Campione
Che cos'è un campione?
Un campione si riferisce a una versione più piccola e gestibile di un gruppo più ampio. È un sottoinsieme contenente le caratteristiche di una popolazione più ampia. I campioni vengono utilizzati nei test statistici quando le dimensioni della popolazione sono troppo grandi per consentire al test di includere tutti i possibili membri o osservazioni. Un campione dovrebbe rappresentare la popolazione nel suo insieme e non riflettere alcun pregiudizio verso un attributo specifico.
Esistono diverse tecniche di campionamento utilizzate da ricercatori e statistici, ognuna con i propri vantaggi e svantaggi.
Capire i campioni
Un campione è un numero imparziale di osservazioni prese da una popolazione. In parole povere, una popolazione è il numero totale di osservazioni (es. individui, animali, oggetti, dati, ecc.) contenute in un dato gruppo o contesto. Un campione, in altre parole, è una porzione, una parte o una frazione dell'intero gruppo e agisce come un sottoinsieme della popolazione. I campioni vengono utilizzati in una varietà di contesti in cui viene condotta la ricerca. Scienziati, esperti di marketing, agenzie governative, economisti e gruppi di ricerca sono tra coloro che utilizzano campioni per i loro studi e misurazioni.
L'utilizzo di intere popolazioni per la ricerca comporta sfide. I ricercatori potrebbero avere problemi ad ottenere un rapido accesso a intere popolazioni. E, a causa della natura di alcuni studi, i ricercatori potrebbero avere difficoltà a ottenere i risultati di cui hanno bisogno in modo tempestivo. Questo è il motivo per cui vengono utilizzati campioni di persone. L'utilizzo di un numero minore di persone che rappresentano l'intera popolazione può comunque produrre risultati validi riducendo tempi e risorse.
I campioni utilizzati dai ricercatori devono assomigliare alla popolazione più ampia per fare inferenze o previsioni accurate. Tutti i partecipanti al campione dovrebbero condividere le stesse caratteristiche e qualità . Quindi, se lo studio riguarda le matricole maschili del college, il campione dovrebbe essere una piccola percentuale di maschi che si adattano a questa descrizione. Allo stesso modo, se un gruppo di ricerca conduce uno studio sui modelli di sonno delle donne single di età superiore ai 50 anni, il campione dovrebbe includere solo le donne all'interno di questo gruppo demografico.
Considerazioni speciali
Prendi in considerazione un team di ricercatori accademici che vogliono sapere quanti studenti hanno studiato per meno di 40 ore per l' esame CFA e hanno comunque superato. Dal momento che più di 200.000 persone sostengono l'esame in tutto il mondo ogni anno, contattare ogni partecipante all'esame brucerebbe tempo e risorse.
Infatti, prima che i dati della popolazione fossero stati raccolti e analizzati, sarebbero trascorsi un paio d'anni, rendendo l'analisi priva di valore poiché sarebbe emersa una nuova popolazione. Quello che i ricercatori possono fare invece è prendere un campione della popolazione e ottenere dati da questo campione.
Per ottenere un campione imparziale, la selezione deve essere casuale in modo che tutti i membri della popolazione abbiano le stesse e probabili possibilità di essere aggiunti al gruppo campione. Questo è simile a un'estrazione alla lotteria ed è la base per un semplice campionamento casuale.
Per un campione imparziale, la selezione deve essere casuale in modo che tutti i membri della popolazione abbiano le stesse possibilità di essere aggiunti al gruppo.
Tipi di campionamento
Campionamento casuale semplice
Il campionamento casuale semplice è l'ideale se ogni entità nella popolazione è identica. Se ai ricercatori non interessa se i loro soggetti campione sono tutti maschi o tutte femmine o una combinazione di entrambi i sessi in qualche modo, il semplice campionamento casuale può essere una buona tecnica di selezione.
Diciamo che ci sono stati 200.000 candidati che hanno sostenuto l'esame CFA nel 2021, di cui il 40% erano donne e il 60% uomini. Il campione casuale estratto dalla popolazione dovrebbe, quindi, avere 400 donne e 600 uomini per un totale di 1.000 partecipanti al test.
Ma che dire dei casi in cui è importante conoscere il rapporto tra uomini e donne che hanno superato un test dopo aver studiato per meno di 40 ore? In questo caso, un campione casuale stratificato sarebbe preferibile a un semplice campione casuale.
Campionamento casuale stratificato
Questo tipo di campionamento, noto anche come campionamento casuale proporzionale o campionamento contingentato, divide la popolazione complessiva in gruppi più piccoli. Questi sono conosciuti come strati. Le persone all'interno degli strati condividono caratteristiche simili.
