a:

Come metodo di campionamento statistico, il campionamento sistematico è più semplice e più semplice del campionamento casuale. Può anche essere più favorevole a coprire un'ampia area di studio. D'altra parte, il campionamento sistematico introduce alcuni parametri arbitrari nei dati. Ciò può causare sovra-o sotto-rappresentazione di modelli particolari.

Esaminare campionamento sistematico

In un esempio sistematico, i dati scelti sono distribuiti in modo uniforme. Ad esempio, in una popolazione di 10.000 persone, uno statista potrebbe selezionare ogni 100 persona per il campionamento. Gli intervalli di campionamento possono essere anche sistematici, come scegliere un nuovo campione ogni 12 ore.

Il campionamento sistematico è amato dai ricercatori per la sua semplicità. I ricercatori generalmente presumono che i risultati rappresentino la maggior parte delle popolazioni normali, a meno che non esista una caratteristica casuale in modo sproporzionato con ogni n di campioni di dati (che è improbabile).

Per cominciare, un ricercatore seleziona un intero di partenza per fondare il sistema. Questo numero deve essere più piccolo della popolazione nel suo complesso; non prende ogni 500th yard da campionare per un campo da calcio di 100 yard. Dopo aver selezionato un numero, il ricercatore seleziona l'intervallo o gli spazi tra i campioni della popolazione.

Principali vantaggi

I campioni sistematici sono relativamente facili da costruire, eseguire, confrontare e comprendere. Ciò è particolarmente importante per gli studi o le indagini che operano con stretti vincoli di bilancio.

Un metodo sistematico fornisce anche ai ricercatori e agli statisti un grado di controllo e senso di processo. Questo potrebbe essere particolarmente utile per studi con parametri rigorosi o ipotesi strettamente formate, supponendo che il campionamento sia ragionevolmente costruito per adattarlo a tali parametri.

La selezione clusterizzata, un fenomeno in cui i campioni scelti in modo casuale non sono molto comuni in una popolazione, viene eliminato nel campionamento sistematico. I campioni casuali possono occuparsi solo di questo aumentando il numero di campioni o eseguendo più di un sondaggio. Queste possono essere alternative costose.

Forse la più grande forza di un approccio sistematico è il suo basso fattore di rischio. Gli svantaggi potenziali primari del sistema portano una probabilità decisamente minore di contaminazione dei dati.

Svantaggi principali

Il metodo sistematico presuppone che la dimensione della popolazione sia disponibile o possa essere ragionevolmente approssimata. Per esempio, supponiamo che un ricercatore desideri studiare la dimensione dei ratti in una determinata area. Se non ha idea di quanti ratti esistono, non può selezionare sistematicamente un punto di partenza o di intervalli.

Una popolazione deve esibire un grado naturale di casualità lungo la metrica scelta.Se la popolazione ha un tipo di modello standardizzato, il rischio di accidentalmente scegliere casi molto comuni è più evidente.

Per una situazione ipotetica semplice, consideriamo un elenco di razze canine preferite dove (intenzionalmente o per caso) ogni cane in numero uniforme nell'elenco era piccolo e ogni cane strano era grande. Se il sampler sistematico è iniziato con il quarto cane e ha scelto un intervallo di sei, l'indagine salta i cani grandi.

C'è un maggiore rischio di manipolazione dei dati con campionamento sistematico perché i ricercatori potrebbero essere in grado di costruire i loro sistemi per aumentare la probabilità di raggiungere un esito mirato piuttosto che lasciare che i dati casuali producano una risposta rappresentativa. Non si poteva fidare di tutte le statistiche risultanti.