Популяционный метод: Методы исследования генетики — урок. Биология, 9 класс.

Методы работы

Основной метод – геногеографическое изучение пространственно-временной структуры генофондов разных иерархических уровней. И все исследования держатся на трех китах: Биобанке Северная Евразия, базах данных о генофондах народов России и мира, картографических технологиях биоинформационного анализа.

Экспериментальные методы

Для выделения ДНК мы пользуемся наиболее надежной, хотя и наиболее трудоемкой, фенол-

хлороформной методикой, а оценку качества ДНК проводим особенно тщательно с помощью широкой палитры методов – от классического электрофореза в агарозном геле и использования Nanodrop до измерений концентрации ДНК с помощью Qubit и с помощью ПЦР в реальном времени.

Анализ отдельных маркеров проводится путем ПЦР в реальном времени (SNP-маркеры), фрагментного анализа (STR-маркеры), также проводится секвенирование по Сэнгеру. Геномный анализ проводится как с помощью генотипирования на чипах Illumina, так и с помощью NGS (полноэкзомное секвенирование, в ряде случаев – полногеномное) в рамках сотрудничества с другими российскими институтами. С начала 2019 года на базе нашей лаборатории запускается массовый популяционный скрининг панелей маркеров с помощью технологии OpenArray (одновременное генотипирование до 256 маркеров на одном образце).

Перечисленный спектр экспериментальных методов применяется для анализа аутосомных, Y-хромосомных и митохондриальных ДНК-маркеров.

Методы биоинформатики

Разработка популяционных баз данных: для мтДНК и Y-хромосомы – базы данных полных и частичных сиквенсов, STR-полиморфизмов, для аутосомных маркеров – широкогеномных панелей, полногеномных и полноэкзомных данных. Анализ NGS (полногеномные или полноэкзомные сиквенсы) и широкогеномных панелей (Illumina, Affimetrix) современной и древней ДНК человека. Основные современные методы популяционного анализа (структура популяций, дрейф, миграции, отбор): РС (метод главных компонент), IBD (Identity-By-Descent), ADMIXTURE (анализ предковых компонентов), F2, F3 и D статистики, qpAdm, TreeMix, Population Branch Statistic, FineMAV, Extended Haplotype Homozygosity (и ее вариации), Finestructure, Chromopainter, Fay&Wu’s H и Tajima’s D статистики, EMMAX и другие алгоритмы, основанные на применении полного спектра методов машинного обучения. Для гаплоидных систем (Y-хромосомы и митохондриальной ДНК) анализ полногеномных данных, филогенетический анализ, разработка программного обеспечения для работы с данными NGS, кластеризация и филогеография, в том числе анализ сиквенсов древней и поврежденной ДНК.       

Картографические методы

Программное обеспечение GeneGeo ежегодно развивается и позволяет применять большинство методов биоинформатики для их картографического анализа. Обширный арсенал методов компьютерной геногеографии (от построения интерполяционных карт распространения отдельных признаков до множества обобщенных карт) позволяет реконструировать и своими глазами увидеть основные миграционные потоки и исторические этапы в формировании генофонда. Картографический анализ проводится для данных о любых типах полиморфизмов.

404: Страница не найдена

Вероятно, страница была перемещена или удалена.
Сайт постоянно обновляется для поддержки информации в актуальном состоянии; отсутствие той или иной страницы – это нормальная ситуация.

Пожалуйста,
воспользуйтесь формой Поиска по сайту

выберите интересующую тему в Облаке тегов

или перейдите в нужный раздел через Карту сайта.

Cannot find ‘tags’ template with page ”

Наши больницы

Университетская клиническая больница №1 г. Москва, ул. Большая Пироговская, д.6, стр.1 Университетская клиническая больница №2 г. Москва, ул. Погодинская, д. 1, стр. 1 Университетская клиническая больница №3 г. Москва, ул. Россолимо, д.11, стр. 4,5 Университетская клиническая больница №4 8 (499) 246-76-83 г. Москва, м. Спортивная, ул. Доватора, д. 15 Университетская клиническая больница №5 143069, п/о Введенское, г.

Звенигород Сеченовский центр материнства и детства Москва, ул. Б. Пироговская, 19, стр. 1 Централизованная лабораторно-диагностическая служба

Посмотреть все больницы

Наши больницы на карте

Университетская клиническая больница №1 Университетская клиническая больница №2 Университетская клиническая больница №3 Университетская клиническая больница №4 Университетская клиническая больница №5 Сеченовский центр материнства и детства Центр Кардиоангиологии (НПЦИК) Стоматологический центр Институт медицинской паразитологии, тропических и трансмиссивных заболеваний им.

Е.И. Марциновского Клиника акушерства и гинекологии им. В.Ф. Снегирева Центр лечения аддиктивных расстройств

Новости

Профессор Владимир Анатольевич Парфенов рассказал, как замедлить надвигающуюся деменцию при болезни Альцгеймера

04.05.2023

В Клинике урологии имени Р.М. Фронштейна Сеченовского Университета провели первую операцию на новом роботе

20.04.2023

7 апреля – Всемирный день здоровья

07.04.2023

27 марта – День нефролога

27.03.2023

«Кардиопластырь» вместо холтера. В Сеченовском Университете взяли сердечный ритм под контроль искусственного интеллекта

09.03.2023

15 февраля – Международный день операционной медицинской сестры

15.02.2023

Все новости

Методы выборки из населения

ОБРАТИТЕ ВНИМАНИЕ:

В настоящее время мы обновляем эту главу, и мы ценим ваше терпение, пока она завершается.

 

Как правило, было бы нецелесообразно изучать всю совокупность, например, при проведении анкетирования. Выборка — это метод, который позволяет исследователям получать информацию о популяции на основе результатов, полученных от подмножества популяции, без необходимости исследовать каждого человека. Сокращение числа участников исследования снижает стоимость и рабочую нагрузку и может облегчить получение высококачественной информации, но это должно быть сбалансировано с наличием достаточно большого размера выборки с достаточной мощностью для обнаружения истинной связи. (Расчет размера выборки рассматривается в разделе 1B (статистика) программы DFPH.)

Если будет использована выборка, каким бы методом она ни была выбрана, важно, чтобы отобранные лица были репрезентативными для всего населения. Это может включать конкретное нацеливание на труднодоступные группы. Например, если для определения участников использовался городской список избирателей, некоторые люди, например бездомные, не были бы зарегистрированы и, следовательно, по умолчанию исключены из исследования.

Существует несколько различных методов выборки, которые можно разделить на две группы: вероятностная выборка и невероятностная выборка. При вероятностной (случайной) выборке вы начинаете с полной основы выборки всех подходящих лиц, из которых вы выбираете свою выборку. Таким образом, все подходящие лица имеют шанс быть выбранными для выборки, и вы сможете лучше обобщить результаты своего исследования. Методы вероятностной выборки, как правило, требуют больше времени и средств, чем невероятностная выборка. При невероятностной (неслучайной) выборке вы не начинаете с полной основы выборки, поэтому у некоторых людей нет шансов быть отобранными. Следовательно, вы не можете оценить влияние ошибки выборки, и существует значительный риск получения нерепрезентативной выборки, дающей необобщаемые результаты. Однако методы неслучайной выборки, как правило, дешевле и удобнее, и они полезны для поисковых исследований и выработки гипотез.

 

Методы вероятностной выборки

1. Простая случайная выборка

В этом случае каждый индивидуум выбирается совершенно случайно, и каждый член совокупности имеет равные шансы или вероятность быть отобранным. Один из способов получения случайной выборки состоит в том, чтобы дать каждому индивидууму в популяции номер, а затем использовать таблицу случайных чисел, чтобы решить, каких индивидуумов включить.

1 Например, если у вас есть основа выборки из 1000 человек, помеченная цифрами от 0 до 9.99, используйте группы из трех цифр из таблицы случайных чисел, чтобы выбрать образец. Итак, если первые три числа из таблицы случайных чисел были 094, выберите человека с пометкой «94» и так далее.

