확률 및 비 확률 샘플링 유형 (예) - 문화 어휘 - 2026

샘플링 유형 전체의 일부로부터 데이터를 추출하는 다양한 방법이며, 그 함수 강력한 통계 툴은 우주 검토 할 필요가있다 인구의 어떤 부분 또는 결정하기 위해 추론하고 정보를 얻는 것이다.

전체 모집단을 분석 할 수 없거나 분석하고 싶지 않을 때 샘플링은 매우 중요합니다. "인구"라는 용어는 많은 사람이나 생물을 의미하는 것이 아니라 일반적으로 주어진 문제에서 연구 될 요소의 총합을 의미합니다.

그림 1. 샘플링은 유니버스에서 대표 샘플을 선택하는 데 중요합니다. 출처 : Pixabay.

선택한 샘플링 유형에 따라 항상 목표에 따라 가장 대표적인 것으로 간주되는 모집단의 일부가 선택됩니다.

물론 데이터의 일부만 취하면 일부 세부 사항을 놓치고 정보를 생략 할 수 있으므로 결과가 정확하지 않을 수 있습니다. 이를 샘플링 오류라고합니다.

결과의 유효성을 보장하기 위해 최대한의 정보를 제공 할 수있는 가장 대표적인 샘플을 선택하여 데이터의 세계를 최대한 단순화하는 것이 아이디어입니다.

확률 또는 무작위 샘플링 유형

확률 샘플링은 샘플의 주제를 선택해야 할 확률을 기반으로합니다. 이런 식으로 모집단의 각 요소는 알려진 선택 기회가 주어지며, 물론 0보다 커야합니다.

이것은 데이터의 세계에서 전체를 충분히 대표하지 않는 샘플이 선택 될 수 있기 때문에 매우 중요합니다.

그렇다면 인구의 일부가 다른 부분보다 더 선호되기 때문에 결과가 편향 될 것입니다. 여러 범주가있는 편향을 피하기 위해 한 가지 옵션은 우연히 샘플을 선택하게하여 각 요소가 선택 될 확률이 0이 아닌 확률을 부여하는 것입니다.

단순 무작위 샘플링

이것은 기회가 제대로 작동하는지 확인하는 간단한 방법입니다. 예를 들어, 학급에서 학교 미술 행사에 참여하기 위해 일부 어린이를 선택하는 경우 모든 어린이의 이름은 동일한 접힌 투표 용지에 배치되고 모자에 섞여 있으며 무작위로 몇 개씩 그려집니다.

학급의 모든 어린이가 인구를 구성하고 모자에서 뽑아 낸 소수의 투표 용지가 샘플입니다.

절차의 성공은 모든 어린이의 완전한 목록을 작성하여 아무도 빠지지 않도록하는 데 있습니다. 작은 과정에서 이것은 문제가되지 않습니다. 그러나 더 많은 모집단에서 표본을 선택하려면 방법을 구체화해야합니다.

교체 또는 교체를 통해 간단한 무작위 샘플링을 수행 할 수 있습니다. 예를 들어 모집단에서 일부 요소를 추출하여 선택하고 검토 한 후 반환하면 요소의 우주는 연구 내내 항상 동일하게 유지됩니다.

반대로 선택한 요소를 연구해도 더 많은 요소가 반환되지 않으면 교체하지 않고 샘플링합니다. 요소가 선택 될 확률을 계산할 때이 점을 고려해야합니다.

체계적인 무작위 샘플링

이 샘플링을 수행하려면 N 요소를 나열하고 샘플의 크기를 결정해야합니다.이를 n이라고 부릅니다. 이 목록을 샘플링 프레임이라고합니다.

이제 점프 간격이 정의되며 문자 k로 표시되고 다음과 같이 계산됩니다.

무작위로 1과 k 사이에서 임의의 숫자가 선택됩니다. 이것은 목록에서 첫 번째로 선택되는 개인이며 여기에서 목록의 다음 요소가 선택됩니다.

