Hvordan sikrer forskerne at en enkel tilfeldig prøve er en nøyaktig representasjon av en større befolkning?

Words at War: Assignment USA / The Weeping Wood / Science at War (November 2024)

Words at War: Assignment USA / The Weeping Wood / Science at War (November 2024)
Hvordan sikrer forskerne at en enkel tilfeldig prøve er en nøyaktig representasjon av en større befolkning?
Anonim
a:

Forskere bruker flere beskyttelsesforanstaltninger for å sikre at en enkel tilfeldig prøve nøyaktig representerer en større befolkning. De bruker en utvelgelsesprosess som gjør randomisering avgjørende og eliminerer dermed utvalgsperspektivet. Forskere sørger for at de har en uttømmende og nøyaktig liste over hele befolkningen som studeres før de velger å bruke et enkelt tilfeldig utvalg; Ellers velger de en prøvetakingsmetode som ikke krever at denne tilstanden blir oppfylt. De sikrer at prøven deres er stor nok til å eliminere prøvetakingsfeil som kommer fra å ha for liten en prøvestørrelse.

En enkel tilfeldig prøve gir en måte å utføre statistisk analyse på en stor befolkning uten å faktisk studere hvert enkelt medlem av befolkningen. Anta for eksempel at en forsker ønsker å gjennomføre en studie som involverer alle mannlige studenter ved UCLA. Dette gir en inneboende utfordring, fordi UCLA er en stor skole og evaluerer alle mennene det er ekstremt tidkrevende, for ikke å nevne unødvendig med tanke på de mange prøvetakingsmetodene som er tilgjengelige.

Med enkelt tilfeldig utvalg, blir et forhåndsbestemt antall UCLA-menn hentet tilfeldig fra den større befolkningen og brukt som forskningsfag. For denne metoden å fungere, må den tilfeldige prøven være representativ for den større befolkningen. Det første trinnet forskerne tar for å sikre at dette er å bruke en utvalgsprosess som legger vekt på tilfeldighet. En levedyktig prosess er et manuell lotterisystem, hvor forskere tildeler hvert medlem av den større befolkning et unikt nummer og deretter tegner tall tilfeldig for å generere en studieprøve. Et annet alternativ er for forskere å automatisere prosessen ved hjelp av et dataprogram som tilfeldigvis velger testpersoner fra den større befolkningen.

For enten valgmetode for arbeid, må forskerne ha en nøyaktig og uttømmende liste over hele befolkningen. Hvis dette ikke er mulig, er enkel tilfeldig prøvetaking ikke mulig, og en annen prøvetakingsmetode må velges. For mange populasjoner, som for eksempel UCLA-mennseksemplet, kan man få en komplett liste. Når dette er tilfelle, velger forskerne ofte enkel tilfeldig prøvetaking på grunn av brukervennligheten.

Prøvingsfeil blir mer av et problem med en prøvestørrelse som er ekstremt liten i forhold til den større befolkningen. For prøven av UCLA menn å være representativ, bør fagets høyskolehøgskoler være proporsjonert på samme måte som for den større befolkningen. Men hvis prøvestørrelsen er bare 20, er det mulig å ende opp med 15 eller flere humaniora majors - likt hvordan 20 myntslag kan produsere 15 eller flere hoder.Disse prøvetakingsfeilene reduseres med større utvalgsstørrelser. Tre hundre myntflips kan produsere mye nærmere 50% hoder, mens en prøvestørrelse på 300 høyskole menn er sikker på å produsere en mangfoldig blanding av majors. En stor prøvestørrelse bidrar til å sikre et representativt utvalg.