نمونه تصادفی ساده: تعریف، مراحل و مثال ها

آماردانان می توانند از نمونه گیری برای جمع آوری داده ها برای تجزیه و تحلیل استفاده کنند. انواع مختلفی از تکنیک های نمونه گیری برای استفاده وجود دارد، از جمله نمونه گیری تصادفی ساده، که زیرمجموعه تصادفی یک جمعیت بزرگتر را مشخص می کند. یادگیری بیشتر در مورد نمونه های تصادفی ساده می تواند به شما در بهبود تحقیقات و پیشرفت شغلی کمک کند.

در این مقاله از ایوسی توضیح می دهیم که نمونه گیری تصادفی ساده چیست و مزایا و معایب آن را بررسی می کنیم.

موارد کلیدی:

• نمونه‌های تصادفی ساده زیرمجموعه‌ای تصادفی از داده‌های یک جمعیت بزرگ‌تر را ارائه می‌کنند.

• شما می توانید با جمع آوری اطلاعات، انتخاب حجم نمونه و شناسایی اعداد تصادفی برای نمونه از نمونه گیری تصادفی ساده استفاده کنید.

• اگرچه این روش نمونه گیری ساده است، اما ممکن است به طور دقیق داده های جمعیت را نشان ندهد.

نمونه تصادفی ساده چیست؟

یک نمونه تصادفی ساده، انتخابی تصادفی از یک جامعه آماری است. این یک نمایش بی طرفانه از گروه بزرگتر ارائه می دهد. نمونه‌گیری تصادفی سریع‌ترین راه برای استخراج نمونه از یک گروه بزرگ‌تر است، بنابراین می‌تواند کارآمدتر از سایر روش‌های نمونه‌گیری باشد. این یک نمونه اولیه اولیه است که  آماردانان و تحلیلگران آماری  می توانند هنگام جمع آوری نمونه از آن استفاده کنند.

هر انتخابی احتمال یکسانی برای انتخاب شدن به عنوان بخشی از نمونه دارد. اگر نمونه‌گیری تصادفی ساده بدون جایگزینی انجام شود، به این معنی است که شرکت‌کننده انتخابی نمی‌تواند به جامعه بازگردانده شود و دوباره قرعه کشی شود. برای اینکه به درستی انجام شود، یک نمونه تصادفی ساده دارای یک قاب انتخاب کامل است. چارچوب انتخابی فهرستی از کل جمعیت است که ممکن است در نمونه های بزرگتر به دست آوردن آن چالش برانگیز باشد.

مطالب مرتبط:  نحوه ایجاد یک نمونه تصادفی در اکسل (با نکات)

نحوه استفاده از نمونه تصادفی ساده

برای استفاده از یک نمونه تصادفی ساده، مراحل زیر را دنبال کنید:

۱. جمعیت خود را تعیین کنید

قبل از اینکه بتوانید یک نمونه تصادفی ساده جمع آوری کنید، بهترین گروه را انتخاب کنید که از آن نمونه بگیرید. این بدان معناست که پروژه یا آزمایش تحقیقاتی شما باید نوعی فرضیه داشته باشد که با مطالعه یک نمونه قابل حل باشد.

به عنوان مثال، ممکن است بخواهید ویژگی های شخصیتی را در میان سیاستمداران محلی مطالعه کنید. ابتدا، تعیین می کنید که سیاستمداران محلی برای مطالعه شما چه کسانی هستند. اینها ممکن است مقاماتی در سطح ایالت، شهر یا شهرستان یا همه آنها با هم باشند.

موارد مرتبط:  ۹ نوع روش نمونه گیری: تعاریف و مواردی که باید از آن اجتناب کرد

۲. حجم نمونه خود را انتخاب کنید

یک چارچوب نمونه برداری یا فهرستی از تمام اعضای جمعیت خود تهیه کنید. برای مقامات دولتی، می توانید از نام مقامات استانی و محلی خود استفاده کنید. در برخی موقعیت‌ها، یافتن اعضای جامعه برای چارچوب نمونه‌گیری ممکن است دشوارتر باشد.

اگر انتخاب کنید که فقط مجموعه‌ای از جامعه را در چارچوب نمونه‌گیری خود بگنجانید، ممکن است مطالعه خود را به سمت سوگیری ناخواسته باز کنید، بنابراین بهتر است در ایجاد چارچوب نمونه‌گیری دقیق باشید. به هر دارایی در جمعیت یک عدد به ترتیب متوالی اختصاص دهید. بعد، اندازه نمونه خود را تعیین کنید. برای تعیین حجم نمونه خود، یکی از روش های زیر را در نظر بگیرید:

• مطالعات دیگر را بخوانید. اگر سایر تحلیلگران مطالعات مشابهی انجام داده اند، حجم نمونه مورد استفاده را به عنوان درصدی از جامعه بررسی کرده و از آن تقلید کنید.

• از جدول استفاده کنید برای موضوعات عمومی، یک جدول اندازه نمونه ممکن است از قبل وجود داشته باشد.

