Per ottenere informazioni sulle popolazioni di grandi dimensioni , i ricercatori utilizzano quattro metodi di campionamento probabilità : casuale semplice , sistematico , stratificata e cluster. Tutti in una data popolazione ha un noto e uguale probabilità di essere selezionata in un campionamento probabilistico , e, soprattutto , le persone sono scelti a caso . Utilità Probabilità di Campione

Immaginate quanto sia difficile e costoso sarebbe per una società di sondaggio tutti negli Stati Uniti ogni volta che vuole sapere qualcosa di americani. Se un campione viene creato in modo casuale e tutti avevano la possibilità di partecipare , allora i risultati del campione sarebbe vicino ai risultati di un censimento , che esamina tutti. Campionamento probabilistico è cruciale , risparmio di tempo e molto meno costoso modo per ottenere informazioni dalla società di un censimento perché i suoi risultati possono riflettere una vasta popolazione , anche se si esamina un piccolo numero di persone . Se un campione non è stato creato in modo casuale , che è il campionamento non probabilistico , quindi è improbabile che i risultati riflettano l’intera popolazione .

Casuale semplice e campionamento sistematico

semplice campionamento casuale , le persone sono scelti a caso da una lista completa di popolazione . In genere , ogni persona o famiglia nella popolazione è dato un numero e un computer genera numeri casuali che indica che viene scelto per il campione . Le lotterie sono un campione puramente casuale. Tutti i possessori dei biglietti sono in una lotteria , ma solo pochi sono scelti a caso

campionamento sistematico è simile a un campionamento casuale semplice con una differenza : . Un pattern per la selezione dei partecipanti . Ad esempio, un ricercatore può iniziare in un punto casuale e prendere ogni nome 100 che trova in Atlanta , Georgia , rubrica telefonica . Questo metodo di campionamento è utilizzato ampiamente per posta dei consumatori e interviste telefoniche .

Stratificato e Cluster campionamento

campionamento stratificato è utile quando si confrontano le diverse parti di una popolazione . I ricercatori dividono o segmento di popolazione in modo pertinente alle loro esigenze e prendere un campione casuale semplice in ogni segmento . I segmenti sono chiamati sottopopolazioni o strati . Se si desidera confrontare come 1.000 donne e gli uomini si sentono di assistenza sanitaria, allora si potrebbe segmento o stratificazione della popolazione per sesso ed a caso ha scelto 500 uomini e 500 donne . Puoi segmento o stratificazione di una popolazione in molti modi , tra cui l’età , l’istruzione , il reddito e la posizione .

Campionamento Cluster comprende due processi casuali . Il primo passo è quello di dividere la popolazione in gruppi specifici e quindi selezionare i gruppi in modo casuale , non persone specifiche. Poi i ricercatori eseguire un campione casuale semplice solo in ogni gruppo scelto . I ricercatori spesso utilizzano codici postali o aree grandi città per creare un gruppo .

Quattro esempi

Un ricercatore può voler sapere come tutti gli americani sentono di assistenza sanitaria attraverso la rilevazione 520 persone. Se lui ha una lista di ogni americano e seleziona casualmente 520 persone provenienti da tutto il paese , che poi è un campionamento casuale semplice . Se invece si parte da un punto a caso sulla lista di ogni americano e seleziona ogni 700,000 esima persona , allora questo è il campionamento sistematico.

Se egli divide l’elenco di ogni americano in 50 stati e pesca a caso 10 persone da ogni stato, poi si utilizza il campionamento stratificato . Se egli sceglie in modo casuale 26 membri di 50 stati e poi pesca a caso 20 persone da ciascuno dei 26 stati , poi si utilizza il campionamento cluster.