예 : 한 대학의 학생 2,000 명 목록이 있고 회의에 참여할 학생 100 명의 샘플을 얻고 자한다고 가정합니다.

가장 먼저 할 일은 k의 값을 찾는 것입니다.

총 학생 수를 20 명의 학생으로 구성된 100 개의 조각으로 나눈 후 조각 중 하나를 취하고 1에서 20까지 임의의 숫자를 선택합니다 (예 : 12). 따라서 목록에있는 열두 번째 학생은 다음과 같습니다. 랜덤 부팅.

선택 될 다음 학생은 100 명이 모두 완료 될 때까지 12 + 20 = 22, 42, 62 등이어야합니다.

보시다시피, 적용하는 빠른 방법이며 편향을 일으키는 인구에 주기성이없는 한 2000 개의 이름을 모자에 넣고 100 개를 가져갈 필요없이 일반적으로 매우 좋은 결과를 제공합니다. .

계층화 된 무작위 샘플링

그림 2. 계층화 된 무작위 샘플링에서 모집단은 계층이라고하는 세그먼트로 나뉩니다. 출처 : Pixabay.

단순 무작위 표본 추출에서는 모집단의 각 항목이 선택 될 확률이 동일합니다. 그러나 이것은 특히 고려할 복잡성이 더 많은 경우 항상 사실이 아닐 수 있습니다.

계층화 된 무작위 표본 추출 계획을 수행하려면 모집단을 유사한 특성을 가진 그룹으로 나누어야합니다. 이것이 지층입니다. 그런 다음 계층을 취하고 각각에서 간단한 무작위 샘플을 선택한 다음 결합하여 최종 샘플을 만듭니다.

데이터 유니버스의 특성을 연구하여 샘플링 전에 계층을 결정합니다.

이러한 특성은 결혼 상태, 연령, 거주지 (예 : 도시, 교외 및 농촌 인구, 직업, 교육 수준, 성별 등)가 될 수 있습니다.

어쨌든 각 계층의 특성은 매우 독특 할 것입니다. 즉, 각 계층은 균질하다는 것입니다.

계층화 된 샘플링 내에서 각 계층의 샘플 크기가 크기에 비례하는지 여부에 따라 두 범주를 구분합니다.

무작위 클러스터 샘플링

위에서 설명한 방법은 샘플의 요소를 직접 선택하지만 클러스터 샘플링에서는 모집단에서 요소 그룹이 선택되며 이러한 요소가 클러스터라고하는 샘플링 단위가됩니다.

클러스터의 예로는 대학의 부서, 지방, 도시, 카운티 또는 지방 자치 단체와 같은 지리적 실체가 있으며 모두 동일한 확률로 선택 될 수 있습니다. 지리적 개체를 선택하는 경우 영역 별 샘플링을 말합니다.

클러스터가 선택되면 분석 할 요소가 여기에서 선택됩니다. 따라서 절차에는 여러 단계가있을 수 있습니다.

이 방법은 계층화 된 무작위 방법과 약간 유사합니다. 단, 여기에서는 전체 군집이 선택되는 반면 이전 방법에서는 모집단의 모든 계층이 연구되었습니다.

비 확률 샘플링 유형

확률 샘플링은 일부 상황에서 매우 비쌀 수 있습니다. 진정한 대표 샘플을 찾는 데 시간과 리소스를 투자해야하기 때문입니다.

또한 완전한 샘플링 프레임 (목록)이없는 경우가 자주 발생하므로 요소를 선택할 확률을 결정할 수 없습니다.

이러한 경우에는 결과의 정밀도가 보장되지 않지만 정보도 획득되는 비 확률 샘플링 유형이 사용됩니다.

이러한 유형의 샘플링이 적용될 때, 샘플이 가능한 한 적절한 지 확인하면서 선택시 일부 기준을 따라야합니다.