E se l'età fosse un fattore importante che i ricercatori vorrebbero includere nei loro dati? Utilizzando la tecnica del campionamento casuale stratificato, potrebbero creare strati o strati per ciascun gruppo di età . La selezione da ogni strato dovrebbe essere casuale in modo che tutti nella fascia abbiano una probabile possibilità di essere inclusi nel campione. Ad esempio, due partecipanti, Alex e David, hanno rispettivamente 22 e 24 anni. La selezione del campione non può scegliere l'uno sull'altro in base a un meccanismo preferenziale. Entrambi dovrebbero avere le stesse possibilità di essere selezionati dalla loro fascia di età . Gli strati potrebbero assomigliare a questo:
TTT
Dalla tabella, la popolazione è stata suddivisa in fasce di età . Ad esempio, 30.000 persone nella fascia di età compresa tra 20 e 24 anni hanno sostenuto l'esame CFA nel 2021. Utilizzando questa stessa proporzione, il gruppo campione avrà (30.000 ÷ 200.000) × 1.000 = 150 partecipanti al test che rientrano in questo gruppo. Alex o David, o entrambi o nessuno dei due, possono essere inclusi tra i 150 partecipanti casuali all'esame del campione.
Ci sono molti altri strati che potrebbero essere compilati quando si decide la dimensione del campione. Alcuni ricercatori potrebbero popolare le funzioni lavorative, i paesi, lo stato civile, ecc., dei partecipanti al test quando decidono come creare il campione.
Esempi di campioni
Nel 2021 la popolazione mondiale era di quasi 7,9 miliardi, di cui il 49,6% erano donne e il 50% erano uomini. Il numero totale di persone in un dato paese può anche essere una dimensione della popolazione. Il numero totale di studenti in una città può essere preso come popolazione e anche il numero totale di cani in una città è una dimensione della popolazione. Campioni possono essere prelevati da queste popolazioni per scopi di ricerca.
Seguendo il nostro esempio di esame CFA, i ricercatori potrebbero prelevare un campione di 1.000 partecipanti CFA dal totale di 200.000 partecipanti al test, la popolazione, ed eseguire i dati richiesti su questo numero. La media di questo campione verrebbe presa per stimare la media dei partecipanti all'esame CFA che hanno superato anche se hanno studiato solo per meno di 40 ore.
Il gruppo campione preso non dovrebbe essere distorto. Ciò significa che se la media campionaria dei 1.000 partecipanti all'esame CFA è 50, anche la media della popolazione dei 200.000 partecipanti al test dovrebbe essere circa 50.
Mette in risalto
In statistica, un campione è un sottoinsieme analitico di una popolazione più ampia.
Nel campionamento casuale semplice, ogni entità della popolazione è identica, mentre il campionamento casuale stratificato divide la popolazione complessiva in gruppi più piccoli.
L'uso di campioni consente ai ricercatori di condurre i loro studi con dati più gestibili e in modo tempestivo.
I campioni estratti casualmente non hanno molti pregiudizi se sono sufficientemente grandi, ma ottenere un tale campione può essere costoso e richiedere molto tempo.
FAQ
Che cos'è un semplice campione casuale?
Questo metodo di campionamento utilizza intervistati o punti dati selezionati casualmente dalla popolazione più ampia. Con una dimensione del campione sufficientemente grande, un campione casuale rimuove la distorsione.
Perché i campioni casuali consentono l'inferenza?
Le leggi della statistica implicano che misurazioni e valutazioni accurate possono essere effettuate su una popolazione utilizzando un campione. L'analisi della varianza (ANOVA),. la regressione lineare e le tecniche di modellazione più avanzate sono valide grazie alla legge dei grandi numeri e al teorema del limite centrale.
Perché gli analisti usano i campioni invece di misurare la popolazione?
Spesso una popolazione è troppo grande o estesa per misurare ogni membro e misurare ogni membro sarebbe costoso e richiederebbe tempo. Un campione consente di fare inferenze sulla popolazione utilizzando metodi statistici.
Quanto grande di un campione hai bisogno?
Ciò dipenderà dalla dimensione della popolazione e dal tipo di analisi che vorresti fare (ad esempio, quali intervalli di confidenza stai utilizzando). L'analisi della potenza è una tecnica per valutare matematicamente la dimensione del campione più piccola necessaria in base alle proprie esigenze. Un'altra regola pratica è che il tuo campione dovrebbe essere abbastanza grande, ma non più del 10% della popolazione.
