סוגי דגימה של הסתברות ואי-הסתברות (דוגמאות) - אוצר מילים תרבות - 2025

הסוגים של דגימה הם הדרכים השונות של לחילוץ נתונים חלק מהסך הכולל, כלי סטטיסטי חזק שיפקיד לקבוע איזה חלק של האוכלוסייה או ביקום יש לבחון, כדי להגיע למסקנות ולקבל מידע על זה.

הדגימה חשובה מאוד כאשר אינך יכול או לא רוצה לנתח את כלל האוכלוסייה. שים לב כי המונח "אוכלוסיה" אינו מתייחס רק לקבוצה גדולה של אנשים או יצורים חיים, אלא באופן כללי לסך האלמנטים שעומדים להיבחן בבעיה נתונה.

איור 1. הדגימה חשובה לבחירת מדגם מייצג מהיקום. מקור: Pixabay.

על פי סוג הדגימה שנבחר, נבחר החלק של האוכלוסייה שנחשבת לייצוג ביותר, תמיד בהתאם למטרות.

כמובן שכאשר נלקח רק חלק מיקום הנתונים, ניתן לפספס כמה פרטים ולהשמיט מידע, וזו הסיבה שהתוצאות לא יהיו מדויקות כפי שהיו צריכות להיות. זה נקרא שגיאת דגימה.

הרעיון הוא לפשט את יקום הנתונים ככל האפשר, לבחור את הדגימה הייצוגית ביותר המסוגלת לספק את המידע המרבי, כדי להבטיח את תקפות התוצאות.

סוגי הסתברות או דגימה אקראית

דגימת הסתברות מבוססת על ההסתברות שיש לבחור את נושאי המדגם. באופן זה, לכל גורם באוכלוסייה יש סיכוי ידוע להיבחר, ​​שכמובן חייב להיות גדול מ- 0.

זה חשוב מאין כמותו, מכיוון שיכול לקרות שמתוך יקום נתונים, נבחר מדגם שאינו מייצג מספיק את השלם.

אם כן, התוצאות יהיו מוטות, מכיוון שחלק מהאוכלוסיה יועדפו יותר על אחרים. כדי להימנע מהטיה, שמתוכם קיימות מספר קטגוריות, אפשרות אחת היא לתת לסיכוי לבחור את המדגם וכך לתת לכל אלמנט הסתברות לא אפסית להיבחר.

דגימה אקראית פשוטה

זוהי דרך פשוטה להבטיח שהסיכוי יעשה את שלו. לדוגמה, אם זו שאלה של בחירת ילדים מסוימים בכיתה להשתתף באירוע אמנות בבית הספר, כל שמות הילדים מונחים על פתקים מקופלים זהים, מעורבבים בכובע, וקומץ מצויר באקראי.

כל ילדי הכיתה מהווים את האוכלוסייה, וחופן הקלפי שנשלף מהכובע הוא המדגם.

הצלחת הנוהל נעוצה בהכנת רשימה מלאה של כל הילדים, כך שאיש לא יישאר בחוץ. בקורס קטן זו לא בעיה; אבל כשרוצים לבחור מדגם מאוכלוסייה גדולה יותר, עליכם לשכלל את השיטה.

ניתן לבצע דגימה אקראית פשוטה באמצעות החלפה או החלפה. לדוגמה, אם אנו מחלצים אלמנט מהאוכלוסיה ומחזירים אותו לאחר בחירתו ובחינתנו, היקום של האלמנטים שלנו תמיד נשאר זהה לאורך המחקר.

אם להפך, היסוד שנבחר נחקר, יותר לא מוחזר, הוא מדגם ללא החלפה. יש לקחת זאת בחשבון בעת ​​חישוב ההסתברות לאלמנט שנבחר.

דגימה אקראית שיטתית

כדי לבצע דגימה זו, יש צורך לרשום גם אלמנטים N ולקבוע גם את גודל המדגם, אותו נקרא n. הרשימה נקראת מסגרת דגימה.

כעת מוגדר מרווח הקפיצה שמסומן על ידי האות k ומחושב כך:

נבחר מספר אקראי - באופן אקראי - בין 1 ל- k, המכונה התחלה אקראית. זהו האדם הראשון ברשימה שנבחר ומשם נבחרים האלמנטים הבאים ברשימה.

