Olasılık ve olasılık olmayan örneklerin özellikleri

Şu anda dünyanın talepleri artıyor, bu nedenle dünyanın talep ettiği değişikliklere uyum sağlamak ve hayatta kalmak bizim elimizde. İş alanında, sadece yönetim hakkında bilgi sahibi olmak yeterli değildir, ancak çok fazla rekabet olduğu için konuların sonsuzluğunu ele alıp geliştirebilmeliyiz.

Aşağıdaki çalışmada, konuyla ilgili basit bir şekilde desteklenmesi veya daha fazla bilgi edinmesi gereken kullanıcılara çeşitli çalışma dallarında kullanılabilecek kaliteli bilgi sağlamak için olasılıklı ve olasılıksız örnekleme konusu geliştirilmiştir. iş ortamından bahsetmek istiyorum.

olmayan olasılıklı örnekleme-olasılık-yesenia

Her seferinde daha büyük gereksinimleri geliştirmek için bir şeyler yapabilmek yeterli değildir, birçok kez bilgiye ve katkı yapma arzusuna ihtiyacınız vardır. Düşünüyor ve bilinçli varlıklar, bu nedenle hem eylemlerimizde hem de çevremizdekilerde sorumlu davranmalıyız.

Gördüğünüz gibi bu çalışma, olasılık ve istatistik sınıfında görülen konulardan, dünya ve insanlıkla yüzleşmek için gerekli bilgiye sahip olmanın çok önemli olduğu bir işletme derecesinden hazırlanmıştır.

ÖRNEKLEME

Onları incelemek ve toplam nüfusu karakterize etmek için belirli bir popülasyondan bir grup birey seçme sürecidir.

İşte iki temel örnekleme terimi:

Evren ya da nüfus: Çalışmak ya da karakterize etmek istediğim bireylerin toplamı Örnek: Evreni incelemek için seçtiğim bireyler kümesidir, örneğin bir anket yoluyla.

ÖRNEKLEME AVANTAJLARI

Kullanılan kaynakların azaltılmasının yanı sıra yapılan çalışmaların zaman ve maliyetlerini de önemli ölçüde özetlemektedir ve verilerin işleyişi daha basittir.

ÖRNEKLEME Dezavantajları

Sonuçta, örneklemenin doğası ve sonuçların genelleştirilmesi gereği nedeniyle (kontrollü) bir hata ortaya koyduk.Örnek örnek seçimi nedeniyle önyargı oluşturma riski altındayız. (Ocak, 2009)

OLASILIK ÖRNEKLEME

Olasılıksal örnekleme, iki koşul karşılandığı sürece tartışılacaktır:

Popülasyondaki elemanların örnekte seçilebilmesi için sıfırdan büyük bir olasılık olması gerekir.Her bir elemanın olasılığı hakkında kesin bilgi vardır.

Gördüğümüz gibi, olasılık örneklemesi yapabiliriz ancak örnekleme çerçevemiz varsa. Daha sonra, numuneyi seçmek için kullanılan form, aşağıda gösterilen farklı olasılıklı örnekleme tekniklerini tanımlar.

BASİT RASTGELE ÖRNEKLEME

Basit bir rasgele örnekleme (MAS) Bu, tüm elemanları eşit olasılıkla numune için seçilecek olan evrenin oluşturulması ve örnek çerçevesinde ayrıntılı edildiği örnekleme tekniktir.

Basit rastgele örneklemede, evrenin bireylerinin örnekte birden fazla seçilebilme olasılığına göre tanımlanan iki alt bölüm vardır, değiştirilen veya değiştirilmeden MAS'dır.

Değiştirme kullanılırsa, örnek için rastgele bir kişiyi seçerken, sonraki seçimde tekrar seçilmesi önemli değildir.

Yeniden doldurma kullanılmazsa, örnek için bir kez seçilen bir kişi artık tekrar çizime girmez.

Aşağıdaki ifade, doldurulmadan bir MAS'daki numune boyutu için kullanılır. Formül, evren sonlu olduğunda gerekli örneklem büyüklüğünü, evren sonsuz olduğunda gerekli büyüklükle ilişkilendirir:

Burada n0, sonsuz bir evren için gereken örneklem büyüklüğü ve N ise sonlu evrenin büyüklüğüdür. Yerine koyma (nr) kullandığımız zaman örnek büyüklüğünün her zaman sonsuz evren için gerekli olan boyuta (nr = n0) eşit olduğunu göstermek mümkündür.

BASİT RASTGELE ÖRNEKLEMENİN AVANTAJLARI

Hızlı ve güvenilirdir çünkü halihazırda bireyleri seçerken çalışmayı en aza indiren yazılımı daha güvenilir hale getirmektedir.

