Arten von Stichprobeverfahren (mit Beispielen)

Von Fabian
Kategorie: Tutorials
Lesezeit: 5 Minuten

Forscher sind häufig daran interessiert, Fragen zu Populationen zu beantworten wie:

  • Was ist die durchschnittliche Höhe einer bestimmten Pflanzenart?
  • Was ist das Durchschnittsgewicht einer bestimmten Vogelart?
  • Wie viel Prozent der Bürger in einer bestimmten Stadt unterstützen ein bestimmtes Gesetz?

Eine Möglichkeit, diese Fragen zu beantworten, besteht darin, Daten über jede einzelne Person in der interessierenden Bevölkerung zu sammeln.

Dies ist jedoch in der Regel zu kostspielig und zeitaufwändig, weshalb Forscher stattdessen eine Stichprobe der Bevölkerung entnehmen und anhand der Daten aus der Stichprobe Rückschlüsse auf die Gesamtbevölkerung ziehen.

Beispiel einer Stichprobennahme aus einer Bevölkerung

Es gibt viele verschiedene Methoden, mit denen Forscher potenziell Personen für eine Stichprobe gewinnen können. Diese werden als Stichprobenmethoden bezeichnet.

In diesem Beitrag stellen wir die am häufigsten verwendeten Stichprobenverfahren in der Statistik vor, einschließlich der Vor- und Nachteile der verschiedenen Methoden.

Wahrscheinlichkeitsstichprobenverfahren

Die erste Klasse von Stichprobenverfahren ist als Wahrscheinlichkeitsstichprobenverfahren bekannt, da jedes Mitglied in einer Population die gleiche Wahrscheinlichkeit hat, ausgewählt zu werden, um in der Stichprobe zu sein.

Einfache Zufallsstichprobe

Einfache Zufallsstichprobe> Definition: Jedes Mitglied einer Population hat die gleiche Chance, für die Stichprobe ausgewählt zu werden. Wählen Sie die Mitglieder nach dem Zufallsprinzip mithilfe eines Zufallszahlengenerators oder einer Zufallsauswahl aus.

Beispiel: Wir setzen die Namen aller Schüler einer Klasse in einen Hut und zeichnen zufällig Namen, um eine Stichprobe von Schülern zu erhalten.

Vorteil: Einfache Zufallsstichproben sind normalerweise repräsentativ für die Population, an der wir interessiert sind, da jedes Mitglied die gleiche Chance hat, in die Stichprobe aufgenommen zu werden.

Stratifizierte Zufallsstichprobe

Stratifizierte Zufallsstichprobe> Definition: Teilen Sie eine Population in Gruppen auf. Wählen Sie zufällig einige Mitglieder aus jeder Gruppe aus, die in der Stichprobe enthalten sein sollen.

Beispiel: Teilen Sie alle Schüler einer Schule nach ihrer Klasse auf – Erstsemester, Studenten im zweiten Jahr, Junioren und Senioren. Bitten Sie 50 Schüler aus jeder Klasse, eine Umfrage zu den Schulmahlzeiten auszufüllen.

Nutzen: Geschichtete Zufallsstichproben stellen sicher, dass Mitglieder aus jeder Bevölkerungsgruppe in die Umfrage einbezogen werden.

Cluster-Zufallsstichprobe

Cluster-Zufallsstichprobe> Definition: Teilen Sie eine Population in Cluster auf. Wählen Sie zufällig einige der Cluster aus und nehmen Sie alle Mitglieder dieser Cluster in die Stichprobe auf.

Beispiel: Ein Unternehmen, das Walbeobachtungstouren anbietet, möchte seine Kunden befragen. Aus zehn Touren, die sie an einem Tag geben, wählen sie zufällig vier Touren aus und fragen jeden Kunden nach seinen Erfahrungen.

Vorteil: Cluster-Zufallsstichproben beziehen jedes Mitglied aus einigen Gruppen, was nützlich ist, wenn jede Gruppe die Gesamtbevölkerung widerspiegelt.

Systematische Zufallsstichprobe

Systematische Zufallsstichprobe> Definition: Ordnen Sie jedes Mitglied einer Bevölkerung in eine bestimmte Reihenfolge. Wählen Sie einen zufälligen Startpunkt und wählen Sie jedes n-te Mitglied aus, das in der Stichprobe enthalten sein soll.

Beispiel: Ein Lehrer ordnet die Schüler in alphabetischer Reihenfolge nach ihrem Nachnamen an, wählt zufällig einen Startpunkt aus und wählt jeden fünften Schüler aus, der in der Stichprobe enthalten sein soll.

