- ประเภทของความน่าจะเป็นหรือการสุ่มตัวอย่าง
- การสุ่มตัวอย่างแบบง่าย
- การสุ่มตัวอย่างอย่างเป็นระบบ
- การสุ่มแบบแบ่งชั้น
- การสุ่มกลุ่มตัวอย่าง
- ประเภทการสุ่มตัวอย่างที่ไม่ใช่ความน่าจะเป็น
- การสุ่มตัวอย่างความสะดวกสบาย
- การสุ่มตัวอย่างโควต้า
- การสุ่มตัวอย่างก้อนหิมะ
- การสุ่มตัวอย่างตามดุลยพินิจ
- อ้างอิง
ประเภทของการสุ่มตัวอย่างมีหลายวิธีในการดึงข้อมูลจากส่วนหนึ่งของทั้งหมดเป็นเครื่องมือทางสถิติที่มีประสิทธิภาพที่มีฟังก์ชั่นคือการกำหนดสิ่งที่เป็นส่วนหนึ่งของประชากรหรือจักรวาลมีความจำเป็นต้องตรวจสอบเพื่อให้การหาข้อสรุปและได้รับข้อมูลเกี่ยวกับเรื่องนี้
การสุ่มตัวอย่างมีความสำคัญมากเมื่อคุณไม่สามารถหรือไม่ต้องการวิเคราะห์ประชากรทั้งหมด โปรดทราบว่าคำว่า "ประชากร" ไม่ได้หมายถึงคนกลุ่มใหญ่หรือสิ่งมีชีวิตเท่านั้น แต่โดยทั่วไปหมายถึงองค์ประกอบทั้งหมดที่จะได้รับการศึกษาในปัญหาที่กำหนด
รูปที่ 1. การสุ่มตัวอย่างเป็นสิ่งสำคัญในการเลือกตัวอย่างตัวแทนจากจักรวาล ที่มา: Pixabay
ตามประเภทของการสุ่มตัวอย่างที่เลือกส่วนของประชากรที่ถือว่าเป็นตัวแทนมากที่สุดจะถูกเลือกตามวัตถุประสงค์เสมอ
แน่นอนว่าเมื่อรับข้อมูลเพียงส่วนหนึ่งของจักรวาลก็เป็นไปได้ที่จะพลาดรายละเอียดบางอย่างและละเว้นข้อมูลซึ่งเป็นสาเหตุที่ผลลัพธ์จะไม่แม่นยำเท่าที่ควร สิ่งนี้เรียกว่าข้อผิดพลาดในการสุ่มตัวอย่าง
แนวคิดคือการทำให้จักรวาลของข้อมูลง่ายขึ้นให้มากที่สุดโดยเลือกตัวอย่างที่เป็นตัวแทนมากที่สุดที่สามารถให้ข้อมูลสูงสุดเพื่อให้แน่ใจว่าผลลัพธ์จะถูกต้อง
ประเภทของความน่าจะเป็นหรือการสุ่มตัวอย่าง
การสุ่มตัวอย่างความน่าจะเป็นขึ้นอยู่กับความน่าจะเป็นที่จะต้องเลือกตัวแบบของตัวอย่าง ด้วยวิธีนี้แต่ละองค์ประกอบของประชากรจะได้รับโอกาสในการถูกเลือกซึ่งแน่นอนว่าจะต้องมากกว่า 0
สิ่งนี้มีความสำคัญอย่างยิ่งเนื่องจากอาจเกิดขึ้นได้จากจักรวาลของข้อมูลมีการเลือกตัวอย่างที่ไม่เพียงพอที่จะเป็นตัวแทนของทั้งหมด
หากเป็นเช่นนั้นผลลัพธ์จะเอนเอียงเนื่องจากบางส่วนของประชากรจะได้รับความนิยมมากกว่าคนอื่น ๆ เพื่อหลีกเลี่ยงความลำเอียงซึ่งมีหลายประเภททางเลือกหนึ่งคือปล่อยให้โอกาสเลือกตัวอย่างและทำให้แต่ละองค์ประกอบมีความน่าจะเป็นที่ไม่เป็นศูนย์ในการเลือก
การสุ่มตัวอย่างแบบง่าย