Bu şekilde, MAS'ı kullanırken temsili örnekler elde ettiğimizden emin oluruz, böylece sonuçları etkileyecek tek hata kaynağı tesadüf olur.

BASİT RASTGELE ÖRNEKLEME

Real Gerçek soruşturmalarda uygulamaya koymada zorluk. Olasılıksal bir teknik olarak, tüm bireylerle bir örnekleme çerçevesine ihtiyaç vardır ve bunların tümü örnek için seçilebilir.

STRATEFİYE RASTİK ÖRNEKLEME

"Olasılıksal örnekleme ailesine ait olan bu teknik, çalışılan tüm popülasyonu farklı alt gruplara veya ayrık tabakalara bölmekten ibarettir, böylece bir birey sadece bir tabakaya ait olabilir. Tabakalar tanımlandıktan sonra, bireyler her katman için ayrı ayrı herhangi bir örnekleme tekniği kullanılarak numune oluşturmak üzere seçilir. Örneğin, her tabakada basit rastgele örnekleme kullanırsak, tabakalı rastgele örneklemeden (bundan sonra MAE) bahsedeceğiz. Tabakalar genellikle homojen birey gruplarıdır, bu da farklı gruplar arasında heterojendir.

Tabakaları nüfusun yaş, cinsiyet, sosyal sınıf veya coğrafi bölge gibi bazı karakteristik değişkenlerine göre tanımlamak nispeten yaygındır. Bu değişkenler, numunenin kolayca birbirini dışlayan gruplara ayrılmasına ve oldukça sık olarak, farklı davranışların nüfus içinde ayrımcılığa uğramasına izin verir… ”(Oca, 2009)

STRATEFİYE ÖRNEKLEME ÇEŞİTLERİ

Tabakalara atanan boyuta bağlı olarak, farklı tabakalandırılmış örnekleme türleri hakkında konuşacağız. Tabaka içinde numunenin farklı "sabitleme" biçimlerinden bahsetmek de alışılmış bir durumdur.

SAĞLANAN STRATEFİYE ÖRNEKLEME

“Tabakaları tanımlamak için bireylerin bir özelliğini seçtiğimizde, genellikle evrendeki ortaya çıkan alt popülasyonların boyutunun farklı olduğu görülür.

UNIFORM STRATEFİYE ÖRNEKLEME

Bu tabakaların popülasyondaki ağırlığına bakılmaksızın, tanımlanan örnek tabakalara aynı numune boyutunu atadığımızda tek tip bir tahsis hakkında konuşacağız.

OPTİMAL STRATEFİYE ÖRNEKLEME

Bu durumda, numunedeki tabakaların büyüklüğü popülasyonla orantılı olmayacaktır. Aksine, tabakaların büyüklüğü, incelenen değişkenlerin standart sapması ile orantılı olarak tanımlanır. Başka bir deyişle, toplam örneklemdeki en zor nüfus gruplarını daha iyi temsil etmek için daha büyük iç değişkenliğe sahip tabakalarda daha büyük tabakalar alınır… ”(Oca, 2009)

SİSTEMATİK ÖRNEKLEME

Bu, popülasyon arasında rastgele belirli bir konuyu seçmek ve daha sonra örnekleme çerçevesinde mevcut olan her bir nci birey arasından seçim yapmaktan oluşan bir tekniktir.

Sistematik örnekleme, bir bireyin sadece rastgele seçilmesini gerektiren çok basit bir süreçtir. Elde ettiğimiz sonuçlar popülasyonu temsil eder, bu tip bir örnek nadiren kullanılır.

Sistematik örnekleme süreci aşağıda sunulmuştur.

SİSTEMATİK ÖRNEKLEME SÜRECİ

"Popülasyondaki örnekleme çerçevesi olan N bireylerin sıralı bir listesini hazırladık. Örnekleme çerçevesini n parçasına böldük, burada n istediğimiz örnek büyüklüğüdür. Bu fragmanların boyutu K = N / n olacaktır.

burada K, aralık veya yükseklik katsayısı olarak adlandırılır.

Başlangıç numarası: aralıktan küçük veya aralığa eşit bir tamsayı rasgele sayı A elde ederiz. Bu sayı, popülasyonu böldüğümüz ilk parça içindeki örnek için seçeceğimiz ilk konuya karşılık gelecektir. Kalan n-1 bireylerin seçimi: Rastgele seçilen bireyden aşağıdaki bireyleri, aritmetik bir arka arkaya kullanarak, ilk süje ile aynı pozisyonda olan numuneyi böldüğümüz fragmanların geri kalanından bireyleri seçtik. Bu, bireyleri seçeceğimizi söylemeye eşdeğer… ”(Oca, 2009)

A, A + K, A + 2K, A + 3K,…., A + (n-1) K

SİSTEMATİK ÖRNEKLEME AVANTAJLARI

Nüfusu çok iyi, hızlı ve basit bir şekilde temsil eder, çünkü örneğimizde deneklerin yanı sıra çok sayıda rasgele sayı üretmeye gerek yoktur.

