Representativeness - ano ang proseso na ito? error coverage

Ang konsepto ng representasyon ay karaniwan sa statistical otchetnostyakh at sa paghahanda ng talumpati at mga ulat. Marahil wala ito ay mahirap na isipin ng anumang uri ng pagtatanghal ng impormasyon sa display.

Representativeness - ano ito?

Representativeness sumasalamin sa kung paano ang mga napiling bagay o mga bahagi ay tumutugma sa mga nilalaman at kahulugan ng populasyon ng data mula sa kung saan sila ay napili.

iba pang mga kahulugan

Ang konsepto ng representasyon ay maaaring pinalawak na sa iba't ibang konteksto. Ngunit nito kahulugan representasyon - ay tampok sa pagsunod at mga katangian ng mga napiling mga yunit ng mga pangkalahatang populasyon na tumpak na sumasalamin sa pangkalahatang katangian ng ang buong database bilang isang buo.

Gayundin representative ng impormasyon ay tinukoy bilang ang kakayahan upang magsumite ng isang sample na data set ng mga parameter at mga katangian na mahalaga mula sa pananaw ng patuloy na pananaliksik.

Kinatawan ng sample

Ang prinsipyo ng sampling ay mahalaga sa pagpili ng pinaka-tumpak at pagpapakita ng mga katangian ng isang data set. Ito ay gumagamit ng isang iba't ibang mga paraan, na nagbibigay-daan upang makakuha ng tumpak na mga resulta at isang pangkalahatang-ideya ng pangkalahatang populasyon, gamit lamang ang mga napiling mga materyales na naglalarawan sa kalidad ng mga data.

Sa gayon, hindi na kailangang malaman ang lahat ng materyal, at ito suffices upang isaalang-alang ng isang pumipili na representasyon. Ano ito? Ito ay isang sample ng mga indibidwal na data sa pagkakasunod-sunod upang magkaroon ng ideya tungkol sa kabuuang masa ng impormasyon.

Ang mga ito ay depende sa paraan ng marangal bilang bagay na maaaring mangyari at di-bagay na maaaring mangyari. Probability - isang sample ng kung saan ay ginawa sa pamamagitan ng pagkalkula sa mga pinaka-mahalaga at kagiliw-giliw na data, na kung saan ay higit pang mga kinatawan ng pangkalahatang populasyon. Ito ay isang sinadya pagpipilian o isang random sample, gayunpaman, nabigyang-katarungan sa pamamagitan ng mga nilalaman nito.

Nonprobabilistic - ay isang form ng isang random sample ng hindi karaniwang mga prinsipyo ng lottery. Sa kasong ito, ang opinyon ng mga taong gumagawa ng gayong pagpili. Ito ay gumagamit lamang bulag mabubunot.

probabilidad sampling

Probability sampling ay maaari ding nahahati sa ilang mga uri:

• Isa sa mga pinaka simple at malinaw na prinsipyo - isang convenience sample. Halimbawa, ang pamamaraan na ito ay madalas na ginagamit kapag nagsasagawa ng mga social survey. Sa kasong ito, sumasagot hindi napili mula sa karamihan sa anumang partikular na mga tampok, at impormasyon na ginawa sa unang 50 mga tao na kinuha bahagi sa loob nito.
• Sinadya sampling-iba sa na sila ay may isang bilang ng mga kinakailangan at mga kondisyon para sa pagpili, ngunit pa rin ay umaasa sa pagkakaisa, hindi pursuing ang layunin ng pagkamit ng magandang mga istatistika.
• Ang sample sa batayan ng quota - ito ay isa pang pagkakaiba-iba sa-probabilistic sample, na kung saan ay madalas na ginagamit para sa pagtatasa ng mga malalaking mga hanay ng data. Para sa kanya, na ginagamit ng iba't-ibang mga kundisyon at mga kaugalian. Napiling mga bagay upang tumugma ang mga ito. Iyon ay ang halimbawa ng panlipunang survey ay nagpapahiwatig na ay kapanayamin 100 mga tao, ngunit lamang ang opinyon ng isang bilang ng mga tao na matugunan ang mga tinukoy na mga kinakailangan ay isinasaalang-alang sa paghahanda ng statistical ulat.

probabilidad sampling

Para sa probabilidad sampling tinatayang bilang ng mga opsyon na kung saan ang mga bagay sa sample ay matugunan, kasama ng mga ito ng isang bilang ng mga paraan upang ma-inihalal na tiyak ang mga katotohanan at ang data na ipapakita bilang ang representativeness ng data sample. Ang mga pamamaraan compute ang mga kinakailangang data ay maaaring maging:

• Simple random sampling. Ito ay namamalagi sa ang katunayan na kabilang sa mga napiling mga segment ganap na random na piniling lottery kinakailangang halaga ng data na magiging kinatawan ng sample.