นี่เป็นวิธีง่ายๆเพื่อให้แน่ใจว่าโอกาสนั้นได้ผล ตัวอย่างเช่นหากเป็นคำถามเกี่ยวกับการเลือกเด็กบางคนในชั้นเรียนเพื่อเข้าร่วมกิจกรรมศิลปะของโรงเรียนชื่อของเด็กทุกคนจะอยู่บนบัตรลงคะแนนที่พับเหมือนกันคละกันในหมวกและสุ่มจับฉลากหนึ่งกำมือ
เด็กทุกคนในชั้นเรียนประกอบขึ้นเป็นประชากรและตัวอย่างบัตรลงคะแนนจำนวนหนึ่งที่ดึงออกมาจากหมวกคือตัวอย่าง
ความสำเร็จของขั้นตอนนี้อยู่ที่การจัดทำรายชื่อเด็กทั้งหมดให้ครบถ้วนเพื่อไม่ให้ใครถูกทิ้ง ในหลักสูตรเล็ก ๆ นี่ไม่ใช่ปัญหา แต่เมื่อคุณต้องการเลือกกลุ่มตัวอย่างจากประชากรจำนวนมากคุณต้องปรับแต่งวิธีการ
การสุ่มตัวอย่างแบบง่ายสามารถทำได้ด้วยการเปลี่ยนหรือเปลี่ยน ตัวอย่างเช่นหากเราดึงองค์ประกอบออกจากประชากรและส่งคืนหลังจากเลือกและตรวจสอบแล้วจักรวาลขององค์ประกอบของเราจะยังคงเหมือนเดิมตลอดการศึกษา
หากในทางตรงกันข้ามองค์ประกอบที่เลือกได้รับการศึกษาไม่ได้ส่งคืนมากกว่านั้นเป็นการสุ่มตัวอย่างโดยไม่ต้องเปลี่ยน สิ่งนี้ต้องนำมาพิจารณาในการคำนวณความน่าจะเป็นขององค์ประกอบที่ถูกเลือก
การสุ่มตัวอย่างอย่างเป็นระบบ
ในการดำเนินการสุ่มตัวอย่างนี้จำเป็นต้องแสดงรายการองค์ประกอบ N และกำหนดขนาดของตัวอย่างซึ่งเราจะเรียกว่า n รายการนี้เรียกว่ากรอบการสุ่มตัวอย่าง
ตอนนี้มีการกำหนดช่วงเวลาการกระโดดซึ่งแสดงด้วยตัวอักษร k และคำนวณดังนี้:
เลือกหมายเลขสุ่ม - โดยสุ่ม - ระหว่าง 1 ถึง k เรียกว่า ro random start นี่เป็นบุคคลแรกในรายการที่ได้รับเลือกและจากนั้นจะมีการเลือกองค์ประกอบต่อไปนี้ในรายการ
ตัวอย่าง: สมมติว่าคุณมีรายชื่อนักศึกษา 2,000 คนจากมหาวิทยาลัยแห่งหนึ่งและคุณต้องการได้ตัวอย่างนักศึกษา 100 คนเพื่อเข้าร่วมการประชุม
สิ่งแรกที่ต้องทำคือหาค่า k:
เมื่อเราแบ่งจำนวนนักเรียนทั้งหมดออกเป็น 100 เศษของนักเรียน 20 คนแล้วจะมีการสุ่มตัวอย่างหนึ่งชิ้นและเลือกหมายเลขสุ่มระหว่าง 1 ถึง 20 เช่น 12 ดังนั้นนักเรียนคนที่สิบสองในรายชื่อของเราคือ บูตแบบสุ่ม
นักเรียนคนต่อไปที่จะได้รับการคัดเลือกจะต้องเป็น 12 + 20 = 22 จากนั้น 42 แล้ว 62 เป็นต้นไปจนกว่าจะครบ 100 คน
อย่างที่คุณเห็นมันเป็นวิธีการที่รวดเร็วในการนำไปใช้และโดยปกติจะให้ผลลัพธ์ที่ดีมากโดยไม่จำเป็นต้องใส่ชื่อ 2000 ชื่อในหมวกและรับ 100 ชื่อตราบใดที่ไม่มีช่วงเวลาในประชากรซึ่งก่อให้เกิดอคติ .
