7 Concetti fondamentali relativi al campionamento
I sette concetti fondamentali relativi al campionamento sono i seguenti: 1. Universo / Popolazione 2. Frame di campionamento 3. Progetto di campionamento 4. Statistica (i) e Parametri (s) 5. Errore di campionamento 6. Precisione 7. Livello di sicurezza e Livello di significatività.
1. Universo / popolazione:
Da un punto di vista statistico, il termine "universo" si riferisce al totale degli elementi o delle unità in qualsiasi campo di indagine, mentre il termine "popolazione" si riferisce al totale di elementi su cui si desidera ottenere le informazioni. Gli attributi che sono oggetto di studio sono indicati come caratteristiche e le unità che li possiedono sono chiamati come unità elementari.
L'aggregato di tali unità è generalmente descritto come popolazione. Pertanto, tutte le unità in qualsiasi campo di indagine costituiscono l'universo e tutte le unità elementari (sulla base di una caratteristica o più) costituiscono una popolazione. Molto spesso, non troviamo alcuna differenza tra popolazione e universo, e come tale i due termini sono considerati come intercambiabili. Tuttavia, un ricercatore deve necessariamente definire questi termini con precisione.
La popolazione o universo può essere finito o infinito. Si dice che la popolazione sia finita se consiste di un numero fisso di elementi in modo che sia possibile enumerarlo nella sua totalità. Ad esempio, la popolazione di una città, il numero di famiglie in un villaggio, il numero di lavoratori in una fabbrica e il numero di studenti in un'università sono gli esempi di popolazione finita. Il simbolo 'N' è generalmente usato per indicare quanti elementi (o elementi) ci sono nel caso di una popolazione finita.
Una popolazione infinita è quella popolazione in cui è teoricamente impossibile osservare tutti gli elementi. Quindi, in una popolazione infinita, il numero di elementi è infinito, cioè, non possiamo avere alcuna idea sul numero totale di elementi.
Ad esempio, il numero di stelle nel cielo, particelle di sabbia in una spiaggia di mare e ciottoli in un letto del fiume. Da una considerazione pratica, il termine "popolazione infinita" viene utilizzato per una popolazione che non può essere elencata in un ragionevole periodo di tempo. In questo modo usiamo il concetto teorico di popolazione infinita come approssimazione di una popolazione finita molto grande.
2. Frame di campionamento:
Le unità elementari o il gruppo di cluster di tali unità possono costituire la base del processo di campionamento nel qual caso vengono chiamate come unità di campionamento. Un elenco contenente tutte queste unità di campionamento è noto come frame di campionamento. Il frame di campionamento è costituito da un elenco di elementi da cui deve essere disegnato il campione. Ad esempio, si può usare l'elenco telefonico come cornice per condurre sondaggi di opinione in una città. Qualunque sia la struttura, dovrebbe essere un buon rappresentante della popolazione.
3. Disegno di campionamento:
Un modello di esempio è un piano definito per ottenere un campione dal frame di campionamento. Si riferisce alla tecnica o alla procedura che il ricercatore adotterà nella scelta di alcune unità campionarie da cui vengono tratte le inferenze dalla popolazione. La progettazione del campionamento è determinata prima che vengano raccolti tutti i dati.
4. Statistica (i) e Parametro (i):
Una statistica è una caratteristica di un campione, mentre un parametro è una caratteristica di una popolazione. Pertanto, quando elaboriamo determinate misure, come media, mediana, modalità, ecc., Da campioni, vengono chiamate statistiche perché descrivono le caratteristiche di un campione. Ma quando tali misure descrivono le caratteristiche di una popolazione, sono conosciute come parametri. Ad esempio, la media della popolazione (μ) è un parametro, mentre la media campionaria (X) è una statistica. Ottenere la stima di un parametro da una statistica costituisce l'obiettivo primario dell'analisi di campionamento.
5. Errore di campionamento:
Il sondaggio di campionamento implica lo studio di una piccola parte della popolazione e, come tale, ci sarebbe naturalmente una certa quantità di inesattezza nelle informazioni raccolte. Questa inesattezza può essere definita come errore di campionamento o varianza dell'errore. In altre parole, gli errori di campionamento sono quegli errori che si verificano a causa del campionamento e generalmente si verificano variazioni casuali (in caso di campionamento casuale) nelle stime campionarie attorno ai valori reali della popolazione. Può essere numericamente descritto come sotto:
Errore di campionamento = errore di frame + errore di probabilità + errore di risposta.
6. Precisione:
La precisione è un intervallo entro il quale la media della popolazione (o altri parametri) si troverà secondo l'affidabilità specificata nel livello di confidenza come percentuale della stima ± o come quantità numerica. Ad esempio, se la stima è Rs. 4000 e la precisione desiderata è ± 4 per cento, quindi il valore reale non sarà inferiore a Rs. 3840 e non più di Rs. 4160. Questo è l'intervallo (da R 38.4 a Rs. 4160) entro il quale dovrebbe trovarsi la vera risposta. Ma se desideriamo che la stima non si discosti dal valore reale di più di Rs. 200 in entrambe le direzioni, in tal caso l'intervallo sarebbe Rs. 3800 a Rs. 4200.
7. Livello di sicurezza e livello di significatività:
Il livello di affidabilità o affidabilità è previsto in percentuale di volte in cui il valore effettivo rientra nel limite di precisione indicato. Quindi, se prendiamo un livello di confidenza del 95%, allora intendiamo che ci sono 95 possibilità in 100 (o 0, 95 in 1) che i risultati del campione rappresentino la vera condizione della popolazione entro un intervallo di precisione specificato contro cinque possibilità in 100 (o .05 in 1) che non è così.
La precisione è l'intervallo entro il quale la risposta può variare ed essere comunque accettabile; il livello di confidenza indica la probabilità che la risposta rientri in tale intervallo e il livello di significatività indica la probabilità che la risposta non rientri in tale intervallo. Si può ricordare che se il livello di confidenza nel 95%, allora il livello di significatività sarà (100-95), cioè 5% se il livello di confidenza è 99%, il livello di significatività è (100-99 ), vale a dire 1% e così via.