Как и все методы вероятностной выборки, простая случайная выборка позволяет рассчитать ошибку выборки и уменьшить погрешность отбора. Особым преимуществом является то, что это самый простой метод вероятностной выборки. Недостатком простой случайной выборки является то, что вы можете не выбрать достаточное количество людей с интересующей вас характеристикой, особенно если эта характеристика является необычной.

Также может быть сложно определить полную основу выборки и неудобно связываться с ними, особенно если требуются различные формы связи (электронная почта, телефон, почта) и ваши единицы выборки разбросаны по обширной географической территории.
 

2. Систематическая выборка

Отдельные лица отбираются через равные промежутки времени из основы выборки. Интервалы выбираются таким образом, чтобы обеспечить достаточный размер выборки. Если вам нужна выборка размером

n из совокупности размером x , вы должны выбрать для выборки каждого x/n ^th индивидов. Например, если вы хотите получить размер выборки 100 человек из совокупности в 1000 человек, выберите каждые 1000/100 = 10 ^th членов основы выборки.

Систематическая выборка часто более удобна, чем простая случайная выборка, и ею легко управлять. Однако это также может привести к систематической ошибке, например, если в порядке следования лиц в основе выборки имеются лежащие в основе закономерности, так что метод выборки совпадает с периодичностью лежащей в основе закономерности.

В качестве гипотетического примера, если группа студентов подвергалась выборке, чтобы узнать их мнение о возможностях колледжа, но центральный список всех студентов отдела учета студентов был составлен таким образом, что пол студентов чередовался между мужчинами и женщинами, выбирая равный интервал ( например каждые 20 ^-й -й студент) приведет к выборке всех мужчин или всех женщин. Хотя в этом примере смещение очевидно и должно быть легко исправлено, это не всегда так.
 

3. Стратифицированная выборка

В этом методе население сначала делится на подгруппы (или страты), которые имеют схожие характеристики. Он используется, когда мы можем обоснованно ожидать, что измерение интереса будет варьироваться между различными подгруппами, и мы хотим обеспечить представительство всех подгрупп. Например, при исследовании исходов инсульта мы можем стратифицировать население по полу, чтобы обеспечить равное представительство мужчин и женщин. Образец для исследования затем получается путем отбора образцов одинакового размера из каждой страты.

В стратифицированной выборке также может быть уместно выбирать неравные размеры выборки из каждой страты. Например, при исследовании состояния здоровья сестринского персонала в округе, если есть три больницы с разным количеством сестринского персонала (в больнице А 500 медсестер, в больнице В 1000, а в больнице С 2000), то будет уместно выбрать номера образцов из каждой больницы пропорционально (например, 10 из больницы А, 20 из больницы В и 40 из больницы С). Это обеспечивает более реалистичную и точную оценку состояния здоровья медсестер по всему округу, в то время как простая случайная выборка привела бы к чрезмерной репрезентативности медсестер из больниц A и B. На этапе анализа следует учитывать тот факт, что выборка была стратифицированной.

Стратифицированная выборка повышает точность и репрезентативность результатов за счет уменьшения смещения выборки. Однако для этого требуется знание соответствующих характеристик основы выборки (подробности о которых не всегда доступны), и может быть трудно решить, по каким характеристикам проводить стратификацию.
 

4. Кластерная выборка

В кластерной выборке в качестве единицы выборки используются подгруппы населения, а не отдельные лица. Население делится на подгруппы, известные как кластеры, которые выбираются случайным образом для включения в исследование. Кластеры обычно уже определены, например, отдельные врачебные практики или города могут быть идентифицированы как кластеры. При одноэтапной кластерной выборке в исследование включаются все члены выбранных кластеров. При двухступенчатой ​​кластерной выборке для включения случайным образом отбираются отдельные лица из каждого кластера. При анализе следует учитывать кластеризацию. Общее обследование домохозяйств, ежегодно проводимое в Англии, является хорошим примером (одноэтапной) кластерной выборки. В обследование включаются все члены выбранных домохозяйств (кластеров). ¹

Кластерная выборка может быть более эффективной, чем простая случайная выборка, особенно когда исследование проводится в широком географическом регионе. Например, легче связаться с большим количеством людей в нескольких клиниках общей практики, чем с несколькими людьми в разных клиниках общей практики. Недостатки включают повышенный риск систематической ошибки, если выбранные кластеры не являются репрезентативными для генеральной совокупности, что приводит к увеличению ошибки выборки.
 

