Ang konsepto ng pagiging kinatawan ay kadalasang matatagpuan sa istatistikal na pag-uulat at sa paghahanda ng mga talumpati at ulat. Marahil, kung wala ito, mahirap isipin ang anumang uri ng presentasyon ng impormasyon para sa pagsusuri.
Pagiging kinatawan - ano ito?
Ang pagiging representatibo ay sumasalamin kung paano tumutugma ang mga napiling bagay o bahagi sa nilalaman at kahulugan ng set ng data kung saan sila napili.
Iba pang mga kahulugan
Ang konsepto ng pagiging kinatawan ay maaaring ihayag sa iba't ibang konteksto. Ngunit sa kahulugan nito, ang pagiging kinatawan ay ang pagkakatugma ng mga tampok at katangian ng mga napiling yunit mula sa pangkalahatang populasyon, na tumpak na nagpapakita ng mga katangian ng buong pangkalahatang database sa kabuuan.
Ang pagiging kinatawan ng impormasyon ay tinukoy din bilang ang kakayahan ng sample na data na kumatawan sa mga parameter at katangian ng populasyon na mahalaga mula sa punto ng view ng pag-aaral.
Representative sample
Ang prinsipyo ng sampling ay ang pumiliang pinakamahalaga at tumpak na sumasalamin sa mga katangian ng kabuuang set ng data. Para dito, ginagamit ang iba't ibang paraan na nagbibigay-daan sa pagkuha ng mga tumpak na resulta at pangkalahatang ideya ng populasyon, gamit lamang ang mga sample na materyales na naglalarawan sa mga katangian ng lahat ng data.
Kaya, hindi kinakailangang pag-aralan ang buong materyal, ngunit sapat na upang isaalang-alang ang sample na representasyon. Ano ito? Ito ay isang seleksyon ng indibidwal na data upang magkaroon ng ideya sa kabuuang dami ng impormasyon.
Depende sa pamamaraan, ang mga ito ay nakikilala bilang probabilistic at improbable. Ang posibilidad ay isang sample na ginawa sa pamamagitan ng pagkalkula ng pinakamahalaga at kawili-wiling data, na mga karagdagang kinatawan ng pangkalahatang populasyon. Ito ba ay sinasadyang pagpili o random na pagpili, gayunpaman ay nabibigyang katwiran sa nilalaman nito.
Improbable - isa ito sa mga uri ng random sampling, na pinagsama-sama ayon sa prinsipyo ng isang regular na lottery. Sa kasong ito, ang opinyon ng isa na bumubuo ng naturang sample ay hindi isinasaalang-alang. blind lot lang ang ginagamit.
Probability sampling
Ang mga sample ng posibilidad ay maaari ding hatiin sa ilang uri:
- Isa sa pinakasimple at pinakanaiintindihan na mga prinsipyo ay ang non-representative sampling. Halimbawa, ang paraang ito ay kadalasang ginagamit sa mga social survey. Kasabay nito, hindi pinipili ang mga kalahok sa survey mula sa karamihan sa anumang partikular na batayan, at nakuha ang impormasyon mula sa unang 50 tao na nakibahagi dito.
- Sinadyamagkakaiba ang mga sample dahil mayroon silang ilang kinakailangan at kundisyon sa pagpili, ngunit umaasa pa rin sa random na pagkakataon, hindi hinahabol ang layunin na makamit ang magagandang istatistika.
- Quota-based sampling ay isa pang variation ng non-probabilistic sampling na kadalasang ginagamit para suriin ang malalaking dataset. Gumagamit ito ng maraming tuntunin at kundisyon. Pinili ang mga bagay na dapat tumutugma sa kanila. Ibig sabihin, gamit ang halimbawa ng isang social survey, maaaring ipagpalagay na 100 katao ang makakapanayam, ngunit ang opinyon lamang ng isang tiyak na bilang ng mga tao na makakatugon sa itinatag na mga kinakailangan ay isasaalang-alang kapag nag-iipon ng isang istatistikang ulat.
