Ve statistice je ukázka podmnožinou populace, která se používá k reprezentaci celé skupiny jako celku. Při výzkumu je často nepraktické zjišťovat všechny členy určité populace, protože počet lidí je prostě příliš velký. Chcete-li vyvodit závěry o charakteristikách populace, mohou vědci použít náhodný vzorek .
Proč výzkumníci používají vzorky?
Když zkoumáme aspekt lidské mysli nebo chování , vědci jednoduše ve většině případů nemohou shromažďovat údaje od všech jednotlivců. Místo toho si zvolí menší vzorek jedinců, kteří představují větší skupinu. Pokud je vzorek skutečně reprezentativní pro danou populaci, vědci pak mohou učinit výsledky a zobecnit je do větší skupiny.
Typy odběru vzorků
V psychologickém výzkumu a jiných typech sociálního výzkumu se experimentátoři obvykle spoléhají na několik různých metod odběru vzorků.
1. Pravděpodobnostní vzorkování
Pravděpodobnostní vzorkování znamená, že každý jednotlivec v populaci stojí a má stejnou šanci být vybrán. Vzhledem k tomu, že vzorkování pravděpodobnosti zahrnuje náhodný výběr, zajišťuje, že různá podskupina populace má stejnou šanci být zastoupena ve vzorku. To činí ukázky pravděpodobnosti reprezentativnější a výzkumníci jsou lépe schopni zobecnit své výsledky do skupiny jako celku.
Existuje několik různých typů vzorkování pravděpodobnosti:
- Jednoduchý náhodný vzorek je, jak napovídá název, nejjednodušší typ pravděpodobnostní vzorkování. Výzkumníci berou každého jednotlivce v populaci a náhodně si vyberou svůj vzorek, často pomocí nějakého typu počítačového programu nebo generátoru náhodných čísel.
- Stratifikovaný náhodný výběr zahrnuje oddělení populace do podskupin a následné odběry jednoduchého vzorku z každé z těchto podskupin. Například by výzkum mohl rozdělit populaci na podskupiny na základě rasy, pohlaví nebo věku a pak vzít jednoduchý náhodný vzorek každé z těchto skupin. Stratifikovaný náhodný výběr často poskytuje větší statistickou přesnost než jednoduché náhodné vzorkování a pomáhá zajistit, aby určité skupiny byly ve vzorku přesně zastoupeny.
- Vzorkování klastrů zahrnuje rozdělení populace na menší klastry, často založené na zeměpisné poloze nebo hranicích. Náhodný vzorek těchto shluků je pak vybrán a všechny osoby v rámci shluku jsou měřeny. Představte si například, že se snažíte provést studii o ředitelstvích školy ve vašem státě. Shromažďování údajů ze všech zásad školy by bylo nákladné a časově náročné. Pomocí metody výběru klastru vybíráte náhodně pět krajů z vašeho státu a pak shromažďujete údaje z každého předmětu v každém z těchto pěti krajů.
2. Nezávadnost odběru vzorků
Odběr vzorků bez pravděpodobnosti zahrnuje výběr účastníků metodami, které nedávají každému jednotlivci v populaci stejnou šanci být zvolen.
Jeden problém s tímto typem vzorku spočívá v tom, že dobrovolníci se mohou na určitých proměnných lišit než dobrovolníci, což může ztěžovat zobecnění výsledků pro celou populaci.
Existuje také několik různých typů vzorkování neschopnosti:
- Odběry vhodnosti zahrnují účastníky ve studii, protože jsou pohodlné a dostupné. Pokud jste se dobrovolně přihlásili k psychologickému studiu, který se uskutečnil na oddělení psychologie na vaší univerzitě, pak jste se účastnili studie, která se spoléhala na ukázku pohodlí. Studie, které se opírají o žádost o dobrovolníky nebo o použití klinických vzorků, které jsou k dispozici výzkumnému pracovníkovi, jsou také příklady vhodných vzorků.
- Úkolem výběru vzorků je hledání jedinců, kteří splňují určitá kritéria. Například obchodníci by mohli mít zájem dozvědět se, jak jsou jejich výrobky vnímány ženami ve věku od 18 do 35 let. Mohli by si najmout firmu na výzkum trhu, která by mohla provádět telefonické rozhovory, které úmyslně vyhledávají a rozhovoru s ženami, které splňují jejich věková kritéria.
- Odběr vzorků kvót zahrnuje záměrné odběry vzorku specifické části podskupiny v rámci populace. Například politickí průzkumníci by mohli mít zájem o zkoumání názorů populace na určitou politickou otázku. Pokud použijí jednoduchý náhodný výběr, mohou náhodně vynechat určité podmnožiny populace. Namísto toho stanovují kritéria, která musí obsahovat určité podskupiny určité procento vzorku. Zatímco výsledný vzorek nemusí skutečně reprezentovat skutečné poměry, které existují v populaci, kvóta zajišťuje zastoupení těchto menších podskupin.
Další informace o některých způsobech, které se liší pravděpodobností a nepravděpodobností.
Chyby vzorkování
Vzhledem k tomu, že samplování přirozeně nemůže zahrnovat každou jednotlivku v populaci, může dojít k chybám. Rozdíly mezi tím, co je přítomno v populaci a co je přítomno ve vzorku, jsou známé jako chyby vzorkování .
Zatímco není možné přesně zjistit, jak velký je rozdíl mezi populací a vzorkem, mohou vědci statisticky odhadnout velikost vzorkovacích chyb. Například v politických anketách často slyšíte hranici chyb vyjádřenou určitými úrovněmi důvěry.
Obecně platí, že čím větší je velikost vzorku, tím menší je chyba. Jedná se jednoduše proto, že vzorek se blíží k dosažení velikosti celkové populace, tím je pravděpodobnější přesně zachytit všechny charakteristiky populace. Jediným způsobem, jak zcela odstranit chybu při odběru vzorků, je shromažďování údajů z celé populace, což je často příliš nákladné a časově náročné. Chyby vzorkování lze však minimalizovat pomocí náhodného testování pravděpodobnosti a velkého objemu vzorku.
Reference:
Goodwin, CJ (2010). Výzkum v psychologii: metody a design. Hoboken, NJ: John Wiley a synové.
Nicholas, L. (2008). Úvod do psychologie. UCT Press: Kapské Město.