Nejauša atlase ir process, kas ļauj iegūt izlasi no populācijas, pamatojoties uz noteiktu to izvēles varbūtību, kuri to veido.
Tāpēc, veicot nejaušu izlasi, mēs piedāvājam izvēles metodi. Metode, kas ņem vērā dažādas varbūtības. Tas to atšķir no nejaušām metodēm, jo izlases izvēli izlemj pētnieka subjektivitāte.
Savukārt šajā gadījumā nozīmīga loma ir nejaušībai; kā mēs noņemam rīcības brīvību.
Kāpēc izmantot izlases izlasi?
Šis paraugu ņemšanas veids ir viens no visbiežāk izmantotajiem zinātniskajā metodē. Iemesli ir dažādi, bet visatbilstošākie būtu šādi:
- Pirmkārt, tas ir vienīgais, kas ļauj veikt apstiprinošu analīzi un statistikas secinājumus. Faktiski otrais tiek veikts arī nejauši izvēlētos paraugos, taču mēs nevarēsim apstiprināt rezultātus. Šajā gadījumā izmeklēšana ir izzinoša.
- No otras puses, saistībā ar iepriekšējo sadaļu šī metode samazina neobjektivitāti. Tas ir, ar zināmu (zināmu) varbūtību izvēlēties konkrētu indivīdu no populācijas, mēs izvairāmies no nejaušās atlases raksturīgās subjektivitātes.
- Visbeidzot, tas ļauj izmantot mazus paraugus lielās populācijās. Protams, ir formulas, lai aprēķinātu šos minimālos paraugus ar zināmām vai nezināmām populācijām.
Kā to izdarīt?
Tāpat kā jebkura tehnika, ko izmanto zinātnē, arī to veic pēc procesa. Tas ļauj eksperimentu atkārtot un samazina neobjektivitāti un subjektivitāti.
- Pirmais un ļoti izšķirošais solis ir iedzīvotāju atlase. Patiesībā mums ir jāiegūst tik daudz informācijas, cik mēs varam. Galvenokārt mūs interesē tā sastāvs pēc noteiktiem sociodemogrāfiskiem mainīgiem lielumiem, piemēram, dzimums, vecums vai nodarbošanās.
- Tad jums jāizvēlas konkrēts izlases paraugs. Nākamajā sadaļā mēs redzēsim visatbilstošākos. Lēmums būs atkarīgs no iedzīvotāju īpašībām.
- Kad metode ir izvēlēta, jāaprēķina minimālais paraugs. Lai to izdarītu, mums jāņem vērā, vai mēs zinām, vai nav populācijas lieluma. Kā mēs esam komentējuši, ir formulas, lai aprēķinātu šo izlases lielumu.
- Visbeidzot, mēs turpinām iegūt izlasi un veikt attiecīgās statistiskās analīzes. Kad tas ir izdarīts, mēs varam veikt hipotēzes pārbaudi vai citas secināšanas metodes. Mērķis ir ekstrapolēt rezultātus iedzīvotājiem.
Nejaušas izlases veidi
Ir vairāki nejaušas izlases veidi atkarībā no populācijas īpašībām.
Apskatīsim visatbilstošāko:
- Vienkārša izlases veida atlase: Tas ir viens no visbiežāk izmantotajiem. Tas sastāv no izlases veida piešķiršanas populācijai un pēc tam, pamatojoties uz to, izlases izvēli. Tas ir ļoti noderīgs populācijās ar noteiktu viendabīgumu. Piemēram, to plaši izmanto ģeoloģijā.
- Stratificēta paraugu ņemšana: Šajā gadījumā mums ir darīšana ar populāciju, kas, kaut arī tā ir neviendabīga, tomēr var tikt sadalīta viendabīgās grupās (dzimums, vecums utt.). Katrā grupā tiek veikts vienkāršs izlases paraugs. To plaši izmanto sociālajās zinātnēs, piemēram, psiholoģijā.
- Klastera paraugu ņemšana: Šajā gadījumā mērķis ir izveidot bloku vai kopu sēriju. Tos izvēlas nejauši no visas populācijas. Šajā gadījumā viņu iekšienē ir neviendabīgums, kā arī ārpus tā ir viendabīgums. Tirgus izpēte bieži izmanto šo izlases izlasi.
- Sistemātiska paraugu ņemšana: Šajā gadījumā indivīdu skaits populācijā tiek dalīts ar tiem paraugā esošajiem, kurus mēs vēlamies iegūt. Tad mēs izvēlamies vienu nejauši un mēs skaitām, izmantojot šo vērtību. Tiks izvēlēti tēmas, kas atbilst šim skaitam. Šis veids samazina autokorelācijas problēmu.
Nejaušas izlases piemērs
Iedomāsimies, ka mēs vēlamies izpētīt noteiktu studentu vidējo augstumu noteiktā universitātē. Tie ir fiktīvi dati, un mēs izmantosim vienkāršu piemēru. Iepriekšējais solis ir izklājlapā izveidot tabulu ar kopējo iedzīvotāju skaitu un tā augstumu.
Tātad, mēs izmantosim vienkāršu nejaušas izlases metodiku:
- Labajā pusē mēs varam ievietot nejaušo skaitli, kā redzams attēlā (mēs iekļaujam formulu).
- Pēc tam mēs izmantojam šķirošanas opciju no augstākās līdz zemākajai, kas tos nepasūta, bet maina nejauši.
- Tas nozīmē, ka pēc tam mēs izvēlamies izlasi (šajā gadījumā desmit), pamatojoties uz lielumu, kas aprēķināts šāda veida izlases veidiem.