Ang
Probability sample
Para sa mga probabilistikong sample, ang isang bilang ng mga parameter ay kinakalkula kung saan ang mga bagay sa sample ay tumutugma, at kasama ng mga ito, sa iba't ibang paraan, tiyak na ang mga katotohanan at data na ipapakita bilang representasyon ng sample na data ay maaaring pinili. Ang mga paraan ng pagkalkula ng kinakailangang data ay maaaring:
Simple random sampling. Binubuo ito sa katotohanan na kabilang sa napiling segment, ang kinakailangang dami ng data ay pinili sa pamamagitan ng isang ganap na random na paraan ng lottery, na magiging isang sample na kinatawan
Ginagawang posible ng
Systematic at random sampling na gumawa ng system para sa pagkalkula ng kinakailangang data batay sa isang random na napiling segment. Kaya, kung ang unang random na numero na nagsasaad ng sequence number ng data na napili mula sa kabuuang populasyon ay 5, kung gayon ang kasunod naang data na pipiliin ay maaaring, halimbawa, 15, 25, 35, at iba pa. Malinaw na ipinapaliwanag ng halimbawang ito na kahit na ang random na pagpili ay maaaring ibase sa mga sistematikong kalkulasyon ng kinakailangang data ng input
Sample ng mga consumer
Ang
Intentional Sampling ay isang paraan na isinasaalang-alang ang bawat indibidwal na segment at, batay sa pagtatasa nito, isang populasyon ang pinagsama-sama na sumasalamin sa mga katangian at katangian ng pangkalahatang database. Sa ganitong paraan, mas maraming data ang nakolekta na nakakatugon sa mga kinakailangan ng isang sample na kinatawan. Madaling pumili ng ilang opsyon na hindi isasama sa kabuuang bilang, nang hindi nawawala ang kalidad ng napiling data na kumakatawan sa kabuuang populasyon. Sa ganitong paraan, natutukoy ang pagiging kinatawan ng mga resulta ng pag-aaral.
Laki ng sample
Hindi ang huling isyu na tatalakayin ay ang laki ng sample para sa isang kinatawan na representasyon ng populasyon. Ang laki ng sample ay hindi palaging nakadepende sa bilang ng mga mapagkukunan sa pangkalahatang populasyon. Gayunpaman, ang pagiging kinatawan ng sample na populasyon ay direktang nakasalalay sa kung gaano karaming mga segment ang resulta ay dapat hatiin. Kung mas maraming ganitong mga segment, mas maraming data ang nakukuha sa resultang sample. Kung ang mga resulta ay nangangailangan ng isang pangkalahatang notasyon at hindi nangangailangan ng mga detalye, kung gayon, nang naaayon, ang sample ay nagiging mas maliit, dahil, nang hindi naglalagay ng mga detalye, ang impormasyon ay ipinakita nang mas mababaw, na nangangahulugan na ang pagbabasa nito ay magiging pangkalahatan.
Maling konseptopagiging kinatawan
Ang
error sa pagiging representatibo ay isang partikular na pagkakaiba sa pagitan ng mga katangian ng populasyon at sample na data. Kapag nagsasagawa ng anumang sample na pag-aaral, imposibleng makakuha ng ganap na tumpak na data, tulad ng sa isang kumpletong pag-aaral ng mga pangkalahatang populasyon at isang sample na ibinigay na may bahagi lamang ng impormasyon at mga parameter, habang ang isang mas detalyadong pag-aaral ay posible lamang kapag pinag-aaralan ang buong populasyon. Kaya, ang ilang mga kamalian at pagkakamali ay hindi maiiwasan.
Mga uri ng error
Tukuyin ang ilan sa mga error na nangyayari kapag nag-compile ng isang sample na kinatawan:
- Systematic.
- Random.
- Sinadya.
- Hindi sinasadya.
- Standard.
- Limit.
Ang dahilan ng paglitaw ng mga random na error ay maaaring ang hindi tuloy-tuloy na katangian ng pag-aaral ng pangkalahatang populasyon. Karaniwan, ang random na error sa pagiging representatibo ay hindi gaanong sukat at likas.
Samantala, nangyayari ang mga sistematikong error kapag nilabag ang mga panuntunan sa pagpili ng data mula sa pangkalahatang populasyon.
Mean error ay ang pagkakaiba sa pagitan ng sample mean at ng pinagbabatayan na populasyon. Hindi ito nakasalalay sa bilang ng mga yunit sa sample. Ito ay inversely proportional sa sample size. Kung mas malaki ang volume, mas maliit ang halaga ng average na error.
