Campionamento casuale stratificato: Definizione

Il campionamento casuale stratificato è un tipo di campionamento probabilistico con cui un’organizzazione di ricerca può diramare l’intera popolazione in più gruppi omogenei (strati) non sovrapposti e scegliere casualmente i membri finali dai vari strati per la ricerca che riduce i costi e I membri di ciascuno di questi gruppi dovrebbero essere distinti in modo che ogni membro di tutti i gruppi abbia pari opportunità di essere selezionato usando una semplice probabilità., Questo metodo di campionamento è anche chiamato “campionamento casuale delle quote”.

Seleziona i tuoi rispondenti

Età, divisioni socioeconomiche, nazionalità, religione, risultati educativi e altre classificazioni simili rientrano nel campionamento casuale stratificato.

Consideriamo una situazione in cui un team di ricerca è alla ricerca di opinioni sulla religione tra i vari gruppi di età. Invece di raccogliere feedback da 326.044.985 cittadini statunitensi, campioni casuali di circa 10000 possono essere selezionati per la ricerca. Questi 10000 cittadini possono essere suddivisi in strati in base all’età,i.,e, gruppi di 18-29, 30-39, 40-49, 50-59 e 60 e oltre. Ogni strato avrà membri distinti e numero di membri.

Per saperne di più: Segmentazione demografica

8 Passaggi per selezionare un campione casuale stratificato:

  1. Definire il pubblico di destinazione.
  2. Riconoscere la variabile o le variabili di stratificazione e calcolare il numero di strati da utilizzare. Queste variabili di stratificazione dovrebbero essere in linea con l’obiettivo della ricerca. Ogni informazione aggiuntiva decide le variabili di stratificazione., Ad esempio, se l’obiettivo della ricerca è comprendere tutti i sottogruppi, le variabili saranno correlate ai sottogruppi e tutte le informazioni relative a questi sottogruppi avranno un impatto sulle variabili. Idealmente, non più di 4-6 variabili di stratificazione e non più di 6 strati dovrebbero essere utilizzati in un campione perché un aumento delle variabili di stratificazione aumenterà le possibilità che alcune variabili annullino l’impatto di altre variabili.,
  3. Utilizzare un frame di campionamento già esistente o creare un frame che includa tutte le informazioni della variabile di stratificazione per tutti gli elementi del pubblico di destinazione.
  4. Apportare modifiche dopo aver valutato il frame di campionamento in base alla mancanza di copertura, sovra-copertura o raggruppamento.
  5. Considerando l’intera popolazione, ogni strato dovrebbe essere unico e dovrebbe coprire ogni membro della popolazione. All’interno dello strato, le differenze dovrebbero essere minime mentre ogni strato dovrebbe essere estremamente diverso l’uno dall’altro., Ogni elemento della popolazione dovrebbe appartenere a un solo strato.
  6. Assegna un numero casuale e univoco a ciascun elemento.
  7. Capire la dimensione di ogni strato secondo il vostro requisito. La distribuzione numerica tra tutti gli elementi in tutti gli strati determinerà il tipo di campionamento da attuare. Può essere un campionamento stratificato proporzionale o sproporzionato.
  8. Il ricercatore può quindi selezionare elementi casuali da ogni strato per formare il campione., Minimo un elemento deve essere scelto da ogni strato in modo che ci sia rappresentazione da ogni strato, ma se due elementi da ogni strato sono selezionati, per calcolare facilmente i margini di errore del calcolo dei dati raccolti.

per Saperne di più: Campionamento Casuale Semplice

Tipi di Campionamento Casuale Stratificato:

  • Proporzionale Stratificato Campionamento Casuale:

In questo approccio, ogni strato dimensione del campione è direttamente proporzionale alla dimensione della popolazione di tutta la popolazione di strati. Ciò significa che ogni campione di strati ha la stessa frazione di campionamento.,

Proporzionate Casuale Stratificato Campionamento Formula: nh = ( Nh / N ) * n

nh= dimensione del Campione per hth strato

Nh= dimensione della Popolazione di hth strato

N = Dimensione di tutta la popolazione

n = Dimensione del campione

Se si dispone di 4 strati con 500, 1000, 1500, 2000 rispettive dimensioni e l’organizzazione di ricerca seleziona ½ come il campionamento della frazione. Un ricercatore deve quindi selezionare 250, 500, 750, 1000 membri dal rispettivo strato.,