การสุ่มแบบแบ่งชั้น
รูปที่ 2 ในการสุ่มตัวอย่างแบบแบ่งชั้นประชากรจะถูกแบ่งออกเป็นกลุ่มที่เรียกว่าชั้น ที่มา: Pixabay
ในการสุ่มตัวอย่างแบบง่ายแต่ละรายการในประชากรมีความน่าจะเป็นที่จะถูกเลือกเท่ากัน แต่สิ่งนี้อาจไม่เป็นความจริงเสมอไปโดยเฉพาะอย่างยิ่งเมื่อมีความซับซ้อนมากขึ้นที่ต้องพิจารณา
ในการดำเนินโครงการสุ่มตัวอย่างแบบแบ่งชั้นจะต้องแบ่งประชากรออกเป็นกลุ่มที่มีลักษณะคล้ายคลึงกัน สิ่งเหล่านี้คือชั้น จากนั้นชั้นจะถูกนำมาและเลือกตัวอย่างสุ่มอย่างง่ายจากแต่ละกลุ่มซึ่งจะรวมกันเพื่อสร้างตัวอย่างสุดท้าย
ชั้นจะถูกกำหนดก่อนการสุ่มตัวอย่างศึกษาลักษณะของจักรวาลข้อมูล
ลักษณะเหล่านี้อาจเป็นสถานภาพสมรสอายุสถานที่ที่คุณอาศัยอยู่ตัวอย่างเช่นประชากรในเมืองชานเมืองและชนบทอาชีพระดับการศึกษาเพศและอื่น ๆ อีกมากมาย
ไม่ว่าในกรณีใดก็ตามคาดว่าลักษณะของแต่ละชั้นจะมีความโดดเด่นมากนั่นคือแต่ละชั้นเป็นเนื้อเดียวกัน
ภายในการสุ่มตัวอย่างแบบแบ่งชั้นเราแยกความแตกต่างออกเป็นสองประเภทโดยขึ้นอยู่กับว่าขนาดตัวอย่างของแต่ละชั้นเป็นสัดส่วนหรือไม่เป็นสัดส่วนกับขนาดของมัน
การสุ่มกลุ่มตัวอย่าง
วิธีการที่อธิบายไว้ข้างต้นจะเลือกองค์ประกอบของตัวอย่างโดยตรง แต่ในการสุ่มตัวอย่างคลัสเตอร์กลุ่มขององค์ประกอบจะถูกเลือกจากประชากรและสิ่งเหล่านี้จะเป็นหน่วยการสุ่มตัวอย่างซึ่งเรียกว่าคลัสเตอร์
ตัวอย่างของคลัสเตอร์ ได้แก่ หน่วยงานของมหาวิทยาลัยหน่วยงานทางภูมิศาสตร์เช่นจังหวัดเมืองมณฑลหรือเทศบาลซึ่งทั้งหมดนี้มีความเป็นไปได้ที่จะถูกเลือกเท่ากัน ในกรณีของการเลือกหน่วยงานทางภูมิศาสตร์เราจะพูดถึงการสุ่มตัวอย่างตามพื้นที่
เมื่อเลือกคลัสเตอร์แล้วองค์ประกอบที่จะวิเคราะห์จะถูกเลือกจากที่นั่น ดังนั้นขั้นตอนอาจมีหลายขั้นตอน
วิธีนี้มีความคล้ายคลึงกันบางประการกับวิธีการสุ่มแบบแบ่งชั้นยกเว้นที่นี่บางกลุ่มจะถูกเลือกจากผลรวมในขณะที่วิธีการก่อนหน้านี้มีการศึกษาชั้นทั้งหมดของประชากร
ประเภทการสุ่มตัวอย่างที่ไม่ใช่ความน่าจะเป็น
