Bagaimana para penyelidik memastikan bahawa sampel rawak mudah adalah representasi yang tepat bagi populasi yang lebih besar?

You Bet Your Life: Secret Word - Door / People / Smile (Mac 2024)

You Bet Your Life: Secret Word - Door / People / Smile (Mac 2024)
Bagaimana para penyelidik memastikan bahawa sampel rawak mudah adalah representasi yang tepat bagi populasi yang lebih besar?
Anonim
a:

Para penyelidik menggunakan beberapa perlindungan untuk memastikan sampel mudah rawak mewakili populasi yang lebih besar. Mereka menggunakan proses pemilihan yang membuat pemilihan rawak dan dengan itu menghapuskan berat sebelah pemilihan. Penyelidik memastikan bahawa mereka mempunyai senarai lengkap keseluruhan penduduk yang dikaji sebelum memilih menggunakan sampel rawak mudah; jika tidak, mereka memilih kaedah pensampelan yang tidak memerlukan syarat ini untuk dipenuhi. Mereka memastikan sampel mereka cukup besar untuk menghapuskan kesilapan persampelan yang datang daripada mempunyai saiz sampel yang terlalu kecil.

Satu sampel mudah rawak menyediakan cara untuk menjalankan analisis statistik pada populasi yang besar tanpa benar-benar perlu mengkaji setiap ahli tunggal penduduk. Misalnya, seorang penyelidik ingin menjalankan kajian yang melibatkan semua pelajar lelaki di UCLA. Ini membentangkan cabaran yang wujud, kerana UCLA adalah sebuah sekolah yang besar dan menilai semua lelaki di sana sangat memakan masa, apatah lagi yang tidak perlu memandangkan banyak kaedah persampelan yang tersedia.

Dengan pensampelan mudah rawak, bilangan lelaki UCLA yang telah ditentukan diekstrak secara rawak dari populasi yang lebih besar dan digunakan sebagai subjek penyelidikan. Untuk kaedah ini, sampel rawak mestilah mewakili populasi yang lebih besar. Langkah pertama penyelidik mengambil untuk memastikan ini adalah untuk menggunakan proses pemilihan yang menekankan kekurangan. Satu proses yang berdaya maju adalah sistem loteri manual, di mana penyelidik memberi setiap ahli populasi yang lebih besar nombor unik dan kemudian menarik nombor secara rawak untuk menghasilkan sampel kajian. Pilihan lain adalah untuk penyelidik untuk mengotomatisasi proses menggunakan program komputer yang secara rawak memilih subjek ujian dari populasi yang lebih besar.

Untuk sama ada kaedah pemilihan untuk bekerja, para penyelidik mesti dapat memperoleh senarai penduduk yang tepat dan lengkap. Jika ini tidak mungkin, persampelan rawak mudah tidak boleh dilaksanakan dan kaedah pensampelan lain mesti dipilih. Bagi banyak populasi, seperti contoh lelaki UCLA, senarai lengkap boleh diperolehi. Apabila ini berlaku, penyelidik sering memilih pensampelan mudah rawak kerana mudah digunakan.

Kesilapan sampling menjadi lebih banyak masalah dengan saiz sampel yang sangat kecil berbanding dengan penduduk yang lebih besar. Bagi sampel lelaki UCLA untuk mewakili, jurusan kolej subjeknya hendaklah sama dengan penduduk yang lebih besar. Walau bagaimanapun, jika saiz sampel hanya 20, mungkin ada 15 atau lebih jurusan kemanusiaan - sama seperti bagaimana 20 flip duit syiling mungkin menghasilkan 15 atau lebih kepala.Kesalahan pensampelan ini berkurangan dengan saiz sampel yang lebih besar. Tiga ratus duit syiling duit syiling dapat menghasilkan lebih dekat kepada 50% kepala, sementara saiz sampel 300 orang kolej pasti menghasilkan campuran pelbagai jurusan. Saiz sampel besar membantu memastikan sampel wakil.