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.
Uses of Stratified Random Sampling

Stratified random sampling is used when the researcher wants to highlight a specific subgroup within the population. This technique is useful in such researches because it ensures the presence of the key subgroup within the sample.
Researchers also employ stratified random sampling when they want to observe existing relationships between two or more subgroups. With a simple random sampling technique, the researcher is not sure whether the subgroups that he wants to observe are represented equally or proportionately within the sample.
With stratified sampling, the researcher can representatively sample even the smallest and most inaccessible subgroups in the population. This allows the researcher to sample the rare extremes of the given population.
With this technique, you have a higher statistical precision compared to simple random sampling. This is because the variability within the subgroups is lower compared to the variations when dealing with the entire population.
Because this technique has high statistical precision, it also means that it requires a small sample size which can save a lot of time, money and effort of the researchers.

ผลลัพธ์ (ไทย) 1:

สถิติ stratified สุ่มเป็นวิธีการสุ่มตัวอย่างจากประชากรสมมติว่า เราต้องการประมาณค่าเฉลี่ยของคะแนนสำหรับแต่ละผู้สมัครในการเลือกตั้งจำนวน สมมติว่า ประเทศมีเมือง 3: A มีคนงานโรงงาน 1 ล้าน เมือง B ได้ 2 ล้านสำนักงานแรงงาน และเมือง C ได้ 3 ล้านผู้เกษียณ เราสามารถเลือกที่จะได้รับตัวอย่างสุ่มขนาด 60 กว่าประชากรทั้งหมด แต่มีบางโอกาส ที่สุ่มตัวอย่างจะออกได้ไม่ดีสมดุลในหัวเมืองเหล่านี้จึง เป็นความโน้มเอียงให้เกิดข้อผิดพลาดที่สำคัญในการประเมิน แต่ ถ้าเราเลือกตัวอย่างสุ่มของ 10, 20 และ 30 จากเมือง A, B และ C ตามลำดับ แล้วเราสามารถผลิตข้อผิดพลาดน้อยในประเมินเดียวกันขนาดของตัวอย่างใช้การสุ่มตัวอย่างแบบสุ่ม Stratifiedสุ่มตัวอย่างแบบสุ่ม stratified ใช้เมื่อนักวิจัยต้องการเน้นเฉพาะกลุ่มย่อยในประชากร เทคนิคนี้มีประโยชน์ในงานวิจัยดังกล่าวเนื่องจากได้อย่างของกลุ่มย่อยที่สำคัญภายในตัวอย่างนักวิจัยยัง ว่าจ้าง stratified สุ่มการสุ่มตัวอย่างเมื่อต้องการสังเกตความสัมพันธ์ที่มีอยู่ระหว่างกลุ่มย่อยสองรายการ ขึ้นไป ด้วยเทคนิคการสุ่มตัวอย่างแบบสุ่มอย่างง่าย นักวิจัยไม่แน่ใจว่ากลุ่มย่อยที่ต้องปฏิบัติแสดงอย่างเท่าเทียมกัน หรือตามสัดส่วนภายในตัวอย่างมีสุ่ม stratified นักวิจัยสามารถ representatively ตัวอย่างได้ที่เล็กที่สุด และมากที่สุดถึงกลุ่มย่อยในประชากร นักวิจัยต้องการตัวอย่างสุดขั้วที่หายากของประชากรกำหนดให้ด้วยเทคนิคนี้ คุณมีความแม่นยำทางสถิติสูงกว่าเมื่อเทียบกับการสุ่มตัวอย่างแบบสุ่มอย่างง่าย นี่คือเนื่องจากความแปรผันภายในกลุ่มย่อยที่ต่ำกว่าเมื่อเทียบกับรูปแบบเมื่อจัดการกับประชากรทั้งหมดเนื่องจากเทคนิคนี้มีความแม่นยำทางสถิติสูง ยังหมายความ ว่า ต้องการขนาดตัวอย่างขนาดเล็กซึ่งสามารถบันทึกจำนวนมากเวลา เงิน และความพยายามของนักวิจัย