• Sistematiko at random sampling ginagawang posible upang lumikha ng isang sistema ng pagkalkula ng mga kinakailangang data sa batayan ng isang random na segment. Kaya, kung ang unang random na numero, na kung saan ay nagpapahiwatig ng Ordinal bilang ng mga data na pinili mula sa pangkalahatang populasyon, ay 5, at pagkatapos ay ang kasunod na data upang mapili ay maaaring, halimbawa, 15, 25, 35 at iba pa. Ang halimbawang ito ay malinaw na nagpapaliwanag na kahit na isang random na seleksyon ay maaaring batay sa systematic kalkulasyon ng kinakailangang mga raw data.

sample customer

Makabuluhan sample - isang pamamaraan na kung saan ay binubuo sa isinasaalang-alang ang bawat indibidwal na segment, at batay sa kanyang pagtatasa pinagsama-sama hanay ng mga sumasalamin sa mga katangian at mga katangian ng ang shared database. Kaya dial mas higit na halaga ng data naaayon sa isang kinatawan ng mga kinakailangan sample. Ito ay posible upang madaling pumili ng isang bilang ng mga pagpipilian na ay hindi kasama sa kabuuang bilang, nang hindi nawawala ang kalidad ng napiling data na kumakatawan sa kabuuang populasyon. Sa ganitong paraan ang representativeness ng mga resulta ng pag-aaral.

Ang sample na sukat

Hindi huling katanungan na dapat na-address - ito ay ang sample size para sa representativeness ng populasyon. sample size ay hindi laging depende sa bilang ng mga pinagkukunan sa populasyon. Gayunman, ang representativeness ng sample ay depende sa kung gaano karaming mga segment ay dapat na sa huli ay nahahati resulta. Ang higit pang mga segment, mas maraming data ay nakakakuha sa produktibong sample. Kung ang mga resulta ay nangangailangan ng isang generic na termino at hindi nangangailangan ng specifics, at pagkatapos ay, ayon sa pagkakabanggit, ang sample ay nagiging mas maliit, dahil, nang walang pagpunta sa mga detalye, ang impormasyon ay iniharap mas mababaw, na nangangahulugan na ang kanyang interpretasyon ay ibinabahagi.

Ang konsepto ng mga error representativeness

margin ng error - isang tiyak na pagkakaiba sa pagitan ng mga katangian ng populasyon at sample na data. Sa panahon ng anumang sampling ay ganap na imposible upang makakuha ng tumpak na data, tulad ng sa ang buong populasyon ng pag-aaral at sample kinakatawan lamang ng bahagi ng mga impormasyon at mga pagpipilian, habang ang isang mas detalyadong pag-aaral ay posible lamang sa pag-aaral ng buong set. Kaya, hindi maaaring hindi ilang mga error at mga pagkakamali.

uri ng mga error

Makilala ang ilang mga error na nagaganap sa sa paghahanda ng isang kinatawan sample:

• Systematic.
• Random.
• Intensyonal.
• Sinasadya.
• Standard.
• Limitasyon.

Ang batayan para sa ang hitsura ng mga random na mga error ay maaaring maging walang patlang likas na katangian ng ang pag-aaral ng kabuuang populasyon. Karaniwan, ang mga random na error ng representativeness ay may maliit na laki at character.

Systematic error nangyari sa pagitan ng data na lumalabag sa mga patakaran ng pangkalahatang populasyon pagpili.

Ang average error - ang pagkakaiba sa pagitan ng average na halaga ng sample at ang pangunahing set. Hindi ito nakasalalay sa mga bilang ng mga yunit sa sample. Ito ay inversely proporsyonal sa dami ng sample. Pagkatapos ay ang mas malaki ang dami, mas mababa ang halaga ng average error.

