Una muestra sistemática donde se elige cada sexta persona (resaltada en amarillo).
Una forma de obtener una muestra justa y aleatoria es asignar un número a cada miembro de la población y luego elegir el enésimo miembro de esa población. Por ejemplo, puede elegir cada décimo miembro, o cada miembro número 100. Este método para elegir el enésimo miembro se llama muestreo sistemático.
Cuando estás probando de una población, debes asegurarte de obtener una representación justa de esa población. De lo contrario, sus estadísticas serán sesgadas o sesgadas y tal vez sin sentido.
El muestreo sistemático es rápido y conveniente cuando tiene una lista completa de los miembros de su población (por ejemplo, este uno de los miembros del Congreso). Sin embargo, si hay algún tipo de patrón en la lista original, entonces el sesgo puede arrastrarse a sus estadísticas.
Por ejemplo, si se ordena una lista de personas como MFMFMFMF, entonces elegir cada décimo número le dará una muestra que consiste completamente en mujeres. Puede barajar al azar la lista antes de elegir el enésimo elemento o puede usar un muestreo sistemático repetido, donde toma varias muestras pequeñas de la misma población. Se usa si no está seguro de tener una lista completamente aleatoria y desea evitar el sesgo de muestra.
La principal diferencia es que se detendrá a través del muestreo y el interruptor. Siga los pasos para ver cómo se hace esto:
Paso 4: Use el dígito de muestreo desde el paso 3 hasta cierto punto. Esta suele ser una llamada de juicio; Exactamente donde te detienes suele ser bastante arbitrario. El objetivo es dividir su población en partes. Para este ejemplo, probaremos hasta 50; Al detenerse a los 50, estamos dividiendo todo el grupo en dos secciones.
¿Cómo se calcula el muestreo sistemático?
Ejemplo: Suponga que nuestra población es de 9,000 estudiantes y queremos probar a 1,200 estudiantes. ¿Cómo muestreamos a estos estudiantes sistemáticamente?
Desde 9000/1200 = 7.5, podemos realizar una muestra sistemática 1 en 7. O debemos probar cada séptimo estudiante. Podemos elegir un punto de partida al azar de 1 a 600 y probar cada séptimo estudiante de eso hasta que hayamos alcanzado las 1200 muestras.
¿Cómo estimamos la varianza de esta muestra sistemática única?
(s^2_u = dfrac {1} {n-1} sum limits_ {i = 1}^n (y_i- bar {y})^2 )
Si la población está ordenada al azar, entonces no hay problema. Podemos estimar la varianza ( sigma^2 ) por:
(s^2 = dfrac { sum limits_ {j = 1}^{m_1} (y_ {1j}- bar {y} _1)^2} {m_1-1} )
Sin embargo, cuando se ordena la población, el muestreo sistemático suele ser mejor que el simple muestreo aleatorio y la fórmula anterior sobreestimará la varianza.
Cuando la población es periódica, el muestreo sistemático puede ser peor que el muestreo aleatorio simple y la fórmula anterior subestimará la varianza ya que si el período K se elige mal, entonces los elementos muestreados pueden ser demasiado similares entre sí.
A menos que la población se ordene al azar, no podemos usar el método ingenuo para calcular la varianza. [Mire en el libro de texto Página 162 para formas más avanzadas.] Por lo tanto, necesitamos más de una unidad principal.
Un ferry que transporta autos a través de una bahía cobra una tarifa por parte de la carga de automóviles en lugar de por persona. La compañía de ferry quiere estimar el número promedio de personas por automóvil para el mes de agosto. La compañía sabe del año pasado que 400 autos tomaron el ferry y quieren probar 80 autos. Para facilitar la estimación de la varianza de la muestra sistemática, el investigador elige usar un muestreo sistemático repetido con 10 muestras de 8 automóviles cada uno. Use los datos dados en la siguiente tabla para estimar el número promedio de personas por automóvil y también proporcione una estimación de la varianza.
¿Qué es el muestreo aleatorio simple y ejemplos?
La selección aleatoria simple (también denominada selección aleatoria pura o sin restricciones) es la forma básica de todos los procesos de selección controlados al azar. Cada elemento de la población tiene la misma probabilidad predecible por encima de cero que se incluye en la muestra. El azar solo decide en la selección, es decir, el proceso de selección está libre de influencias subjetivas. Con un tamaño creciente, una muestra basada en la selección aleatoria simple se acerca a la población, que aumenta su representatividad.