• از یک فرمول استفاده کنید. می توانید یک فرمول بنویسید یا از یک فرمول موجود استفاده کنید که برای پارامترهای جمعیت شما منطقی باشد.

• از ماشین حساب استفاده کنید. اگر نمی‌خواهید از فرمول به صورت دستی استفاده کنید، می‌توانید از یک ماشین‌حساب اندازه نمونه از قبل موجود استفاده کنید که به صورت آنلاین قابل جستجو است.

• سرشماری انجام دهید. اگر وقت دارید، یک سرشماری در میان جمعیت خود برای تعیین حجم نمونه انجام دهید.

۳. اعداد تصادفی تولید کنید

با استفاده از یک مولد اعداد تصادفی، مجموعه ای از اعداد تصادفی بین یک و کل حجم جامعه خود را تهیه کنید که با حجم نمونه شما مطابقت دارد. به عنوان مثال، اگر جمعیت شما ۱۰۰ سیاستمدار باشد و حجم نمونه خود را ۱۰ تعیین کرده باشید، ۱۰ عدد تصادفی بین یک تا ۱۰۰ تولید می کنید.

۴. انتخاب خود را جدا کنید

هر عددی که تولید می‌کنید، به شیوه‌ای شبیه به قرعه‌کشی، نشان‌دهنده عضوی از نمونه شما است که در مرحله دو شماره‌ای به او اختصاص داده شده است. هنگامی که انتخاب خود را شناسایی و جدا کردید، یک نمونه تصادفی جمع آوری کرده اید.

موارد مرتبط:  نمونه گیری احتمالی: تعریف و انواع

مزایای نمونه های تصادفی ساده

استفاده از یک نمونه تصادفی ساده برای به دست آوردن نمونه ای از جامعه مزایایی دارد، از جمله:

سادگی

همانطور که از نام آن پیداست، نمونه گیری تصادفی ساده ساده است. این یک راه آسان برای جداسازی نمونه برای یک پروژه آینده است.

جانبداری

هنگامی که به درستی انجام شود، یک نمونه تصادفی ساده نشان دهنده یک نمونه بی طرف است. این می تواند یک نمایش منصفانه و دقیق از جمعیت باشد.

راحتی در استفاده

در مقایسه با انواع دیگر نمونه‌گیری، اجرای نمونه تصادفی ساده ممکن است آسان‌تر باشد.

معایب نمونه های تصادفی ساده

برخی از معایب نمونه های تصادفی ساده عبارتند از:

هزینه

بسته به منابع شما، تکمیل یک نمونه تصادفی ساده می تواند پرهزینه تر از روش های دیگر باشد. برای تکمیل یک نمونه تصادفی ساده، ممکن است از سخت افزار و برنامه های گران قیمت استفاده کنید.

زمان

نمونه‌های تصادفی ساده نیز می‌توانند زمان بیشتری را نسبت به گزینه‌های دیگر به خود اختصاص دهند، به‌خصوص زمانی که به اطلاعاتی دسترسی پیدا می‌کنید که در دسترس عموم نیست. به عنوان مثال، اگر اطلاعات را از طریق یک سازمان مشاهده می کنید، ممکن است زمان بیشتری برای جمع آوری داده ها برای یک نمونه تصادفی ساده صرف شود.

خطاها

یک نمونه تصادفی ساده همیشه بهترین گزینه برای نمایش دقیق نیست. هنگامی که خطاهای نمونه گیری رخ می دهد، نمونه ممکن است به طور دقیق جامعه را نشان ندهد، زیرا آن را به طور تصادفی و بدون سوگیری انتخاب می کنید.

انواع دیگر نمونه های تصادفی

شما می توانید نمونه ها را طراحی کنید و آنها را بر اساس ویژگی های جدید با استفاده از یک طرح تطبیقی ​​تطبیق دهید. سپس می توانید این طرح تطبیقی ​​را در یک نمونه تصادفی ساده اعمال کنید. روش های دیگری برای انتخاب نمونه های تصادفی از جمعیت ها وجود دارد، از جمله:

• نمونه گیری تصادفی طبقه ای. هنگامی که صفات در مورد یک جامعه قبل از انتخاب نمونه شناخته می شوند، تحلیلگران می توانند از نمونه های تصادفی طبقه بندی شده استفاده کنند . در این روش نمونه‌گیری، جامعه بر اساس صفات معینی گروه‌بندی می‌شود، سپس از هر گروه نمونه‌های تصادفی گرفته می‌شود تا از نمایش همه صفات در جامعه اطمینان حاصل شود.

• نمونه گیری خوشه ای یک مرحله ای. وقتی از نمونه‌گیری خوشه‌ای استفاده می‌کنید ، جمعیت را به خوشه‌ها تقسیم می‌کنید. به جای جمع آوری نمونه از هر خوشه، کل چارچوب خوشه ها در معرض یک نمونه تصادفی ساده قرار می گیرد.