a:

I ricercatori usano campionamenti casuali stratificati per ottenere una popolazione di campioni che rappresenta meglio l'intera popolazione studiata. I suoi vantaggi includono ridurre al minimo la prevenzione della selezione dei campioni e garantire che certi segmenti della popolazione non siano troppo rappresentati o sottorappresentati. Il suo svantaggio è che è inutilizzabile quando i ricercatori non possono classificare con fiducia ogni membro della popolazione in un sottogruppo.

Il campionamento casuale stratificato comporta la prima divisione di una popolazione in sottopopolazioni e quindi l'applicazione di metodi casuali di campionamento a ciascuna sottopopolazione per formare un gruppo di test. Si consideri uno studio studiato per valutare le tendenze politiche degli studenti di economia in una grande università. I ricercatori vogliono fare ogni sforzo per assicurare che il campione possa approssimare la popolazione reale per quanto riguarda il genere e il livello di studio, come ad esempio la laurea o la laurea.

In primo luogo, i ricercatori assegnano ogni studente di economia all'università a una delle quattro sub-popolazioni: laureato maschio, laureato femminile, diplomato maschio e laureato femminile. Viene eseguito un campionamento casuale per ciascuna sottopopolazione basata sulla sua rappresentazione all'interno della popolazione nel suo complesso. Supponiamo che i maschi universitari rappresentino il 45% della popolazione. Se la dimensione del campione dello studio è di 100, dispone di 45 maschi di laurea. Poiché i laureati maschi costituiscono solo il 20% della popolazione, 20 sono selezionati per il campione.

Vantaggi

Il più grande vantaggio del campionamento casuale stratificato è che riduce la bias di selezione. Stratificare l'intera popolazione prima di applicare metodi di campionamento casuali contribuisce a garantire un campione che rifletta accuratamente la popolazione studiata in termini di criteri utilizzati per la stratificazione.

Il campionamento casuale stratificato è anche vantaggioso quando può essere utilizzato accuratamente perché assicura che ogni sottogruppo all'interno della popolazione riceve una corretta rappresentazione all'interno del campione. Usando semplici campionamenti casuali per procurare un campione di 100 dalla popolazione descritta in precedenza potrebbe determinare la selezione di soli 25 studenti di sesso maschile. Potrebbero anche essere selezionati trentacinque diplomati maschi, con conseguente sottoperformance per gli studenti universitari maschi e sovrapresentazione per i laureati maschi. Poiché il conseguimento dell'istruzione è influenzato dalle opinioni politiche in molti studi passati, tali errori di rappresentazione hanno il potenziale per ridurre l'accuratezza dello studio.

Svantaggi

Sfortunatamente, il campionamento casuale stratificato non può essere utilizzato in ogni studio. Lo svantaggio del metodo è che devono essere soddisfatte diverse condizioni per essere utilizzato correttamente.I ricercatori devono identificare ogni membro di una popolazione studiata e classificare ciascuno di essi in una e solo una sottoppopulenza. Trovare una lista esaustiva e definitiva di un'intera popolazione è la prima sfida. In alcuni casi è impossibile.

L'altra sfida è accuratamente ordinare ogni membro della popolazione in un unico strato. L'esempio sopra lo rende facile; universitari, laureati, maschi e femmine sono gruppi chiaramente definiti. In altre situazioni, tuttavia, è molto più difficile. Immagina di mettere in gioco le caratteristiche definitive quali la razza, l'etnia o la religione. Il processo di ordinamento diventa più difficile, rendendo il campionamento casuale stratificato un metodo inefficace e meno ideale.

Andare avanti nel campionamento casuale - Leggere la differenza tra campionamento casuale e stratificato e esempi di campioni casuali stratificati.