דוגמה: נניח שיש לך רשימה של 2000 סטודנטים מאוניברסיטה ואתה רוצה לקבל מדגם של 100 סטודנטים להשתתף בקונגרס.

הדבר הראשון לעשות הוא למצוא את הערך של k:

לאחר שחילקנו את המספר הכולל של התלמידים ל 100 שברים של 20 סטודנטים, נלקח אחד השברים ומספר אקראי נבחר בין 1 ל 20, למשל 12. לכן התלמיד השניים עשרה ברשימה שלנו הוא אתחול אקראי.

התלמיד הבא שנבחר חייב להיות 12 + 20 = 22, אז 42, ואז 62 וכן הלאה, עד שכל 100 הושלמו.

כפי שאתה יכול לראות, זוהי שיטה מהירה ליישום וזו בדרך כלל נותנת תוצאות טובות מאוד, ללא צורך להכניס את 2000 השמות לכובע ולקחת 100 מהם, כל עוד אין תקופות באוכלוסייה, שמולידות הטיות. .

דגימה אקראית מרובדת

תרשים 2. בדגימה אקראית מרובדת, האוכלוסייה מחולקת לקטעים הנקראים שכבות. מקור: Pixabay.

בדגימה אקראית פשוטה, לכל פריט באוכלוסייה יש את אותה ההסתברות להיבחר. אך לא תמיד הדבר נכון, במיוחד כאשר ישנן מורכבות יותר שיש לקחת בחשבון.

כדי לבצע סכמת דגימה אקראית מרובדת, יש לחלק את האוכלוסייה לקבוצות עם מאפיינים דומים. אלה השכבות. לאחר מכן נלקחים את השכבות ובוחרים דגימות אקראיות פשוטות מכל אחת מהן, שמשולבות אז ליצירת המדגם הסופי.

השכבות נקבעות לפני הדגימה, תוך לימוד המאפיינים של יקום הנתונים.

מאפיינים אלה יכולים להיות מצב משפחתי, גיל, מקום מגוריכם, למשל אוכלוסייה עירונית, פרברית וכפרית, מקצוע, רמת השכלה, מין ועוד רבים וטובים.

בכל מקרה, צפוי שהתכונות של כל שכבה יהיו מאוד מובחנות, כלומר שכל שכבה הומוגנית.

בתוך הדגימה המרובדת אנו מבחינים בין שתי קטגוריות, בהתאם אם גודל המדגם של כל שכבה הוא או לא פרופורציונאלי לגודלו.

דגימה לאשכול אקראי

השיטות שתוארו לעיל בוחרות ישירות את אלמנטים המדגם, אך בדגימה של אשכול נבחר קבוצה של אלמנטים מהאוכלוסייה ואלה יהיו יחידת הדגימה, המכונה אשכול.

דוגמאות לאשכולות הן מחלקות של אוניברסיטה, ישויות גיאוגרפיות כמו פרובינציות, ערים, מחוזות או עיריות, שלכולם יש את אותה ההסתברות להיבחר. במקרה של בחירת ישות גיאוגרפית, אנו מדברים על דגימה לפי אזורים.

לאחר שנבחר האשכולות נבחרים המרכיבים שיש לנתח משם. לכן ההליך יכול להיות מספר שלבים.

לשיטה זו יש כמה קווי דמיון עם השיטה האקראית המרובדת, אלא שכאן נבחרים כמה מקבצים מתוך סך הכל, בעוד שבשיטה הקודמת נבדקו כל שכבות האוכלוסייה.

סוגי דגימה ללא הסתברות

דגימת הסתברות עשויה להיות יקרה מאוד במצבים מסוימים, מכיוון שיש להשקיע זמן ומשאבים כדי למצוא דגימות שייצוגיות באמת.

לעיתים קרובות קורה כי אין מסגרת דגימה מלאה - הרשימה - ולכן לא ניתן לקבוע את ההסתברות לבחירת אלמנט.

במקרים אלה משתמשים בסוגי דגימה של אי-הסתברות, איתם מתקבל מידע, אם כי אין כל הבטחה לדיוק בתוצאות.