การสุ่มตัวอย่างความน่าจะเป็นอาจมีราคาแพงมากในบางสถานการณ์เนื่องจากต้องลงทุนเวลาและทรัพยากรเพื่อค้นหาตัวอย่างที่เป็นตัวแทนอย่างแท้จริง
นอกจากนี้ยังมักจะเกิดขึ้นว่าไม่มีกรอบการสุ่มตัวอย่างที่สมบูรณ์ - รายการ - ดังนั้นจึงไม่สามารถระบุความน่าจะเป็นของการเลือกองค์ประกอบได้
สำหรับกรณีเหล่านี้จะใช้ประเภทการสุ่มตัวอย่างแบบไม่ใช้ความน่าจะเป็นซึ่งได้รับข้อมูลด้วยแม้ว่าจะไม่มีการรับประกันความแม่นยำในผลลัพธ์ก็ตาม
เมื่อใช้การสุ่มตัวอย่างประเภทนี้ยังคงต้องปฏิบัติตามเกณฑ์บางประการในขณะที่ทำการคัดเลือกเพื่อให้ได้กลุ่มตัวอย่างที่เพียงพอที่สุด
การสุ่มตัวอย่างความสะดวกสบาย
เป็นการสุ่มตัวอย่างประเภทหนึ่งที่ค่อนข้างเบื้องต้นซึ่งองค์ประกอบของตัวอย่างจะถูกเลือกตามความพร้อมของพวกเขานั่นคือการเลือกบุคคลที่อยู่ใกล้มือมากที่สุด มีข้อดีคือเป็นวิธีการที่มีต้นทุนต่ำเนื่องจากรวดเร็วและสะดวกสบาย
แต่อย่างที่กล่าวไว้ว่าไม่มีความแน่นอนในการรับข้อมูลที่เชื่อถือได้เกี่ยวกับผลลัพธ์ของคุณ บางครั้งใช้เพื่อทำโพลสั้น ๆ สั้น ๆ ก่อนการเลือกตั้งหรือเพื่อสอบถามเกี่ยวกับความต้องการของลูกค้าสำหรับผลิตภัณฑ์บางประเภท
ตัวอย่างเช่นผู้สำรวจสามารถไปที่ทางออกของศูนย์การค้าสามแห่งที่อยู่ใกล้กับบ้านของเขามากที่สุดและถามผู้ที่ออกไปว่าพวกเขาจะลงคะแนนเสียงให้กับผู้สมัครรายใด หรือครูสามารถสำรวจนักเรียนของตนเองได้เพราะพวกเขาสามารถเข้าถึงได้ทันที
แม้ว่าจะดูราวกับว่าผลลัพธ์ของขั้นตอนดังกล่าวไร้ค่า แต่ก็เกิดขึ้นได้ว่าสิ่งเหล่านี้อาจเป็นภาพสะท้อนที่ดีของประชากรได้ตราบใดที่มีเหตุผลที่ดีที่จะถือว่าอคตินั้นไม่ใหญ่มาก
อย่างไรก็ตามมันไม่ง่ายอย่างนั้นเพราะนักเรียนของครูคนหนึ่งอาจไม่ได้เป็นตัวอย่างตัวแทนของนักเรียนที่เหลือ และส่วนใหญ่แล้วผู้สำรวจความคิดเห็นในห้างสรรพสินค้ามักจะสัมภาษณ์คนที่หน้าตาน่าสนใจที่สุด
การสุ่มตัวอย่างโควต้า
ในการสุ่มตัวอย่างตามโควต้าต้องมีความรู้ก่อนที่ดีเกี่ยวกับชั้นประชากรเพื่อให้มีความคิดว่าองค์ประกอบใดเป็นตัวแทนมากที่สุด แต่ไม่ถูกควบคุมโดยเกณฑ์การสุ่มของการสุ่มตัวอย่างแบบแบ่งชั้น
