In statistics, stratified sampling

In statistics, stratified sampling is a method of sampling from a population.
Assume that we need to estimate average number of votes for each candidate in an election. Assume that country has 3 towns: Town A has 1 million factory workers, Town B has 2 million office workers and Town C has 3 million retirees. We can choose to get a random sample of size 60 over entire population but there is some chance that the random sample turns out to be not well balanced across these towns and hence is biased causing a significant error in estimation. Instead if we choose to take a random sample of 10, 20 and 30 from Town A, B and C respectively then we can produce a smaller error in estimation for the same total size of sample.

ผลลัพธ์ (ไทย) 2:

ในสถิติการสุ่มตัวอย่างแบบแบ่งชั้นเป็นวิธีการสุ่มตัวอย่างจากประชากรที่.
สมมติว่าเราต้องประเมินค่าเฉลี่ยของจำนวนคะแนนสำหรับผู้สมัครแต่ละคนในการเลือกตั้ง สมมติประเทศที่มี 3 เมือง: เมืองมี 1,000,000 คนงานในโรงงานเมือง B มี 2 ล้านคนสำนักงานและเมืองซีมี 3 ล้านเกษียณ เราสามารถเลือกที่จะได้รับตัวอย่างสุ่มขนาด 60 ประชากรทั้งหมด แต่มีโอกาสบางอย่างที่ตัวอย่างสุ่มเปลี่ยนจากการไม่สมดุลกันดีทั่วเมืองเหล่านี้และด้วยเหตุนี้จะลำเอียงก่อให้เกิดข้อผิดพลาดอย่างมีนัยสำคัญในการประมาณค่า แต่ถ้าเราเลือกที่จะใช้ตัวอย่างที่สุ่มจาก 10, 20 และ 30 จากตัวเมือง A, B และ C ตามลำดับจากนั้นเราสามารถผลิตข้อผิดพลาดที่มีขนาดเล็กในการประมาณค่าสำหรับขนาดเดียวกันของกลุ่มตัวอย่าง

ผลลัพธ์ (ไทย) 3:

ในสถิติ Stratified Sampling เป็นวิธีการสุ่มตัวอย่างจากประชากร .
สมมติว่าเราต้องประเมินจำนวนโหวตแต่ละผู้สมัครในการเลือกตั้ง ถือว่าประเทศนั้นมี 3 เมือง : เมืองได้ 1 ล้านคนงาน เมือง B มี 2 ล้าน พนักงานออฟฟิศ และเมือง C มี 3 ล้านบำนาญ .เราสามารถเลือกที่จะได้รับการสุ่มตัวอย่างขนาด 60 กว่าประชากรทั้งหมด แต่ไม่มีโอกาส ที่ตัวอย่างสุ่มกลายเป็นไม่สมดุลในเมืองเหล่านี้ และจึงก่อให้เกิดข้อผิดพลาดที่สำคัญในโรงเรียนประมาณ แต่ถ้าเราเลือกที่จะเอาตัวอย่างแบบสุ่มของ 10 , 20 และ 30 จากเมือง AB และ C ตามลำดับ แล้วเราสามารถสร้างข้อผิดพลาดเล็กประมาณขนาดเดียวกันของกลุ่มตัวอย่าง