо простые случайные выборки Требуется некоторая работа, чтобы получить. Если наши данные были получены случайным и кавалерным способом, то независимо от того, насколько сложен наш анализ, статистические методы не дадут нам каких-либо стоящих выводов.