CUMHURİYETLERDEN ÖRNEKLEME

Küme örneklemesi, ölçmek istediğimiz karakteristik ile ilgili olarak toplam nüfusu doğru bir şekilde temsil eden, analiz edilecek gruplara dayanan bir tekniktir.

KONGLOMERAT ÖRNEKLEME SÜRECİ

Kümeleri tanımlayın, popülasyonun ayrı gruplara ve kapsamlı bir şekilde bölünmesine izin veren bir karakteristik seçin.

Çalışılacak bir küme seçmek rastgele veya sistematik bir örnek yapmaktan daha ucuzdur.

Konglomeraların aralarında gerçekten homojen olmamaları.

OLASILIKSIZ ÖRNEKLEME

Birçok durumda, olasılık dışı grupta olan diğer örnekleme tekniklerinin kullanılması gerekir. Bu alternatif tekniklerde, ilgili popülasyon ile ilgili hipotezlere dayanan ve seçim kriterleri olarak adlandırılan örnek için elemanların seçilmesine sıklıkla başvurulur.

Olasılıksız bir örnek bize bir evrenin neye benzediğini bildirir ancak hangi hassasiyetle bilmemize izin vermez: hata ve güven seviyelerinin sınırlarını oluşturamayız.

RAHAT ÖRNEKLEME

Adından da anlaşılacağı gibi, bu teknik erişilebilir olması nedeniyle nüfusun bir örneğini seçmekle ilgilidir. Başka bir deyişle, araştırmaya katkıda bulunacak bireyler, çalışma popülasyonu hakkında genel bir açıklamaya izin vermemekle birlikte, istatistiksel kriterler kullanılarak seçildikleri için değil, hazır oldukları için seçilmektedir.

RAHAT ÖRNEKLEME AVANTAJI

 “Analiz edilecek unsur, çalışma ile işbirliği yapmaya istekli olduğu için, nedene olan eğiliminden ayrı olarak doğru veriler elde etmek daha kolaydır.

RAHAT ÖRNEKLEME Dezavantajı

Temsili eksikliği, kullanılan sonuçlarla ilgili istatistiki açıklama yapmanın imkansızlığı ve kullanılan örnekleme kriterleri nedeniyle önyargı oluşturma riski. En kötü durumda, uygun örneğim, toplam nüfusa ilişkin çarpık sonuçlar doğuracak sistematik bir önyargı sunabilir… ”(Oca, 2009)

SIRALI ÖRNEKLEME

Sıralı örnekleme, çalışılacak konuyu veya grubu seçmek için belirli bir zaman aralığında seçilen, olasılık olmayan bir örnekleme tekniğidir, çalışma yapılır, sonuçlar analiz edilir ve daha sonra başka bir konu grubu seçilir, Eğer gerekliyse.

KOTA İLE ÖRNEKLEME

Kota örneklemesi üç adımdan oluşur

İncelenen nüfusun kapsamlı ve karşılıklı olarak gruplara ayrılması. Kotaların boyutunu ayarlama. Bu grupların her biri için araştırılacak kişi sayısı. Katılımcıların seçimi ve ücretlerin doğrulanması. Katılımcılardan belirlenen ücretlerin her birini karşılamaları istenir.

KOTA ÖRNEKLEME AVANTAJI

Shows Gösterdiği sonuçlar ucuz ve güvenilir olmasının yanı sıra çok faydalıdır.

KOTA ÖRNEKLEME Dezavantajları

Diyerek şöyle devam etti: "Bu tür bir örnekleme kullanırken yaptığımız hatayı sınırlandırmanın imkansızlığı. Bir çalışmada ilgili bir kotayı kaçırmak riski." (Ocak, 2009)

İncelenmek üzere seçilen bireylerin çalışma için diğer katılımcıları eşit olarak topladıkları olasılık dışı bir örnekleme tekniğidir. Tam olarak kartopu adı verildi çünkü düşen bir kartopu gibi, söz konusu konular arasında daha fazla malzeme toplanıyor.

Kartopu, kolay erişimin olmadığı popülasyonlarda sıklıkla kullanılır. Belirli bir popülasyonun incelenmesini gerektiren çalışmalarda, aynı popülasyonun üyeleri aracılığıyla, çok sayıda katılımcının katılacağı adayların atılacağı tamamen rastgele bir seçimden ziyade bir örnek elde etmek daha etkili olabilir.

