-
抽样
(sampling)
?
概述
抽样就是从较大的总体中选出一些
样本,以便进行提问、调查和检测等工作,最后归纳出
关于总体的结论。
?
适用场合
·当需要获得关于总体的一些结论时;
p>
·当考察总体需要很高的成本,存在一定困难,或占用大量的时间时;
例如:
·当在产品生产过程中或完成之后监测产品质量时;
·当审查文档与生产过程的一致性时;
·当收集员工或顾客的偏好或反馈时;
·当在大范围生产测试新产品时。
?
实施步骤
p>
如果是刚接触抽样的方法,可以先查看下页的重要定义,给出了抽样方法的一些相关概念
p>
的解释,然后再回到抽样的实施步骤:
1
确定研究的总体,提出抽样的计划。
p>
2
允许的极限误差以及置信水平,具体使用数据的相关人员应该参与
设定。
3
选择抽样的方法和样本容量
n
,
要在成本和精度的要求之间作出权衡。<
/p>
可以在互联网上完
成简单随机抽样的样本容量的计算。对于其他的
抽样方法,请统计学
家帮助确定合适的样
本容量。
p>
4
将抽样的计划文档化。
包括何时以及如何
进行抽样。
如果是持续的抽样过程,
准备类似核
算单形式的工具协助进行抽样。
5
实施抽样。
?
示例
p>
案例是描述各种抽样方法的最好方式。假设一个公司希望对遍布在世界各地的
10458
名员
工进行一次调查。员工集体就是研究的
总体,项目小组已经确定了要提问的问题,然后他们聚
集到一起计划采取的抽样方法。<
/p>
简单随机抽样
(Simple
Random Sample)
。冈·侯
(Gung Ho)<
/p>
发起了讨论:
“我已经利用互联网
的样本
容量计算器计算出,对于误差范围为
5
,置信区间为
95%
的指标,我们需要
371
< br>个样本。
我们可以再利用互联网的随机数生成器在
1
p>
~
10458
之间随机的产生
371
个数字,
并且已经给每
个员工分配了一个惟一的数字,这样拥有那些数字的员工就形成了样本。
”
系统抽样
(Systematic
Sample)
。艾玛·辛克尔
(Ima Thinker)<
/p>
说:
“员工名单是把不同地区、不
同部门
、不同性别的员工完全随机排序形成的。我们为什么不这样做:随机地取一个起始点,
可
以投骰子决定,如出现的是
4
点,我们就从名单的上第
4
个开始,每隔
28
人
抽取一个样本,
因为
10458
被
p>
371
除等于
28
。
”
方便抽样
(Convenience
Sample)
。曼尼·玛尼柏格斯
(Manny Money
bags)
说:
“为什么要浪费
时间,
我们这幢大楼里就不止
371
名员工,只要对每个人进行凋查,
今天下午就能得到我们需
要的答案。
”幸运的是,工作组的其他
成员指出并说服了他,因为只有完全随机抽取的
371
个样
p>
本才是有效的。而且即使调查了这幢大楼里的所有员工,得到的样本也
,
不能代表所有的员工。
(曼尼·
玛
尼柏格斯曾经领导开展了一次顾客调查,
只调查了打进呼叫中心电话的前
10
名顾客。
在这个存在偏倚的方便样本中,东海岸地
区的顾客以及早起的人占据了过大的比重,而完全忽
略了互联网上的用户。
)
整群抽样
(Cluster Sam
ple)
。
维拉·
普拉克提克
(Vera Practical)
说:
“你还
是没有完全明白抽样。
使用你所说的方法,固然可以减少访谈员的旅费,但我们想要获得
更多、更好的信息必须由经
过培训的访谈员作面对面的访谈调查。我有一个主意:将所在
的每个地区看作一个群,从
24
个