Simple Random versus Stratified Random Sample: Wat is het verschil?
Eenvoudige willekeurige steekproeven en gestratificeerde willekeurige steekproeven zijn beide statistische meetinstrumenten. Een eenvoudige willekeurige steekproef wordt gebruikt om de gehele gegevenspopulatie weer te geven. Een gestratificeerde willekeurige steekproef verdeelt de populatie in kleinere groepen, of lagen, op basis van gedeelde kenmerken.
De populatie is de totale set observaties of gegevens. Een steekproef is een reeks observaties van de populatie. De bemonsteringsmethode is het proces dat wordt gebruikt om monsters uit de populatie te halen.
Eenvoudig willekeurig monster
Eenvoudige willekeurige steekproeven zijn een statistisch hulpmiddel dat wordt gebruikt om een zeer eenvoudige steekproef uit een gegevenspopulatie te beschrijven. Deze steekproef vertegenwoordigt het equivalent van de gehele populatie.
De eenvoudige willekeurige steekproef wordt vaak gebruikt wanneer er zeer weinig informatie beschikbaar is over de gegevenspopulatie, wanneer de gegevenspopulatie veel te veel verschillen heeft om te verdelen in verschillende subsets, of wanneer er slechts één onderscheidend kenmerk is onder de gegevenspopulatie.
Een snoepbedrijf wil bijvoorbeeld de koopgewoonten van zijn klanten bestuderen om de toekomst van zijn productlijn te bepalen. Als er 10.000 klanten zijn, mag deze 100 van die klanten als willekeurige steekproef gebruiken. Het kan dan toepassen wat het vindt van die 100 klanten op de rest van zijn basis.
Statistici zullen een uitputtende lijst van een gegevenspopulatie opstellen en vervolgens een willekeurige steekproef binnen die grote groep selecteren. In deze steekproef heeft elk lid van de bevolking een gelijke kans om te worden geselecteerd om deel uit te maken van de steekproef. Ze kunnen op twee manieren worden gekozen:
- Via een manuele loterij, waarin elk lid van de bevolking een nummer krijgt. Nummers worden vervolgens willekeurig getrokken door iemand om in het monster op te nemen. Dit kan het beste worden gebruikt wanneer u naar een kleine groep kijkt.
- Computer gegenereerde bemonstering. Deze methode werkt het beste met grotere gegevenssets, door een computer te gebruiken om de monsters te selecteren in plaats van een mens.
Met behulp van eenvoudige steekproeven kunnen onderzoekers generalisaties maken over een specifieke populatie en eventuele vertekeningen weglaten. Dit kan helpen bepalen hoe toekomstige beslissingen te nemen. Dus dat snoepbedrijf uit het bovenstaande voorbeeld kan deze tool gebruiken om een nieuwe snoepsmaak te produceren op basis van de huidige smaak van de 100 klanten. Maar houd in gedachten, dit zijn generalisaties, dus er is ruimte voor fouten. Het is tenslotte een eenvoudig voorbeeld. Die 100 klanten hebben mogelijk geen nauwkeurige weergave van de smaak van de hele bevolking.
Gestratificeerde willekeurige bemonstering
In tegenstelling tot eenvoudige willekeurige steekproeven, worden gestratificeerde willekeurige steekproeven gebruikt met populaties die gemakkelijk kunnen worden onderverdeeld in verschillende subgroepen of subsets. Deze groepen zijn gebaseerd op bepaalde criteria en kiezen vervolgens willekeurig elementen uit elk in verhouding tot de groepsgrootte versus de populatie.
Deze methode van bemonstering betekent dat er selecties zullen zijn uit elke verschillende groep - waarvan de grootte is gebaseerd op de verhouding ervan tot de gehele populatie. Maar de onderzoekers moeten ervoor zorgen dat de lagen elkaar niet overlappen. Elk punt in de populatie mag slechts tot één stratum behoren, dus elk punt sluit elkaar uit. Overlappende lagen zouden de kans vergroten dat sommige gegevens worden opgenomen, waardoor het monster scheef wordt getrokken.
Het snoepbedrijf kan besluiten om de willekeurig gestratificeerde bemonsteringsmethode te gebruiken door zijn 100 klanten in verschillende leeftijdsgroepen te verdelen om beslissingen te nemen over de toekomst van zijn productie.
Portefeuillebeheerders kunnen gestratificeerde willekeurige steekproeven gebruiken om portefeuilles te maken door een index zoals een obligatie-index te repliceren.
Gestratificeerde bemonstering biedt enkele voor- en nadelen in vergelijking met eenvoudige willekeurige bemonstering. Omdat het specifieke kenmerken gebruikt, kan het een nauwkeurigere weergave van de populatie bieden op basis van wat wordt gebruikt om het in verschillende subsets te verdelen. Dit vereist vaak een kleinere steekproefomvang, wat middelen en tijd kan besparen. Door voldoende monsterpunten uit elke laag op te nemen, kunnen de onderzoekers bovendien een afzonderlijke analyse op elke afzonderlijke laag uitvoeren.
Maar er is meer werk nodig om een gestratificeerd monster te trekken dan een willekeurig monster. Onderzoekers moeten de gegevens voor elke stratum afzonderlijk volgen en verifiëren voor opname, wat veel meer tijd kan kosten in vergelijking met willekeurige steekproeven.
Belangrijkste leerpunten
- Eenvoudige willekeurige en gestratificeerde willekeurige steekproeven zijn statistische meetinstrumenten.
- Een eenvoudige steekproef neemt een klein, basisgedeelte van de gehele populatie om de volledige gegevensset weer te geven.
- De populatie is verdeeld in verschillende groepen met vergelijkbare kenmerken, waaruit een gestratificeerde willekeurige steekproef wordt genomen.