כאשר מיושמים סוג זה של דגימה, עדיין יש להקפיד על קריטריונים מסוימים בעת הבחירה, ומבקשים שהמדגם יהיה הולם ככל האפשר.

דגימת נוחות

זהו סוג דגימה די אלמנטרי, בו אלמנטים של המדגם נבחרים בהתאם לזמינותם, כלומר, בחירת האנשים הנמצאים הכי בהישג יד. יש לו את היתרון בכך שהיא שיטת עלות נמוכה מאוד, בגלל המהירות והנוחות שלה.

אך כאמור, אין וודאות לקבל מידע אמין על התוצאות שלך. לעתים משתמשים בו כדי לערוך סקרים מהירים וקצרים לפני בחירות, או לבירור העדפות לקוחות לגבי מוצרים מסוימים.

לדוגמא, סוקרת יכולה לצאת ליציאה משלושה ממרכזי הקניות הקרובים לביתו ולשאול את אלה שעוזבים לאיזה מועמד הם יצביעו. או שמורה יכול לסקר את התלמידים שלהם, מכיוון שיש להם גישה מיידית אליהם.

למרות שנראה כי התוצאות של נוהל כזה אינן שוות כלום, זה קורה שהן יכולות להיות שיקוף טוב של האוכלוסייה, כל עוד יש סיבות טובות להניח שההטיה אינה גדולה במיוחד.

עם זאת, זה לא כל כך פשוט, מכיוון שתלמידיו של מורה מסוים עשויים לא להוות מדגם מייצג של שאר גוף התלמידים. ורוב הזמן, הסוקרים בקניונים נוטים לראיין את האנשים המושכים ביותר למראה.

דגימת מכסות

כדי לדגום מכסות, יש צורך בידע מקדים טוב בשכבות האוכלוסייה, על מנת לקבל מושג מהם האלמנטים הייצוגיים ביותר. אבל זה לא נשלט על ידי קריטריון האקראיות של דגימה מרובדת.

בסוג זה של דגימה יש צורך לקבוע "מכסות", ומכאן שם השיטה. מכסות אלה מורכבות מאיסוף מספר אלמנטים עם תנאים מסוימים, למשל 15 נשים שגילן נע בין 25 ל 50 שנה, שאינן מעשנות ובעלות גם מכונית.

לאחר קביעת המכסה, נבחרים האנשים הראשונים העומדים בתנאים שנקבעו. הקריטריונים לצעד אחרון זה עשויים להיות לנוחיות החוקר. כאן תוכלו לראות את ההבדל בשיטת הדגימה המרובדת, שהיא אקראית.

עם זאת, מדובר בשיטה בעלות נמוכה שמועילה אם, כאמור, האוכלוסייה הנחקרת ידועה.

דגימה של כדור שלג

הנוהל שיש לבצע בסגנון זה של הדגימה הוא לבחור כמה אנשים שמובילים אחרים, ואלו בתורם לאחרים, עד שהמדגם הוא בגודל אותו זקוק החוקר.

זהו הליך שיכול להיות שימושי לאפיון אוכלוסיות מסוימות עם תכונות די ספציפיות. דוגמאות: אסירים בכלא או אנשים עם מחלות מסוימות.

דגימת שיקול דעת

לבסוף כאן החוקר הוא זה שמחליט את הקריטריונים שישמשו לבחירת המדגם שלו, על פי ידיעתו. זה יכול להיות שימושי כאשר יש צורך להוסיף אנשים מסוימים למחקר, אשר בשיטה אקראית לא יכלו להשתתף.

הפניות

1. Berenson, M. 1985. סטטיסטיקה לניהול וכלכלה, מושגים ויישומים. Interamericana עריכה.
2. סטָטִיסטִיקָה. דְגִימָה. התאושש מ: encyclopediaeconomica.com.
3. סטָטִיסטִיקָה. דְגִימָה. התאושש מ: Estadistica.mat.uson.mx.
4. ניתן להסביר. דגימה באשכול. התאושש מ: explorable.com.
5. מור, ד. 2005. סטטיסטיקה בסיסית יישומית. 2. מַהֲדוּרָה.
6. Netquest. דגימה של הסתברות: דגימה מרובדת. התאושש מ: netquest.com.
7. ויקיפדיה. דְגִימָה. התאושש מ: es.wikipedia.org