Шта је статистичко узорковање?

Много пута истраживачи желе знати одговоре на питања која су широког опсега. На пример:

• Шта су сви у одређеној земљи синоћ гледали на телевизији?
• Ко бира бирачко тело намеравају да гласају за на предстојећим изборима?
• Колико птица се враћа из миграције на одређеној локацији?
• Колики проценат радне снаге је незапослен?

Овакве врсте питања су огромне у смислу који захтијевају да пратимо милионе појединаца.

Статистика поједностављује ове проблеме коришћењем технике која се зове узорковање. Провођењем статистичког узорка, наше оптерећење се може огромно смањити. Уместо да пратимо понашање милијарди или милиона, морамо испитати само хиљаде или стотине. Као што ћемо видети, ово поједностављење долази по цени.

Популација статистичких студија је оно о чему покушавамо да сазнамо. Састоји се од свих особа које су прегледане. Становништво заиста може бити било шта. Калифорнијани, царибоси, рачунари, аутомобили или округа могу се сматрати популацијом, зависно од статистичког питања. Иако је већина популација која се истражује велика је, то не мора бити.

Једна стратегија за истраживање становништва је спровођење пописа. Пописом становништва испитујемо сваког члана популације у нашој студији. Примарни пример за то је Попис САД. Сваких десет година Биро за попис становништва свима у земљи шаље упитник. Они који не врате образац посећују радници пописа становништва

Пописи становништва су препуни тешкоћа. Обично су скупа у погледу времена и ресурса. Поред овога, тешко је гарантовати достизање свих у популацији. Остало становништво је још теже спровести попис становништва. Ако смо желели да проучимо навике паса луталица у држави Нев Иорк, срећу све тих пролазних очњака.

Како је нормално или непрактично пронаћи све чланове популације, следећа опција је да се узоркује популација. Узорак је било који подскуп популације, тако да његова величина може бити мала или велика. Желимо да узорак буде довољно мали да се може управљати нашим рачунарским снагама, а опет довољно велик да нам даје статистички значајне резултате.

Ако бирачко предузеће покушава да утврди задовољство бирача Конгресом и његовим Величина узорка је један, резултати ће тада бити бесмислени (али лако их је добити). С друге стране, питати милионе људи троши превише ресурса. Да би се постигла равнотежа, анкете овог типа обично имају величине узорка од око 1000.

Али, права величина узорка није довољна да осигурате добре резултате. Желимо узорак који је репрезентативан за популацију. Претпоставимо да желимо да откријемо колико књига чита просечан Американац годишње. Молимо 2000 студената на факултету да прате оно што су читали током године, а затим да се провере са њима након што је протекла година. Откривамо да је средњи број прочитаних књига 12, а затим закључујемо да просечан Американац чита 12 књига годишње.

Проблем овог сценарија је у узорку. Већина студената на факултетима има између 18-25 година и њихови инструктори требају читати уџбенике и романе. Ово је лоша заступљеност просечног Американца. Добар узорак би садржавао људе различитог узраста, из свих слојева живота и из различитих региона земље. Да бисмо стекли такав узорак, морали бисмо га саставити насумично тако да сваки Американац има једнаку вероватноћу да буде у узорку.

Златни стандард статистичких експеримената је једноставан случајни узорак. У таквом узорку величине н појединаца, сваки припадник популације има једнаку вероватноћу да буде изабран за узорак, и свака група н појединци имају једнаку вероватноћу да буду изабрани. Постоје разни начини узорковања популације. Неке од најчешћих су:

• Случајни узорак
• Једноставан случајни узорак
• Узорак добровољног одговора
• Узорак погодности
• Систематски узорак
• Узорак кластера
• Стратифицирани узорак

Као што изрека каже: „Добро је започето пола“. Да би осигурали да наши статистички студији и експерименти имају добре резултате, морамо пажљиво да их испланирамо и започнемо. Лако је смислити лоше статистичке узорке. Добро једноставни случајни узорци захтевају неки посао да се набаве. Ако су наши подаци добијени случајно и на кавалир начин, без обзира колико софистицирана наша анализа, статистичке технике нам неће дати корисне закључке.