ในการสุ่มตัวอย่างประเภทนี้จำเป็นต้องกำหนด "โควต้า" ดังนั้นจึงเป็นชื่อของวิธีการ โควต้าเหล่านี้ประกอบด้วยการรวบรวมองค์ประกอบหลายอย่างที่มีเงื่อนไขบางประการตัวอย่างเช่นผู้หญิง 15 คนที่มีอายุระหว่าง 25 ถึง 50 ปีที่ไม่สูบบุหรี่และเป็นเจ้าของรถด้วย
เมื่อกำหนดโควต้าแล้วจะมีการเลือกคนกลุ่มแรกที่ตรงตามเงื่อนไขที่กำหนด เกณฑ์สำหรับขั้นตอนสุดท้ายนี้อาจขึ้นอยู่กับความสะดวกของผู้วิจัย ที่นี่คุณจะเห็นความแตกต่างด้วยวิธีการสุ่มตัวอย่างแบบแบ่งชั้นซึ่งเป็นการสุ่ม
อย่างไรก็ตามเป็นวิธีการที่มีต้นทุนต่ำซึ่งเป็นประโยชน์หากตามที่เรากล่าวว่าประชากรที่อยู่ระหว่างการศึกษาเป็นที่รู้จักกันดี
การสุ่มตัวอย่างก้อนหิมะ
ขั้นตอนในการปฏิบัติตามในรูปแบบการสุ่มตัวอย่างนี้คือการเลือกคนเพียงไม่กี่คนที่เป็นผู้นำคนอื่นและคนเหล่านี้จะหันไปหาคนอื่นจนกว่ากลุ่มตัวอย่างจะมีขนาดที่ผู้วิจัยต้องการ
นี่เป็นขั้นตอนที่มีประโยชน์ในการระบุลักษณะของประชากรบางกลุ่มที่มีลักษณะเฉพาะเจาะจง ตัวอย่าง: ผู้ต้องขังในเรือนจำหรือผู้ที่เป็นโรคบางชนิด
การสุ่มตัวอย่างตามดุลยพินิจ
สุดท้ายคือนักวิจัยที่ตัดสินใจว่าจะใช้เกณฑ์ในการเลือกกลุ่มตัวอย่างตามความรู้ของเขา จะมีประโยชน์เมื่อจำเป็นต้องเพิ่มบุคคลบางคนในการศึกษาซึ่งใช้วิธีการสุ่มไม่สามารถเข้าร่วมได้
อ้างอิง
- Berenson, M. 1985. สถิติสำหรับการจัดการและเศรษฐศาสตร์แนวคิดและการประยุกต์ใช้. บรรณาธิการ Interamericana
- สถิติ. การสุ่มตัวอย่าง สืบค้นจาก: encyclopediaeconomica.com.
- สถิติ. การสุ่มตัวอย่าง สืบค้นจาก: Estadistica.mat.uson.mx.
- explorable การสุ่มตัวอย่างคลัสเตอร์ ดึงมาจาก: explorable.com.
- Moore, D. 2005. สถิติพื้นฐานประยุกต์. ครั้งที่ 2 ฉบับ
- Netquest การสุ่มตัวอย่างความน่าจะเป็น: การสุ่มตัวอย่างแบบแบ่งชั้น ดึงมาจาก: netquest.com.
- วิกิพีเดีย การสุ่มตัวอย่าง สืบค้นจาก: es.wikipedia.org