견본

샘플이란?

샘플은 더 작고 관리 가능한 더 큰 그룹의 버전을 나타냅니다. 더 큰 인구 의 특성을 포함하는 하위 집합입니다 . 표본은 모집단 크기가 너무 커서 검정에 가능한 모든 구성원 또는 관측치를 포함할 수 없을 때 통계 검정에 사용됩니다. 표본은 모집단 전체를 나타내야 하며 특정 속성에 대한 편견을 반영하지 않아야 합니다.

몇 가지 샘플링 기술이 있으며 각각의 장점과 단점이 있습니다.

샘플 이해하기

표본은 모집단에서 취한 편견 없는 수의 관측치입니다. 간단히 말해서, 모집단은 주어진 그룹이나 컨텍스트에 포함된 관찰(즉, 개인, 동물, 항목, 데이터 등)의 총 수입니다. 즉, 표본은 전체 그룹의 일부, 부분 또는 일부이며 모집단의 하위 집합으로 작동합니다. 샘플은 연구가 수행되는 다양한 환경에서 사용됩니다. 과학자, 마케팅 담당자, 정부 기관, 경제학자 및 연구 그룹은 연구 및 측정을 위해 샘플을 사용하는 사람들입니다.

연구를 위해 전체 인구를 사용하는 것은 도전과제를 수반합니다. 연구원은 전체 인구에 대한 준비된 액세스 권한을 얻는 데 문제가 있을 수 있습니다. 그리고 일부 연구의 특성으로 인해 연구자는 필요한 결과를 적시에 얻는 데 어려움을 겪을 수 있습니다. 이것이 사람들 샘플이 사용되는 이유입니다. 전체 인구를 대표하는 더 적은 수의 사람들을 사용하면 시간과 자원을 줄이면서 여전히 유효한 결과를 얻을 수 있습니다.

연구자가 사용하는 샘플은 정확한 추론이나 예측을 하기 위해 더 광범위한 모집단과 유사해야 합니다. 표본의 모든 참가자는 동일한 특성과 자질을 공유해야 합니다. 따라서 연구가 남성 대학 신입생에 관한 것이라면 표본은 이 설명에 맞는 소수의 남성이어야 합니다. 마찬가지로, 연구 그룹이 50세 이상의 독신 여성의 수면 패턴에 대한 연구를 수행하는 경우 표본에는 이 인구 통계학적 범위 내의 여성만 포함되어야 합니다.

특별 고려 사항

CFA 시험 을 위해 40시간 미만 동안 공부 했지만 통과한 학생 수를 알고 싶어하는 학술 연구원 팀을 생각해 보십시오. 매년 전 세계적으로 200,000명 이상의 사람들이 시험에 응시하기 때문에 모든 시험 참가자에게 연락하는 것은 시간과 자원을 소모하게 될 것입니다.

사실, 인구로부터의 데이터가 수집되고 분석될 때쯤이면 몇 년이 지나 새로운 인구가 출현했을 것이기 때문에 분석을 무의미하게 만들 것입니다. 연구자들이 대신 할 수 있는 것은 모집단의 표본을 추출 하고 이 표본에서 데이터를 얻는 것입니다.

편향되지 않은 표본을 얻으려면 모집단의 모든 사람이 표본 그룹에 추가될 평등하고 가능한 기회를 갖도록 무작위로 선택해야 합니다. 이것은 복권 추첨과 유사하며 단순 무작위 샘플링 의 기초입니다.

편향되지 않은 표본의 경우 모집단의 모든 사람이 그룹에 추가될 동등한 기회를 갖도록 무작위로 선택해야 합니다.

샘플링 유형

단순 랜덤 샘플링

모집단의 모든 개체가 동일한 경우 단순 무작위 샘플링이 이상적입니다. 연구자들이 표본 피험자가 모두 남성인지 여성인지 또는 어떤 형태로든 두 성별의 조합인지 여부에 신경 쓰지 않는다면 간단한 무작위 샘플링이 좋은 선택 기술이 될 수 있습니다.

2021년 CFA 시험에 응시한 응시자가 200,000명이라고 가정해 보겠습니다. 이 중 40%가 여성이고 60%가 남성입니다. 따라서 모집단에서 추출한 무작위 표본에는 총 1,000명의 응시자에 대해 400명의 여성과 600명의 남성이 있어야 합니다.

하지만 40시간 미만으로 공부하고 시험에 합격한 남녀의 비율을 아는 것이 중요한 경우는 어떻습니까? 여기서 계층화된 무작위 표본 은 단순 무작위 표본보다 선호됩니다.

계층화된 무작위 샘플링

비례 무작위 샘플링 또는 할당량 무작위 샘플링이라고도 하는 이러한 유형의 샘플링은 전체 인구를 더 작은 그룹으로 나눕니다. 이들은 지층으로 알려져 있습니다. 계층 내의 사람들은 비슷한 특성을 공유합니다.

나이가 연구자가 데이터에 포함하고 싶은 중요한 요소라면? 계층화된 무작위 샘플링 기술을 사용하여 각 연령 그룹에 대한 계층 또는 계층을 만들 수 있습니다. 각 계층의 선택은 무작위여야 하므로 브래킷에 있는 모든 사람이 표본에 포함될 가능성이 높습니다. 예를 들어, Alex와 David라는 두 참가자는 각각 22세와 24세입니다. 샘플 선택은 일부 우선 메커니즘에 따라 다른 것을 선택할 수 없습니다. 그들 모두는 그들의 연령 그룹에서 선택될 동등한 기회를 가져야 합니다. 지층은 다음과 같이 보일 수 있습니다.

TTT

표에서 인구는 연령 그룹으로 나뉩니다. 예를 들어, 2021년에 20세에서 24세 사이의 30,000명이 CFA 시험에 응시했습니다. 이 동일한 비율을 사용하여 샘플 그룹에는 (30,000 ÷ 200,000) × 1,000 = 이 그룹에 속하는 150명의 응시자가 있습니다. Alex 또는 David 또는 둘 다 또는 둘 다 모두 샘플의 150명의 무작위 시험 참가자에 포함될 수 있습니다.

표본 크기를 결정할 때 컴파일할 수 있는 계층이 더 많습니다. 일부 연구자는 표본 생성 방법을 결정할 때 응시자의 직무, 국가, 결혼 여부 등을 입력할 수 있습니다.

샘플의 예

2021년 세계 인구는 거의 79억 명으로, 그 중 여성이 49.6%, 남성이 50%입니다. 특정 국가의 총 인구 수도 인구 규모가 될 수 있습니다. 한 도시의 총 학생 수는 인구로 간주할 수 있으며 도시의 총 개 수는 인구 크기이기도 합니다. 연구 목적으로 이러한 모집단에서 샘플을 채취할 수 있습니다.

CFA 시험 예에 따라 연구원들은 총 200,000명의 응시자(인구) 중 1,000명의 CFA 참가자 표본을 추출하고 이 숫자에 대해 필요한 데이터를 실행할 수 있습니다. 이 샘플의 평균은 40시간 미만의 공부만 했음에도 합격한 CFA 시험 응시자의 평균을 추정하는 데 사용됩니다.

취한 샘플 그룹은 편향되어서는 안 됩니다. 즉, 1,000명의 CFA 시험 참가자의 표본 평균이 50이면 200,000명의 응시자의 모집단 평균도 약 50이어야 합니다.

하이라이트

• 통계에서 표본은 더 큰 모집단의 분석적 하위 집합입니다.

• 단순 무작위 샘플링에서는 모집단의 모든 개체가 동일하지만 계층화된 무작위 샘플링은 전체 모집단을 더 작은 그룹으로 나눕니다.

• 샘플을 사용하면 연구자가 보다 관리하기 쉬운 데이터로 적시에 연구를 수행할 수 있습니다.

• 무작위로 추출한 샘플은 충분히 크면 편향이 크지 않지만 이러한 샘플을 얻는 데 비용과 시간이 많이 소요될 수 있습니다.

자주하는 질문

단순 무작위 샘플이란 무엇입니까?

이 샘플링 방법은 더 큰 모집단에서 무작위로 선택된 응답자 또는 데이터 포인트를 사용합니다. 표본 크기가 충분히 크면 무작위 표본이 편향을 제거합니다.

무작위 샘플이 추론을 허용하는 이유는 무엇입니까?

통계법칙은 표본을 사용하여 모집단에 대한 정확한 측정 및 평가가 이루어질 수 있음을 의미합니다. 분산 분석(ANOVA),. 선형 회귀 및 고급 모델링 기술은 큰 수의 법칙 과 중심 극한 정리 로 인해 유효합니다.

분석가가 인구를 측정하는 대신 샘플을 사용하는 이유는 무엇입니까?

종종 모집단이 너무 크거나 광범위하여 모든 구성원을 측정하고 각 구성원을 측정하는 데 비용과 시간이 많이 소요됩니다. 표본을 통해 통계적 방법을 사용하여 모집단에 대해 추론할 수 있습니다.

얼마나 큰 샘플이 필요합니까?

이것은 모집단의 크기와 수행하려는 분석 유형(예: 사용 중인 신뢰 구간)에 따라 다릅니다. 검정력 분석은 필요에 따라 필요한 최소 샘플 크기를 수학적으로 평가하는 기술입니다. 또 다른 경험 법칙은 표본이 충분히 커야 하지만 모집단의 10%를 넘지 않아야 한다는 것입니다.