Error limit - ang pinakamalaking posibleng pagkakaiba sa pagitan ng average na halaga ito at gumawa ng sample at ang kabuuang populasyon. Ang error na ito ay nailalarawan sa bilang ang pinaka-malamang mangyari mga error ilalim ng ibinigay na mga kondisyon ng kanilang paglitaw.

Sadya at hindi sinasadya pagkakamali ng representativeness

data offset error ay sadya at hindi sinasadya.

Pagkatapos ay ang mga dahilan para sa paglitaw ng intensyonal error ay isang diskarte sa pagpili ng data sa pamamagitan ng ang paraan ng pagtukoy ng mga trend. Sinasadya error nangyari sa yugto ng paghahanda ng sample observation, pagbuo ng isang kinatawan sample. Upang maiwasan ang ganoong mga error, kailangan mong lumikha ng isang magandang batayan para sa sampling, inililista component pagpili units. Dapat ito ay ganap na pare-pareho sa mga layunin ng sampling upang maging tumpak, na sumasakop sa lahat ng aspeto ng pag-aaral.

Pagkabisa, pagiging maaasahan, representativeness. mga error pagkalkula

Pagkalkula ng sample error (Mm) ang arithmetic mean na halaga (M).

Standard lihis: sample size (> 30).

Margin ng error (Mp) at isang kamag-anak na halaga (P) sample size (n> 30).

Sa kaso kapag ito ay kinakailangan upang pag-aralan ang pinagsama-samang, kung saan ang halaga ng sample ay maliit at ay mas mababa sa 30 mga yunit, at pagkatapos ay ang bilang ng mga kaso ay magiging mas mababa sa isang unit.

Error halaga direkta proporsyonal sa laki ng sample. Kinatawan ng impormasyon at ang mga pagkalkula ng ang antas ng ang posibilidad ng pagguhit up ng isang tumpak na forecast ay sumasalamin sa isang tiyak na mga error na halaga limitasyon.

sistema ng kinatawan

Hindi lamang sa proseso ng pagsusuri ng pagtatanghal ng impormasyon gamit ang isang kinatawan sample, ngunit din ang mga taong tumatanggap ng impormasyon na gumagamit ng representational sistema. Kaya, utak pinoproseso ng tiyak na halaga ng impormasyon upang lumikha ng isang kinatawan sample ng buong daloy ng impormasyon upang mahusay at mas mabilis na masuri ang itinustos data at maunawaan ang paksa. Upang sagutin ang tanong na: "representativeness - na ito" - medyo lamang ang laki ng kamalayan ng tao. Upang gawin ito, ang utak ay gumagamit ng lahat ng pantulong na mga pandama, depende sa kung anong uri ng impormasyon ay dapat ihiwalay mula sa pangkalahatang stream. Kaya, ang mga pagkakaiba ay ginawa sa pagitan ng:

• Visual representational sistema kung saan bahagi ng katawan ay utilized visual na pandama ng mga mata. Ang mga tao ay madalas na gumamit ng isang katulad na sistema, na tinatawag na visual. Sa pamamagitan ng system na ito, ang isang tao na maproseso ang impormasyon sa anyo ng mga larawan.
• Auditory representational system. Ang pangunahing katawan, na ginagamit - ito ay isang bulung-bulungan. Ang impormasyon na ibinigay sa anyo ng mga file ng tunog o pagsasalita, ito ay na-proseso ng system. Ang mga tao ay mas receptive sa impormasyon sa mga pagdinig, na tinatawag na audialami.
• Kinesthetic kinatawan ng sistema ay isang processing daloy ng impormasyon sa pamamagitan ng sensing ito sa olfactory at ng pandamdam channels.

• Digital representative system ay ginagamit kasama ang iba pang mga bilang isang paraan ng pagkuha ng impormasyon mula sa labas. Ito subjective pagdama at lohikal na interpretasyon ng mga data.

Kaya representativeness - ano ito? Simple pagpili mula sa hanay o mahalagang pamamaraan sa pagpoproseso ng impormasyon? Maaari naming sabihin na ang representativeness higit sa lahat tinutukoy ng aming pang-unawa ng data stream, na tumutulong upang ihiwalay mula sa mga ito ang pinaka-nakakahimok at makahulugan.