편리한 샘플링

이는 샘플의 요소가 가용성에 따라 선택되는, 즉 가장 가까이있는 개인을 선택하는 상당히 기본적인 유형의 샘플링입니다. 속도와 편의성으로 인해 매우 저렴한 방법이라는 장점이 있습니다.

그러나 말했듯이 결과에 대한 신뢰할 수있는 정보를 얻을 수 있다는 확신은 없습니다. 때로는 선거 전에 신속하고 짧은 설문 조사를하거나 특정 제품에 대한 고객 선호도를 문의하는 데 사용됩니다.

예를 들어, 여론 조사원은 자신의 집에서 가장 가까운 쇼핑 센터 3 곳의 출구로 가서 어느 후보자에게 투표 할 것인지 물을 수 있습니다. 또는 교사는 학생에게 즉시 접근 할 수 있기 때문에 자신의 학생을 설문 조사 할 수 있습니다.

그러한 절차의 결과가 무가치 한 것처럼 보이지만 편향이 그다지 크지 않다고 가정 할 타당한 이유가있는 한 모집단을 잘 반영 할 수 있습니다.

그러나 특정 교사의 학생이 나머지 학생 단체의 대표 표본을 구성하지 못할 수 있기 때문에 그렇게 간단하지 않습니다. 그리고 대부분의 경우 쇼핑몰의 여론 조사원은 가장 매력적으로 보이는 사람들을 인터뷰하는 경향이 있습니다.

할당량 샘플링

할당량별로 샘플링하려면 가장 대표적인 요소가 무엇인지에 대한 아이디어를 얻으려면 인구 계층에 대한 좋은 사전 지식이 있어야합니다. 그러나 계층화 된 샘플링의 무작위성 기준이 적용되지 않습니다.

이러한 유형의 샘플링에서는 "할당량"을 설정해야하므로 메서드 이름이됩니다. 이러한 할당량은 특정 조건을 가진 여러 요소 (예 : 25 세에서 50 세 사이의 여성 15 명, 담배를 피우지 않고 자동차도 소유 한 여성)를 수집하는 것으로 구성됩니다.

할당량이 결정되면 설정된 조건을 충족하는 첫 번째 사람이 선택됩니다. 이 마지막 단계의 기준은 조사자의 편의에 따라 결정될 수 있습니다. 여기서 랜덤 한 계층화 된 샘플링 방법의 차이를 볼 수 있습니다.

그러나 우리가 말했듯이 연구 대상 인구가 잘 알려진 경우 유리한 저비용 방법입니다.

눈덩이 샘플링

이 스타일의 샘플링에서 따라야 할 절차는 연구자가 필요로하는 샘플 크기가 될 때까지 다른 사람을 이끌고 다른 사람을 이끌 몇 사람을 선택하는 것입니다.

이것은 매우 특정한 특성을 가진 일부 집단을 특성화하는 데 유용 할 수있는 절차입니다. 예 : 교도소 수감자 또는 특정 질병이있는 사람.

임의 샘플링

마지막으로 그의 지식에 따라 샘플을 선택하는 데 사용할 기준을 결정하는 연구원이 있습니다. 무작위 방법을 사용하여 참여할 수없는 특정 개인을 연구에 추가해야 할 때 유용 할 수 있습니다.

참고 문헌

1. Berenson, M. 1985. 관리 및 경제학, 개념 및 응용을위한 통계. 편집 Interamericana.
2. 통계. 견본 추출. 출처 : encyclopediaeconomica.com.
3. 통계. 견본 추출. 출처 : Estadistica.mat.uson.mx.
4. 탐색 가능. 클러스터 샘플링. 출처 : explorable.com.
5. Moore, D. 2005. 응용 기본 통계. 2 위. 판.
6. 넷 퀘스트. 확률 샘플링 : 계층화 된 샘플링. 출처 : netquest.com.
7. Wikipedia. 견본 추출. 출처 : es.wikipedia.org