Vorteil: Systematische Zufallsstichproben sind normalerweise repräsentativ für die Population, an der wir interessiert sind, da jedes Mitglied die gleiche Chance hat, in die Stichprobe aufgenommen zu werden.

Nichtwahrscheinlichkeits-Stichprobenverfahren

Eine andere Klasse von Stichprobenverfahren ist als Nichtwahrscheinlichkeits-Stichprobenverfahren bekannt, da nicht jedes Mitglied einer Population die gleiche Wahrscheinlichkeit hat, für die Stichprobe ausgewählt zu werden.

Diese Art der Stichprobenmethode wird manchmal verwendet, da sie im Vergleich zu Wahrscheinlichkeitsstichprobenmethoden viel billiger und bequemer ist. Es wird häufig während der explorativen Analyse verwendet, wenn Forscher einfach ein erstes Verständnis einer Population erlangen möchten.

Die Stichproben, die sich aus diesen Stichprobenverfahren ergeben, können jedoch nicht verwendet werden, um Rückschlüsse auf die Populationen zu ziehen, aus denen sie stammen, da sie normalerweise keine repräsentativen Stichproben sind.

Convenience-Stichprobe

Definition: Wählen Sie Mitglieder einer Population aus, die leicht verfügbar sind, um in die Stichprobe aufgenommen zu werden.

Beispiel: Ein Forscher steht tagsüber vor einer Bibliothek und befragt zufällig vorbeigehende Personen.

Nachteil: Ort und Tageszeit beeinflussen die Ergebnisse. Höchstwahrscheinlich leidet die Stichprobe unter einer Undercoverage-Tendenz, da bestimmte Personen (z. B. diejenigen, die tagsüber arbeiten) in der Stichprobe nicht so stark vertreten sind.

Freiwillige Antwort Probe

Definition: Ein Forscher beantragt die Aufnahme von Freiwilligen in eine Studie, und Mitglieder einer Bevölkerung entscheiden freiwillig, ob sie in die Stichprobe aufgenommen werden sollen oder nicht.

Beispiel: Ein Radiomoderator bittet die Hörer, online zu gehen und eine Umfrage auf seiner Website durchzuführen.

Nachteil: Personen, die freiwillig antworten, haben wahrscheinlich eine stärkere Meinung (positiv oder negativ) als der Rest der Bevölkerung, was sie zu einer nicht repräsentativen Stichprobe macht. Bei Verwendung dieser Stichprobenmethode ist es wahrscheinlich, dass die Stichprobe unter einem Non-Response-Bias leidet. Bestimmte Personengruppen geben einfach weniger wahrscheinlich Antworten.

Schneeball-Stichprobe

Definition: Forscher rekrutieren Erstfächer für eine Studie und bitten diese Erstfächer, zusätzliche Fächer für die Studie zu rekrutieren. Bei diesem Ansatz wird die Stichprobengröße „Schneebälle“ immer größer, wenn jedes weitere Subjekt mehr Subjekte rekrutiert.

Beispiel: Forscher führen eine Studie an Personen mit seltenen Krankheiten durch, aber es ist schwierig, Personen zu finden, die tatsächlich an der Krankheit leiden. Wenn sie jedoch nur einige wenige Personen finden, die an der Studie teilnehmen können, können sie sie bitten, weitere Personen zu rekrutieren, die sie möglicherweise über eine private Selbsthilfegruppe oder auf andere Weise kennen.

Nachteil: Es ist wahrscheinlich, dass eine Stichprobenverzerrung auftritt. Da die ersten Probanden zusätzliche Probanden rekrutieren, ist es wahrscheinlich, dass viele der Probanden ähnliche Merkmale oder Merkmale aufweisen, die für die untersuchte größere Population möglicherweise nicht repräsentativ sind. Daher können die Ergebnisse der Stichprobe nicht auf die Bevölkerung hochgerechnet werden.

Zweckmäßige Stichprobe

Definition: Forscher rekrutieren Personen basierend darauf, wer ihrer Meinung nach am nützlichsten ist, basierend auf dem Zweck ihrer Studie.

Beispiel: Forscher möchten wissen, welche Meinungen Einzelpersonen in einer Stadt zu einer potenziellen neuen Kletterhalle auf dem Stadtplatz haben, damit sie absichtlich Personen suchen, die in anderen Kletterhallen in der Stadt rumhängen.

Nachteil: Es ist unwahrscheinlich, dass die Personen in der Stichprobe repräsentativ für die Gesamtbevölkerung sind. Daher können die Ergebnisse der Stichprobe nicht auf die Bevölkerung hochgerechnet werden.

Verwandte Artikel:
Schneeballauswahl

Statistik: Der Weg zur Datenanalyse

* Amazon Affiliate Link


Das könnte Sie auch interessieren: