6 примеров методов в статистике (плюс примеры)

Выборка в статистике важна для определения релевантной информации о группах людей. Попытка собрать данные о каждом человеке в исследовании может занять много времени, а выборки позволяют статистикам создавать более управляемые наборы данных. Если вы берете выборки для статистики или хотите стать статистиком, вы можете узнать больше о том, чем полезны выборки. В этой статье мы расскажем, что такое образцы, перечислим методы их получения и приведем примеры различных образцов и их использования.

Что такое выборки в статистике?

Статистическая выборка — это меньший набор данных, взятый из большего для представления целого. Статистики используют выборки при анализе и сборе данных, потому что сложно одновременно управлять обширными наборами данных. Например, если статистик пытается определить, сколько американских домохозяйств используют свечи, может быть сложно собрать данные по каждому домохозяйству. Сбор этих данных из меньшего набора и использование их для обоснованных предположений о целом может быть более эффективным способом анализа данных.

Методы получения выборок в статистике

Выборки важны для статистиков при расчетах и ​​прогнозах. Вот некоторые методы, которые они могут использовать для сбора образцов:

• Кластерный случайный: в этом методе выборки статистик разбивает целевую группу на несколько более мелких групп. Статистики могут либо выбирать случайных людей для выборки, либо преднамеренно выбирать определенных людей.

• Удобство: Удобная выборка — это когда статистики собирают данные из наиболее доступного источника. Этот метод сбора данных обычно не является случайным.

• Простой случайный выбор: простой случайный метод выборки обычно использует компьютер или другую надежную технологию, помогающую случайным образом выбирать субъектов для сбора информации. Каждый человек в наборе данных имеет равные шансы быть выбранным в качестве части выборки.

• Стратифицированная случайная выборка: в случайной стратифицированной выборке статистик делит целевую группу на различные группы в зависимости от конкретных критериев. Затем они выбирают равное количество людей из каждой группы, которые будут частью выборки.

• Систематическая случайность: когда статистики упорядочивают людей в наборе данных по какому-то конкретному аспекту — будь то имя, возраст или финансовое положение — и затем выбирают случайную начальную точку в строке. Затем статистик определяет значение, по которому они включают отдельных лиц. Например, каждые 20 человек могут отметить новую запись в наборе данных.

• Добровольный ответ: выборка добровольного ответа собирает данные только от участников, которые предоставляют свою информацию. Эти результаты могут быть ненадежными, потому что многие люди, охотно участвующие в опросах, имеют общие черты.

Примеры статистических выборок

Статистические выборки могут быть полезны во многих отраслях и позволяют людям собирать и анализировать данные, не оценивая каждого человека в группе. Вот несколько примеров статистических выборок, в которых используются описанные выше методы:

Случайный кластер

Кинотеатр хочет собирать информацию об опыте своих клиентов. Используя программное обеспечение для рандомизации, они выбирают три случайных показа разных фильмов в течение дня. Затем они просят гостей из этих фильмов заполнить анкету на выходе. Этот метод сбора проб обычно является надежным методом отбора проб.

Удобство

Радиопередача хочет собрать общественное мнение о знаменитом событии. Они ставят киоск вдоль оживленного тротуара и берут интервью у тех, кто останавливается, проходя мимо. При этом они обнаруживают, что более половины людей, которых они опрашивают, одобряют выбор определенной знаменитости.

Этот тип выборки обычно не так эффективен, как другие методы представления предполагаемой группы, потому что существует множество аспектов, которые могут повлиять на результат информации. Маршрут, которым они следуют, город, в котором они находятся, и время суток, в которое радиостанция проводит интервью, могут сделать выборку менее репрезентативной для предполагаемой группы.

Простой рандом

Интернет-компания использует онлайн-рандомизатор, чтобы выбрать 100 из 1000 своих клиентов для опроса об их потребностях в Интернете. Компания хочет определить, следует ли им инвестировать в новые интернет-технологии. Этот метод выборки, как правило, надежен, и по мере увеличения выборки растет и ее надежность.

Стратифицированный случайный

Университет хочет собрать информацию о предпочтениях своих студентов в отношении празднования возвращения на родину. Чтобы получить достоверное представление информации по каждой специальности, они опрашивают 10% студентов по каждой дисциплине. Итак, поскольку в школе 2000 специалистов по химии, они осматривают только 200 из них. Это обеспечивает справедливое представительство для всех специальностей.

Систематический случайный

Компания собирает список работодателей и упорядочивает их от самого длинного стажа до тех, у кого самый короткий. Выбрав случайное место в списке для начала, компания подсчитывает шесть имен в строке и добавляет каждое имя в выбранную выборку. Затем они собирают информацию об этой группе в качестве образца.

Добровольный ответ

Финансовое учреждение хочет собрать больше информации о работе своей службы поддержки клиентов. Чтобы определить это, они предлагают опрос в конце каждого обращения в службу поддержки клиентов, в котором клиенты могут принять участие, если захотят. Как правило, это неэффективный способ сбора информации, поскольку клиенты могут с большей вероятностью участвовать в опросе, если они чувствуют недовольство или испытывают проблемы. Удовлетворенные клиенты с меньшей вероятностью будут участвовать в опросе, что делает собранные данные не репрезентативными для всей группы клиентов.

Использование статистических выборок

Вот некоторые отрасли, которые часто используют образцы при проведении исследований для сбора и анализа данных для больших групп:

• Наука: ученые часто собирают информацию от небольших групп, чтобы определить, например, последствия загрязнения, изменения климата или качества воды.

• Маркетинг: маркетинговая команда может собрать образцы своей клиентской базы, чтобы определить, какие кампании были наиболее успешными.

• Правительство: некоторые правительства могут захотеть определить, какие граждане или географические районы нуждаются в новых дорогах или других государственных услугах.

• Экономика: эти специалисты могут собирать образцы, чтобы определить, как экономическая атмосфера влияет на людей в разных областях и с разным финансовым статусом.

• Медицина: врачи или медицинские исследователи могут проводить клинические испытания с небольшими выборками населения, чтобы определить, безопасно ли вводить лекарство или вакцину.