Методы вероятностной выборки

Использование методов вероятностной выборки позволяет в полном объеме использовать мощный и апробированный в практике аппарат математической статистики, принятый современной наукой в качестве основного критерия достоверности ис­следования. Вместе с тем, основное условие реализации метода вероятностной выборки - наличие полного списка всех элементов генеральной совокупности от 1 до N.

Вероятностные методы включают: простой случайный отбор, систематический отбор, кластерный отбор и стра­тифицированный отбор.

Простой случайный отбор предполагает, что вероятность быть включенным в выборку известна и является одинаковой для всех единиц совокупности. Вероятность эта определяется отно­шением объема выборки к размеру совокупности.

Такая выборка может быть сформирована лотерейным ме­тодом (методом жребия) когда все элементы совокупности нуме­руются, номера наносятся на специальные жетоны и после тща­тельного перемешивания последовательно извлекается п жетонов, где п - число элементов выборки.

Также можно сформировать выборку, используя таблицы случайных чисел или генераторы случайных чисел. Например, при телефонном интервьюировании компьютер, имеющий гене­ратор случайных чисел, может генерировать случайным образом телефонные номера.

Систематический (механический) отбор производится путем выбора из пронумерованного списка единиц совокупности через определенный интервал (т.н. «интервал скачка» или шаг), рассчитанный как отношение размера совокупности к объему вы­борки. Например, при необходимости извлечь выборку объемом 100 единиц из списка совокупности в 5000 единиц можно вос­пользоваться следующим приемом. Несложно рассчитать, что в выборку должна войти каждый пятидесятая единица совокупно­сти. Затем избирается случайная точка старта (например, 31) и в списке последовательно отбираются 31,81, 131, 181 и т.д. номера.

Метод систематического отбора применяется, когда для различных видов совокупностей существуют различные справоч­ники, списки, спецификации и иные материалы.

Кластерный отбор, основан на делении совокупности на подгруппы, каждая из которых представляет совокупность в це­лом.

Например, при исследовании мнения населения региона от­носительно определенного товара регион разбивается на четко определяемые части (кластеры). Исследователь может считать, что выделенные кластеры являются идентичными и мнение насе­ления этих областей характерно для региона в целом. Далее слу­чайным образом выбирается один кластер, и в нем проводится соответствующее исследование, а выводы распространяются на совокупность всего региона.

В основе всех описанных методов лежит предположение, что каждая выборка достаточно полно характеризует всю сово­купность. Однако на практике такая ситуация встречается крайне редко. Так, очевидно, что население больших, средних и малых городов, сельской местности региона различается по уровню об­разования, доходу, образу жизни и т.п.

В случае неравномерно распределения совокупности она подразделяется на различные подгруппы (страты), например по уровню доходов, и выборки формируются из этих подгрупп. Та­кой метод носит название стратифицированного отбора. Далее для каждой страты с помощью случайного отбора формируется выборка.

Дата добавления: 2015-05-10