Paraugu ņemšana ir process, kurā tiek izvēlēta populācijai piederošo novērojumu grupa. Tas, lai veiktu statistikas pētījumu.
Citiem vārdiem sakot, paraugu ņemšana ir procedūra, ar kuras palīdzību tiek ņemti atsevišķi indivīdi, kas pieder pie populācijas, kurai tiek veikta analīze.
Paraugu ņemšana ir nepieciešama tāpēc, ka populācijas var būt pārāk lielas, un nav iespējams (ekonomiski un materiālā ziņā) apkopot datus no visām personām.
Mērķis ir, lai izlase būtu reprezentatīva. Tas nozīmē, ka tādi rādītāji kā vidējais vecums, vidējie ienākumi, vīriešu un sieviešu procentuālais daudzums, cita starpā, ir vienādi vai ļoti līdzīgi iedzīvotāju rādītājiem.
Izlases veidi
Izlases veidus var atšķirt, pamatojoties uz dažādiem kritērijiem. Tādējādi saskaņā ar apakšgrupas izvēles tehniku var diferencēt:
Varbūtības atlase
Novērojumi tiek izvēlēti, pamatojoties uz nejaušību, tas ir, nejauši. Šajā kategorijā mēs varam atrast:
- Vienkārša izlases veida atlase: Visiem populācijas indivīdiem ir vienāda varbūtība, ka viņi tiks izvēlēti kā daļa no izlases. Tam ir priekšrocības, piemēram, fakts, ka to ir viegli veikt, izmantojot datorsistēmas. Tomēr ir nepieciešams pilns visu iedzīvotāju saraksts, un, ja izlase ir ļoti maza, atlase var nebūt reprezentatīva.
- Sistemātiski: Novērojums tiek izvēlēts nejauši, un, lai atlasītu pārējo paraugu, tiek izmantoti regulāri skaitliski intervāli. Tas ir, pieņemsim, ka man ir 10 000 iedzīvotāju, un es nejauši izvēlos novērojumu 600, pēc kura es varu apsvērt 30 novērojumu intervālus. Šajā gadījumā jūs ņemtu novērojumus 600, 630, 660, 690, 720, 750, 780 utt.
- Stratificēts nejaušs: Iedzīvotāji ir sadalīti slāņos, kas ir grupas, kurām ir kopīgas pazīmes un kuras ir vēl viendabīgākas nekā iedzīvotāji kopumā. Tad katrā slānī izlases veidā vai sistemātiski tiek atlasīts paraugs. Mērķis ir panākt katra slāņa reprezentativitāti.
- Ar konglomerātiem vai kopām: Sastāv no tādu grupu izveidošanas, kas ir mazākas par iedzīvotājiem un kuras atspoguļo visas iedzīvotāju īpašības vai tām ir vienādas iezīmes. Tad mēs izvēlamies vienu no kopām kā paraugu un detalizēti to analizējam.
Neticamības atlase
Izlases izvēle nav atkarīga no varbūtības, bet gan no pētnieku lēmuma. Mēs varam atšķirt dažas apakškategorijas:
- Pārliecības metode pieejamajos priekšmetos: Tas sastāv no tā, ka pētnieks uztvers viņam pieejamos priekšmetus. Tas, piemēram, ģeogrāfiskā punktā noteiktā laikā.
- Viedoklis vai tīša metode: Pētnieks izmanto savu vērtējumu vai kritērijus, lai izvēlētos, kurš piedalīsies izlases sastāvā. Citiem vārdiem sakot, turpinot iepriekšējo piemēru, pētnieks varēja savākt paraugu noteiktā vietā un laikā. Bet, ņemot vērā pētījuma mērķus, jūs varētu izlemt iekļaut tikai tos, kas ir precējušies un kuri ir vecumā no 20 līdz 30 gadiem.
- Cēloņsakarība vai nejaušība: Pētnieks tieši izvēlas indivīdus, kuri būs iekļauti izlasē. Piemēram, skolas audzēkņiem. Tas, ņemot vērā to, ka jums ir ērta piekļuve tiem.
- Sniega pika: Tas sastāv no tā, ka pēc izlases pirmā priekšmeta (vai pirmo priekšmetu) atrašanas pētnieks lūdz viņu (vai viņus) palīdzēt identificēt citus indivīdus ar šīm pašām īpašībām. Tas ir paņēmiens, ko izmanto, ja ir grūti atrast konkrētu grupu sensitīvu datu, piemēram, nelegālo imigrantu, apstrādes dēļ.
- Pa daļām: Pētnieks, ņemot vērā populācijas sastāvu un sadalot pa grupām vai slāņiem, veiks proporcionālu izlases atlasi. Piemēram, iedomājieties, ka populācijā ir 40% cilvēku līdz 25 gadu vecumam, 35% cilvēku vecumā no 25 līdz 50 gadiem un 25% cilvēku, kas vecāki par 50 gadiem. Tātad 4000 cilvēku izlasē būtu 1600 subjektu, kas jaunāki par 25 gadiem, 1400 no 25 līdz 50 gadiem un 1000 pieaugušie, kas vecāki par 50 gadiem. Jāatzīmē, ka personas, kas segs katru iemaksu, tiks atlasītas ar kādu varbūtības mazinošu metodi, tas ir, jebkuru no iepriekš izskaidrotajiem paņēmieniem.
Tāpat jāatzīmē, ka paraugu ņemšana var būt vienkārša, ja to veic tikai vienu reizi; dubultā, kad tiek notverti divi paraugi (otro var izmantot, ja pirmais nedod galīgus rezultātus); vai vairāki (tas ir līdzīgs dubultam, bet ar vairāk nekā diviem paraugiem).