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 ตามลำดับจากนั้นเราสามารถผลิตข้อผิดพลาดที่มีขนาดเล็กในการประมาณค่าสำหรับขนาดเดียวกันของตัวอย่าง. การใช้แซดสุ่มเก็บตัวอย่างแซดสุ่มตัวอย่างถูกนำมาใช้เมื่อนักวิจัยต้องการที่จะเน้นกลุ่มย่อยเฉพาะในประชากร เทคนิคนี้จะเป็นประโยชน์ในการวิจัยดังกล่าวจะช่วยให้มั่นใจเพราะการปรากฏตัวของกลุ่มย่อยที่สำคัญภายในตัวอย่าง. นักวิจัยยังจ้างสุ่มแบบแบ่งชั้นเมื่อพวกเขาต้องการที่จะสังเกตเห็นความสัมพันธ์ที่มีอยู่ระหว่างสองคนหรือมากกว่ากลุ่มย่อย ด้วยเทคนิคการสุ่มตัวอย่างแบบง่ายนักวิจัยคือไม่แน่ใจว่ากลุ่มย่อยว่าเขาต้องการที่จะสังเกตเห็นเป็นตัวแทนอย่างเท่าเทียมกันหรือสัดส่วนภายในตัวอย่าง. ด้วยการสุ่มตัวอย่างแบบแบ่งชั้นผู้วิจัย representatively สามารถลิ้มลองแม้แต่กลุ่มย่อยที่เล็กที่สุดและไม่สามารถเข้าถึงได้มากที่สุดในประชากร นี้จะช่วยให้นักวิจัยที่จะลิ้มลองสุดขั้วที่หายากของประชากรที่ได้รับ. ด้วยเทคนิคนี้คุณมีความแม่นยำทางสถิติที่สูงขึ้นเมื่อเทียบกับการสุ่มอย่างง่าย เพราะนี่คือความแปรปรวนภายในกลุ่มย่อยที่เป็นที่ต่ำกว่าเมื่อเทียบกับการเปลี่ยนแปลงเมื่อต้องรับมือกับประชากรทั้งหมด. เพราะเทคนิคนี้มีความแม่นยำทางสถิติที่สูงก็ยังหมายถึงการที่จะต้องใช้ขนาดของกลุ่มตัวอย่างขนาดเล็กที่สามารถบันทึกจำนวนมากเวลาเงินและความพยายาม ของนักวิจัย

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 ใช้วิธีสุ่มแบบมีชั้นภูมิ

การสุ่มตัวอย่างผู้วิจัยใช้เมื่อต้องการเน้นเฉพาะกลุ่มย่อยภายในประชากร เทคนิคนี้จะเป็นประโยชน์ในงานวิจัยดังกล่าว เพราะยืนยันการแสดงตนของกลุ่มย่อยที่สำคัญภายในตัวอย่าง
นักวิจัยยังใช้วิธีสุ่มแบบมีชั้นภูมิเมื่อพวกเขาต้องการที่จะสังเกตความสัมพันธ์ที่มีอยู่ระหว่างสองหรือมากกว่าสองกลุ่มย่อย ด้วยการสุ่มอย่างง่าย ( Simple Random Sampling ) ผู้วิจัยไม่แน่ใจว่ากลุ่มย่อยที่เขาต้องการที่จะสังเกตแทนกัน หรืออย่างเป็นสัดส่วน ภายในแบ่งตัวอย่าง .
กับการสุ่มตัวอย่างผู้วิจัยสามารถเป็นตัวแทนตัวอย่างแม้แต่น้อยที่สุด และมากที่สุดในการเข้าถึงกลุ่มประชากร นี้จะช่วยให้นักวิจัยตัวอย่างสุดขั้วที่หายากของให้ประชากร .
ด้วยเทคนิคนี้ คุณมีสถิติความแม่นยำสูงกว่าเมื่อเทียบกับการสุ่มตัวอย่างแบบง่ายนี้เป็นเพราะความแปรปรวนภายในกลุ่มจะลดลง เมื่อเทียบกับการเปลี่ยนแปลง เมื่อจัดการกับประชากรทั้งหมด .
เพราะเทคนิคนี้มีความแม่นยำสูง สถิติ ยังหมายความ ว่า มันต้องใช้ขนาดตัวอย่างขนาดเล็กซึ่งสามารถประหยัดเวลา , เงินและความพยายามของนักวิจัย