29632

Класс строго вероятностных способов формирования выборочной совокупности. Механический отбор

Доклад

Социология, социальная работа и статистика

Способы построения выборки делятся на 2 крупных класса: Случайные вероятностные это такие способы отбора когда каждый элемент генеральной совокупности имеет известную чаще всего равную вероятность быть выбранным. Для реализации случайного отбора необходимо иметь основу выборки списки элементов генеральной совокупности. Строго говоря лишь вероятностные выборки являются репрезентативными следовательно только для них может быть рассчитана статистическая погрешность. Механический отбор где элементы генеральной совокупности...

Русский

2013-08-21

26.5 KB

4 чел.

  1.  Класс строго вероятностных способов формирования выборочной совокупности. Механический отбор.

Способы построения выборки делятся на 2 крупных класса:

Случайные  (вероятностные) – это такие способы отбора, когда каждый элемент генеральной совокупности имеет известную, чаще всего равную, вероятность быть выбранным.

Неслучайные – все остальные способы отбора.

Для реализации случайного отбора необходимо иметь основу выборки - списки элементов генеральной совокупности. Они должны отвечать требованиям полноты, точности, отсутствия дублирования, адекватности целям исследования и удобства работы.

Строго говоря, лишь вероятностные выборки являются репрезентативными, следовательно, только для них может быть рассчитана статистическая погрешность.  

К вероятностным способам отбора относят:

Простой случайный отбор,  в рамках которого элементы отбираются либо с помощью таблицы случайных чисел, либо с помощью генератора случайных чисел: Механический отбор, Кластерный (гнездовой) отбор, Стихийный отбор, Целевой отбор, Типологический отбор, Квотный отбор.

Механический отбор, где элементы генеральной совокупности выбираются через шаг, определяемый по формуле:  

k=;

где

k – шаг выборки,  

N – объем генеральной совокупности,

n – объем выборочной совокупности.

Первый элемент определяется случайно в пределах шага выборки. Например, при помощи функции «слчисмежду» в Microsoft Excel. В механическом отборе также нужно следить за тем, чтобы список генеральной совокупности не был отсортирован (упорядочен) по значимым для исследования параметрам.

Вычисление ошибки выборки.

При определении ошибки репрезентативности используются те же формулы, что и при случайной выборке.

Определение объема выборки.

Как следствие, при определении объема выборки так же используются те же формулы, что и при случайной выборке.

Плюсы и минусы механического отбора.

Процедура проведения механической выборки менее громоздка, чем проведение случайной выборки. Хотя применение компьютеров практически нивелирует это преимущество.

Механическая выборка может быть как более точной, так и менее точной по сравнению со случайной выборкой. Это продемонстрирует следующий пример.


 

А также другие работы, которые могут Вас заинтересовать

18527. Оптимизация. Классификация методов оптимизации 329 KB
  Лекция 7 Оптимизация Сформулируем задачу оптимизации как задачу поиска экстремума целевой функции ФР. Классификация методов оптимизации 1. По числу параметров: одномерная оптимизация; многомерная оптимизация. 2. По использованию производных:
18528. Способы хранения разреженных матриц 79.5 KB
  Способы хранения разреженных матриц Разреженные матрицы целесообразно хранить таким образом чтобы обеспечить экономию памяти и числа операций необходимы для преобразования матрицы в процессе решения линейной системы а также простоту доступа к любому элементу ма
18529. Меры погрешности решения 359 KB
  Меры погрешности решения Пусть x вычисленное решение СЛАУ Ax=b. Существуют две общеупотребительные меры погрешности в х: вектор ошибки е = х х 1 и невязка r = b Ax = Ax x = Ae
18530. Основні прийоми роботи та підготовки документів в системі MATHCAD 411.5 KB
  Мат. моделювання в САПР. Основні прийоми роботи та підготовки документів в системі MATHCAD. Основні прийоми роботи та підготовки документів в системі MATHCAD. Методичні матеріали до лабораторної роботи № 1 з курсу: Математичне моделювання в САПР для студенті
18531. Розв’язування звичайних диференціальних рівнянь в системі MATHCAD 391.5 KB
  Розвязування звичайних диференціальних рівнянь в системі MATHCAD Розвязування звичайних диференціальних рівнянь в системі MATHCAD. Методичні матеріали до лабораторної роботи № 2 з курсу: Математичне моделювання в САПР для студенті
18532. Розв’язування диференціальних рівнянь з частинними похідними в системі MATHCAD 414.5 KB
  Розвязування диференціальних рівнянь з частинними похідними Розвязування диференціальних рівнянь з частинними похідними в системі MATHCAD. Методичні матеріали до лабораторної роботи № 3 з курсу: Математичне моделювання в САПР д
18533. Символьные последовательности 18.96 KB
  Лабораторная работа № 3. Тема Символьные последовательности Если для решения задачи достаточно просмотреть исходный текст один раз то обычно текст вводится и обрабатывается посимвольно и не хранится целиком в памяти в виде массива. В программе используется перем
18534. Одномерные массивы. Упорядоченная совокупность однотипных данных 20.3 KB
  Лабораторная работа № 4. Одномерные массивы Массив используется когда дана упорядоченная совокупность однотипных данных чисел символов строк символов и т.д. с ограниченным числом элементов. Примеры описаний массивов: char text[10];/ массив из 10 символов/ int a[50];/ мас...
18535. Двумерные массивы (матрицы) 29.09 KB
  Лабораторная работа № 5. Двумерные массивы матрицы Массивы в С могут быть не только одномерными т.е. когда данные визуально выстроены в одну линию. Массивы также могут быть и двумерными трехмерными и так далее. С компиляторы поддерживают как минимум 12ти мерные масси...