Ang
Marginal error ay ang pinakamalaking posibleng pagkakaiba sa pagitan ng mga average na halaga ng sample na kinuha at ng kabuuang populasyon. Ang ganitong error ay nailalarawan bilang ang pinakamataas na posibleng pagkakamalisa ilalim ng ibinigay na mga kondisyon ng kanilang hitsura.
Sinadya at hindi sinasadyang mga pagkakamali ng pagiging kinatawan
Ang mga error sa offset ng data ay maaaring sinadya o hindi sinasadya.
Kung gayon ang mga dahilan para sa paglitaw ng mga sinasadyang pagkakamali ay ang diskarte sa pagpili ng data sa pamamagitan ng paraan ng pagtukoy ng mga uso. Ang mga hindi sinasadyang pagkakamali ay nangyayari kahit na sa yugto ng paghahanda ng isang sample na pagmamasid, na bumubuo ng isang kinatawan ng sample. Para maiwasan ang mga ganitong error, kailangang gumawa ng magandang sampling frame para sa paglilista ng mga sampling unit. Dapat nitong ganap na matugunan ang mga layunin ng sampling, maging maaasahan, sumasaklaw sa lahat ng aspeto ng pag-aaral.
Validity, reliability, representness. Error sa pagkalkula
Kalkulahin ang representativeness error (Mm) ng arithmetic mean (M).
Standard deviation: laki ng sample (>30).
Error sa pagiging representatibo (Mr) at relative value (R): laki ng sample (n>30).
Sa kaso kapag kailangan mong pag-aralan ang isang populasyon kung saan maliit ang bilang ng mga sample at mas mababa sa 30 units, bababa ng isang unit ang bilang ng mga obserbasyon.
Ang laki ng error ay direktang proporsyonal sa laki ng sample. Ang pagiging kinatawan ng impormasyon at ang pagkalkula ng antas ng posibilidad ng paggawa ng tumpak na hula ay nagpapakita ng isang tiyak na dami ng marginal error.
Mga sistema ng representasyon
Hindi lamang isang kinatawan na sample ang ginagamit sa proseso ng pagsusuri ng presentasyon ng impormasyon, ngunit ang taong tumatanggap ng impormasyon mismo,gumagamit ng mga sistemang kinatawan. Kaya, ang utak ay nagpoproseso ng isang tiyak na halaga ng impormasyon, na lumilikha ng isang kinatawan na sample mula sa buong daloy ng impormasyon upang masuri nang husay at mabilis ang isinumiteng data at maunawaan ang kakanyahan ng isyu. Sagutin ang tanong: "Pagiging kinatawan - ano ito?" - sa sukat ng kamalayan ng tao ay medyo simple. Para magawa ito, ginagamit ng utak ang lahat ng subservient sense organ, depende sa kung anong uri ng impormasyon ang kailangang ihiwalay sa pangkalahatang daloy. Kaya, nakikilala nila ang:
- Visual representational system, kung saan kasangkot ang mga organo ng visual na perception ng mata. Ang mga taong madalas gumamit ng ganitong sistema ay tinatawag na visual. Sa tulong ng system na ito, pinoproseso ng isang tao ang impormasyong nanggagaling sa anyo ng mga larawan.
- Audial representational system. Ang pangunahing organ na ginagamit ay pandinig. Ang impormasyong ibinibigay sa anyo ng mga sound file o pagsasalita ay pinoproseso ng partikular na sistemang ito. Ang mga taong mas nakakaunawa ng impormasyon sa pamamagitan ng tainga ay tinatawag na auditory.
- Ang kinesthetic representational system ay ang pagproseso ng daloy ng impormasyon sa pamamagitan ng pagdama nito sa pamamagitan ng olfactory at tactile channels.
Ang digital representational system ay ginagamit kasama ng iba bilang paraan ng pagkuha ng impormasyon mula sa labas. Isa itong subjective-logical perception at pag-unawa sa natanggap na data
Kaya, pagiging kinatawan - ano ito? Isang simpleng pagpili mula sa isang set ointegral na pamamaraan sa pagproseso ng impormasyon? Talagang masasabi nating ang pagiging kinatawan ay higit na tumutukoy sa ating pananaw sa mga daloy ng data, na tumutulong na ihiwalay ang pinakamahalaga at makabuluhan mula rito.