Para poder llevar a cabo una selección aleatoria simple, todos los elementos de la población deben ser conocidos y numerados. Si se cumple este requisito, la selección real de los elementos para la muestra se puede hacer de acuerdo con el proceso de lotería, para lo cual la población debe mezclarse de acuerdo con el principio aleatorio. Si el procedimiento de lotería no es aplicable, el proceso de número final (todos los elementos con el dígito final seleccionado aleatoriamente se seleccionan) o con el procedimiento de la selección aleatoria sistemática (cada elemento X-TE se selecciona, comenzando en un punto de partida determinado al azar ) Una selección aleatoria simple lo hará.
No es necesario conocimiento previo de las distribuciones características dentro de la población para llevar a cabo una selección aleatoria simple, y el proceso en sí es fiel a la expectativa. Manipulación subjetiva de la selección por el ejecutivo, ya sea consciente o inconscientemente, apenas imaginable con una simple selección aleatoria. Es desventajoso que una selección aleatoria realizada correctamente traiga un alto esfuerzo en la planificación e implementación. Además, una persona seleccionada al azar no puede ser simplemente reemplazada por otra sin violar el principio de selección aleatoria. Esto significa que la no accesibilidad o la negativa a proporcionar información plantean un problema si ocurren cada vez más.
¿Qué es muestreo aleatorio simple resumen?
Una muestra aleatoria simple es una técnica de topografía imparcial que define un subgrupo de una población donde la posibilidad de ser seleccionada es igual para todos los miembros de la población. Aquí, el proceso de selección de muestra se basa completamente en el azar o la suerte. Una muestra aleatoria simple producirá un resultado más representativo en los casos en que toda la población sea homogénea.
Dado que los miembros de una muestra aleatoria simple se eligen al azar por casualidad, todos los miembros del conjunto de población tienen una probabilidad igual de ser elegidas. La precisión estadística de la muestra mejora a medida que aumenta el tamaño de la muestra.
Una muestra aleatoria simple es similar a una muestra aleatoria, excepto que cada miembro de una población puede no tener la misma posibilidad de ser elegido en una muestra aleatoria.
- Una muestra aleatoria simple es una técnica para seleccionar un subgrupo de una población donde la posibilidad de ser seleccionada es igual para todos los miembros de la población.
- Dado que la muestra se selecciona al azar o por casualidad, una muestra aleatoria simple representa de manera justa las características de la población en estudio.
- Una muestra aleatoria simple se puede elegir al azar de cualquier población definida, suponiendo que cada miembro sea elegible para ser elegido.
Dependiendo de los criterios de muestreo, elija un grupo sobre qué conclusiones se necesitan para extraer. Por ejemplo, suponga que un investigador quiere aprender sobre las aspiraciones profesionales de los estudiantes que estudian en una universidad específica.
¿Dónde se aplica el muestreo aleatorio simple?
Muestra de muestreo o configuración: un conjunto de casos (sujetos, objetos, eventos, muestras), de acuerdo con un determinado procedimiento, seleccionado por la población general para participar en el estudio.
- Características cualitativas de la muestra: a quién elegimos exactamente y qué métodos de construcción de la muestra usamos para esto.
- La característica cuantitativa de la muestra es el número de casos que seleccionamos, o el tamaño de la muestra.
- El objeto de estudio es muy grande. Por ejemplo, los consumidores de los productos de una empresa global son una gran cantidad de mercados geográficamente dispersos.
- Se debe recopilar información primaria.
Medición de la prueba: el número de casos incluidos en la muestra. Por razones estadísticas, se recomienda que el número de casos sea al menos 30-35.
Cuando comparan dos (o más) muestras, su adicción es un parámetro importante. Si es posible establecer una pareja de Omomorfa (es decir, cuando un caso de la muestra X corresponde a un solo caso de la muestra Y y viceversa) para cada caso en dos muestras (y esta base de relación es importante para el estiramiento medido en las muestras), se llaman a estas muestras. Ejemplos de selecciones de empleados:
- Características cualitativas de la muestra: a quién elegimos exactamente y qué métodos de construcción de la muestra usamos para esto.
- La característica cuantitativa de la muestra es el número de casos que seleccionamos, o el tamaño de la muestra.
- El objeto de estudio es muy grande. Por ejemplo, los consumidores de los productos de una empresa global son una gran cantidad de mercados geográficamente dispersos.
- Se debe recopilar información primaria.
Si no hay relación entre las muestras, estas muestras independientes se tienen en cuenta, por ejemplo:
En consecuencia, las muestras dependientes siempre tienen el mismo tamaño, mientras que el tamaño de las muestras independientes puede diferir.
Artículos Relacionados:
