וִידֵאוֹ: שיטות הסתברותיות: תרגול 1: נוסחת הסתברות שלמה 2017 2025
מדגם אקראי מרובד הוא סוג של הליך דגימה הסתברותי. שני החלקים הבסיסיים של סוג זה של המדגם הם: 1) היא מרובד, ו 2) הוא הסתברותי. אז מה זה אומר בדיוק ומדוע זה חשוב? מדגם אקראי מרובד ידוע גם בשם דגימה אקראית יחסית או דגימה אקראית.
מהו דוגמא אקראית מרובד?
דוגמה היא ייצוג מיני של אוכלוסייה גדולה יותר.
-> ->דוגמאות ניתן לקבוע באופן פורמלי או רשמית. אבל דגימות שפותחו באופן שיטתי על פי שיטות מדעיות מסוימות נתפסות בדרך כלל כשימושיות יותר בהכללות על האוכלוסייה הגדולה.
מה זה מרובדת?
דגימות מרובדות מורכבות מתתי-קבוצות הומוגניות הנחשבות מובחנות בדרכים חשובות. אוסף של קבוצות משנה הומוגניות אלה מכונה שכבות. שיטה זו של נהלי הדגימה מאפשרת לאוכלוסייה להיות מחולקת לקבוצות משנה הומוגניות שמהן ניתן לבחור דגימות אקראיות פשוטות.
-> ->למה הוא מדגם שכבות שימושי?
מטרת הדגימה האקראית המרובדת היא לבחור משתתפים מקבוצות משנה שונות, אשר מאמינים כי הם רלוונטיים למחקר שיבוצע. לדוגמה, תוצאות המחקר יכולות להיות מושפעות מתכונות הנבדקים, כגון הגילאים, המגדר, רמת הניסיון בעבודה, הגזע והאתני, המצב הכלכלי, רמת ההשכלה, וכן הלאה.
- <->מדגם מרובד בנוי כך שניתן להניח באופן סביר כי מאפיינים אלה בעלי השפעה פוטנציאלית ישקפו את תבנית המאפיינים הללו באוכלוסייה הכללית. בדרך זו המדגם משקף את האוכלוסייה ממנה נלקח, אך לא ניתן לומר כי המדגם הוא נציג של האוכלוסייה הגדולה.
זכור, הבחירה של חברי מדגם מרובדת אינה תהליך אקראי. עם זאת, לאחר שכבות השכבה נקבעו, דגימה אקראית פשוטה משמשת לבחירת חברי הדגימות עבור כל שכבה .
מה המשמעות של הסתברותי?
מדגם אקראי מרובד הוא הסתברותי משום שכל שיטה המשמשת לבחירת אוכלוסיית המדגם מספקת דרך אמינה באופן סביר לאמוד את מידת הייצוג של אוכלוסיית המדגם לאוכלוסייה הגדולה יותר (היקום) שממנה נבחרה המדגם. במילים אחרות, מדגם הסתברותי מאפשר לחוקר להעריך את הסיכויים שהמדגם שנבחר הוא או אינו מייצג את האוכלוסייה הגדולה יותר ממנה נלקח המדגם. דוגמאות השתמש בשיטות דגימה אקראיות מרובדות כאשר יש עניין בהבדלים בין תת קבוצות הומוגניות לבין אוכלוסיית המדגם הגדולה יותר בכללותה.
נניח כי אוכלוסייה של לקוחות עסקיים ניתן לחלק לשלוש קבוצות: Gen-Xers, Gen-Yers (מילניאל), בייבי בומרס. יתר על כן, יש לנו סיבה להאמין כי הן Gen-Xers ו Gen-Yers הם מיעוטים קטנים יחסית של הלקוחות העסקיים הכולל. Gen-Xers לפצות על 5 אחוזים מכלל האוכלוסייה של הלקוחות ואת Gen-Yers מהווים כ -10 אחוזים של הלקוחות.
מדגם אקראי פשוט של 100 חברים (n = 100) עשוי ליצור 5 Gen-Xers ו -10 Gen-Yers אם השתמשנו שבר הדגימה של 10 אחוזים. זה יהיה אפשרי לקבל אפילו פחות Gen-Xers ופחות Gen-Yers מאשר במדגם - רק במקרה. ריבוד עשוי לייצר תוצאות מייצגות יותר. נניח שאנחנו רוצים שיהיו לנו לפחות 25 אנשים בכל קבוצה. אם אנחנו עדיין לקחת מדגם של 100 (n = 100), אז אנחנו יכולים מדגם 25 Gen-Xers, 25 Gen-Yers, ו 50 Baby Boomers.
אנו יודעים כי 10% מהאוכלוסייה הם Millennials או Gen-Yers (או כ -100 מלקוחותינו, מדגם אקראי של 25 לקוחות ייתן שברים בתוך הדגימה בתוך 25/100 או 25%. כי 5 אחוזים של 50 לקוחות שאינם הם בייבי בומרס הם Gen-Xers. כלומר, חלק בתוך שכבת יהיה 25/50 או 50 אחוז.
אז, 50 Gen-Xers ועוד 100 Gen-Yers הוא סך של 150 מדגם הלקוחות שלנו.מאז כלל האוכלוסייה הוא 1000, אנו להפחית את Gen-Xers פלוס Gen-Yers (סך של 150 לקוחות) אשר משאיר 850 לקוחות, שהם בייבי בומרס.דגימה בתוך שכבת חלק מהבייבי בומרס הוא 50/850 או כ -5.8%.
שני דברים ניכרים: (1) שלוש הקבוצות הן יותר הומוגניות בתוך הקבוצה מאשר בכל האוכלוסייה, אשר מספק את ההזדמנות לדיוק סטטיסטי יותר. (2) ומאחר המדגם כבר מרובד, יהיו מספיק חברים הלוך ושוב מ 'כל קבוצה כדי להיות מסוגל לעשות הסברים משמעותיים קבוצת משנה.
דגימה מרובדת עשויה להיות מועדפת על פני דגימה אקראית פשוטה כאשר חשוב לייצג את כלל האוכלוסייה ולייצג את קבוצות המשנה העיקריות של האוכלוסייה, במיוחד כאשר תת הקבוצות הן די קטנות אך מובחנות בדרכים חשובות. באמצעות שיטות דגימה מרובדות, חוקר יכול להבטיח באופן יעיל שניתן להבחין בין תת-קבוצות בדיון על ממצאי המחקר.
ASVAB: חמש שאלות אוטומטיות ושאלות מדגם
מבחן מידע אוטומטי וחנויות של ASVAB מורכב של 25 שאלות לבחירה, אשר חייב להיות ענה תוך 11 דקות.
מדגם של עסק תודה להודעת דוא"ל
עם מדגם זה, ללמוד איך לשלוח עסק תודה אתה שולח הודעת אימייל למישהו שסיפק סיוע, נפגש איתך או עזר אחרת.
מכתבי מדגם כיסוי עבור קמעונאות שירות לקוחות משרות
מחפש משרה חדשה בתחום הקמעונאי או שירות הלקוחות? למד כיצד לכתוב מכתב כיסוי המדגיש את החוויה שלך באמצעות דוגמאות וטיפים אלה.