Stratum A B C D
Population Size 500 1000 1500 2000
Sampling Fraction 1/2 1/2 1/2 1/2
Final Sampling Size Results 250 500 750 1000

Irrespective of the sample size of the population, the sampling fraction will remain uniform across all the strata.,

Per saperne di più: Campionamento sistematico

  • Campionamento casuale stratificato sproporzionato:

La frazione di campionamento è il principale fattore di differenziazione tra il campionamento casuale stratificato proporzionato e sproporzionato. Nel campionamento sproporzionato, ogni strato avrà una frazione di campionamento diversa.

Il successo di questo metodo di campionamento dipende dalla precisione del ricercatore all’allocazione della frazione. Se le frazioni assegnate non sono accurate, i risultati possono essere distorti a causa degli strati sovrarappresentati o sottorappresentati.,td>Stratum

A B C D Population Size 500 1000 1500 2000 Sampling Fraction 1/2 1/3 1/4 1/5 Final Sampling Size Results 250 333 375 400

Learn more: Cluster Sampling

Stratified Random Sampling Examples:

Researchers and statisticians use stratified random sampling to analyze relationships between two or more strata., Poiché il campionamento casuale stratificato coinvolge più livelli o strati, è fondamentale calcolare gli strati prima di calcolare il valore del campione.

Per saperne di più: Ricerche di mercato quantitative

Di seguito è riportato un classico esempio di campionamento casuale stratificato:

Diciamo che a 100 (Nh) studenti di una scuola con 1000 (N) studenti sono state poste domande sul loro argomento preferito. È un dato di fatto che gli studenti dell’8 ° grado avranno preferenze diverse rispetto agli studenti del 9 ° grado., Affinché l’indagine fornisca risultati precisi, il modo ideale è dividere ogni grado in vari strati.,

6 250 7 300 8 200 9 100

Calcolare il campione di ogni livello utilizzando il casuale stratificato campionamento formula:

per Saperne di più: la Convenienza di Campionamento

i Vantaggi di Casuale Stratificato Campionamento:

  • una Migliore accuratezza nei risultati rispetto ad altre probabilità di metodi di campionamento, ad esempio cluster di campionamento, campionamento casuale semplice, e campionamento sistematico o non-probabilità metodi come la comodità di campionamento., Questa precisione dipenderà dalla distinzione dei vari strati, cioè i risultati saranno altamente accurati se tutti gli strati sono estremamente diversi.
  • Comodo per addestrare una squadra a stratificare un campione a causa dell’esattezza della natura di questa tecnica di campionamento.
  • A causa dell’accuratezza statistica di questo metodo, campioni di dimensioni più piccole possono anche recuperare risultati molto utili per un ricercatore.
  • Questa tecnica di campionamento copre la popolazione massima in quanto i ricercatori hanno una carica completa sulla divisione degli strati.,

Per saperne di più: Campionamento cluster vs Campionamento stratificato

Quando utilizzare il campionamento casuale stratificato?

    • Il campionamento casuale stratificato è un metodo di campionamento estremamente produttivo in situazioni in cui il ricercatore intende concentrarsi solo su strati specifici dai dati di popolazione disponibili. In questo modo, le caratteristiche desiderate degli strati possono essere trovate nel campione di indagine.
    • I ricercatori si affidano a questo metodo di campionamento nei casi in cui intendono stabilire una relazione tra due o più strati diversi., Se questo confronto è condotto utilizzando un semplice campionamento casuale, vi è una maggiore probabilità che i gruppi target non siano ugualmente rappresentati.
    • I campioni con una popolazione di difficile accesso o contatto possono essere facilmente coinvolti nel processo di ricerca utilizzando la tecnica del campionamento casuale stratificato.
    • L’accuratezza dei risultati statistici è superiore al semplice campionamento casuale poiché gli elementi del campione e scelti tra strati pertinenti. La diversificazione all’interno degli strati sarà molto inferiore alla diversificazione esistente nella popolazione target., A causa della precisione in questione, è altamente probabile che la dimensione del campione richiesto sarà molto minore e che aiuterà i ricercatori a risparmiare tempo e sforzi.