KAVRAMA ÖRNEKLEME SÜRECİ

“Bir kartopu kullanarak örnek oluşturma süreci, bir gruba erişmek için bazı ilk bireylerin sosyal ağlarını kullanmaya dayanmaktadır. Bu süreci aşağıdaki adımlara bölebiliriz:

Bir bireyin başkalarını katılmaya davet ettiği veya başkalarını davet ettiği süreci tanımlayan bir katılım programı tanımlayın Çalışmanın karakteristik özelliğini karşılayan ilk bireylere erişimi kolaylaştırabilecek grupları veya organizasyonları belirleyin. İlk temaslar ve katılımlarını isteyin. Bu bölüm, geleneksel bir örnekleme tekniğine benzer, ancak daha az örnek boyutu elde etmeyi amaçlamaktadır Röportaj tamamlandıktan sonra diğer kişilere erişim talep edin Bireyleri doğru seçerek kişilerin çeşitliliğini sağlayın. baş harfleri ve tavsiyenin çok yakın temaslarla sınırlı olmadığını teşvik etmek. ” (Ocak, 2009)

ÖRNEK YÜZEYİ ÇEŞİTLERİ

Temel olarak iki tür kartopu örneklemesi belirleyebiliriz:

Doğrusal örnekleme: popülasyondaki bireyler, numunenin doğrusal bir oranda büyüyeceği şekilde başka bir bireyi tavsiye etmelidir. Üstel örnekleme: Her birey birden fazla kişiyi katılmaya davet etmelidir. Birkaç kişi aynı anda davet edileceğinden, nüfus daha kısa sürede daha fazla büyüyecektir.

KARBON ÖRNEKLEME AVANTAJLARI

Ulaşılması zor nüfusların örneklenmesini sağlar Ekonomik ve basit bir süreçtir, çok az planlama ve az insan kaynağı gerektirir: görüşülen konular işgücü yapar.

KARBON ÖRNEKLEME Dezavantajları

Numunenin oluşturulması ile ilgili kontrol eksikliği Temsil edilebilirliği garanti etmez ya da sunacağı hassasiyet derecesini bilmemize izin vermez Kontrolsüz numune boyutu: Teknik, a prioriyi elde edeceğimiz numune boyutunu hassas bir şekilde düzeltmeye izin vermez.

AYRINTILI ÖRNEKLEME

İsteğe bağlı örnekleme daha yaygın olarak kasıtlı örnekleme olarak bilinir. Bu tip örneklemede, denekler numunenin belirli bir amacı olan bir parçası olarak seçilir. İsteğe bağlı örneklemeyle, araştırmacı bazı konuların araştırma için diğerlerinden daha uygun olduğuna inanmaktadır. Bu nedenle, bunlar kasıtlı olarak konu olarak seçilir… ”(Universo Fórlecciones, 2014)

Araştırmacı bireyleri mesleki kriterlerine göre seçer. Seçimi önceki çalışmaların deneyimine veya nüfus hakkındaki bilginize ve incelenen özelliklere karşı davranışına göre yapabilirsiniz.

ÖRNEK ÇERÇEVE

Örnekleme çerçevesi, incelemek istediğiniz evreni oluşturan ve numunenin alındığı öğelerin listesidir. Araştırılacak bu unsurlar her zaman birey olmamalı, analiz edilebilecek başka şeyler de olabilir. Örnekleme çerçevesinde bulunan bu elemanların her biri, örnekleme birimleri olarak bilinir.

SONUÇ

Bu çalışmada sunduğum araçların bize sağlayabileceği faydaların hayal edilemez miktarı, kendimizi bulduğumuz duruma ve kullanmamız gereken amaçlara ve örnekleme türüne bağlıdır.

Araştırmalar ve araştırmalar yaparken her zaman ihtiyaçlarımıza en uygun araçları kullanmamız gerektiği bilinmektedir, ancak% 100 güvenilir sonuçlar elde etmek her zaman mümkün değildir, bu yüzden elimizde çok çeşitli enstrümanlar var, bu bizim görevimiz her faaliyet için önerilen standartları karşılamaya çalışın.

Hata payı içermeyen bir çalışma yapmak mümkün olmasa da, bilinçli olarak örneklemeyi kullanabilir ve bundan en iyi şekilde yararlanabiliriz, yani araştırmacılara.

İnsanların çalıştığı herhangi bir alanda olasılıklı hesaplamaların her zaman kullanılacağı sonucuna varıyorum ve bu, kum tanemizi bir katkı olarak bırakmanın yanı sıra, gelişmek ve büyümek için daha fazla öğrenmekle ilgilidir.