Невероятностные методы выборки

1. Удобная выборка

Удобная выборка, пожалуй, самый простой метод выборки, поскольку участники отбираются на основе их доступности и готовности принять участие. Полезные результаты могут быть получены, но результаты подвержены значительной систематической ошибке, поскольку те, кто добровольно принимает участие, могут отличаться от тех, кто предпочитает не участвовать (предвзятость добровольцев), а выборка может не отражать другие характеристики, такие как возраст. или секс. Примечание: предвзятость добровольцев является риском для всех методов выборки, основанных на невероятности.
 

2. Выборка по квотам

Этот метод выборки часто используется исследователями рынка. Интервьюерам дается квота субъектов определенного типа, которых они пытаются завербовать. Например, интервьюеру может быть предложено выбрать 20 взрослых мужчин, 20 взрослых женщин, 10 девочек-подростков и 10 мальчиков-подростков, чтобы он мог взять у них интервью о просмотре телепередач. В идеале выбранные квоты должны пропорционально отражать характеристики основного населения.

Несмотря на то, что это имеет то преимущество, что является относительно простым и потенциально репрезентативным, выбранная выборка может не быть репрезентативной для других характеристик, которые не учитывались (следствие неслучайного характера выборки). ²
 

3. Суждение (или Целенаправленная) выборка

Этот метод, также известный как выборочная или субъективная выборка, основан на суждении исследователя при выборе того, кого просить об участии. Таким образом, исследователи могут имплицитно выбирать «репрезентативную» выборку в соответствии со своими потребностями или специально подходить к людям с определенными характеристиками. Этот подход часто используется средствами массовой информации при опросе общественного мнения и в качественных исследованиях.

Выборка на основе суждений имеет то преимущество, что она эффективна с точки зрения затрат времени и средств, и в то же время дает ряд ответов (особенно полезно в качественных исследованиях). Однако, в дополнение к предвзятости добровольцев, он также подвержен ошибкам суждений исследователя, и результаты, хотя и могут быть широкими, не обязательно будут репрезентативными.
 

4. Метод снежного кома

Этот метод обычно используется в социальных науках при исследовании труднодоступных групп. Существующих испытуемых просят назвать других известных им предметов, поэтому выборка увеличивается в размере, как катящийся снежный ком. Например, при проведении исследования рискованного поведения среди лиц, употребляющих наркотики внутривенно, участников могут попросить назвать других лиц, которые будут опрошены.

Выборка методом снежного кома может быть эффективной, когда трудно определить основу выборки. Однако при выборе друзей и знакомых уже исследованных субъектов существует значительный риск систематической ошибки отбора (выбор большого количества людей со сходными характеристиками или взглядами с первоначальным идентифицированным человеком).
 

Погрешность выборки

Существует пять важных потенциальных источников систематической ошибки, которые следует учитывать при отборе выборки, независимо от используемого метода. Систематическая ошибка выборки может быть введена, когда: ¹

1. Любые предварительно согласованные правила отбора проб отклоняются от
2. Люди в труднодоступных группах опущены
3. Выбранные лица заменяются другими, например, если с ними трудно связаться
4. Низкая частота ответов
5. В качестве основы выборки используется устаревший список (например, если он исключает людей, которые недавно переехали в какой-либо район)

Другие потенциальные проблемы, связанные со стратегиями выборки, рассматриваются в главе 8 этого раздела (« Источники вариации, ее измерение и контроль “).

 

Ссылки

1. Ben-Shlomo Y, Brookes S, Hickman M. 2013.  Lecture Notes: Эпидемиология, доказательная медицина и общественное здравоохранение 9 0040  (6-е изд.), Wiley-Blackwell, Оксфорд .
    
2. http://www.stats.gla.ac.uk/steps/glossary/sampling.html — по состоянию на 04.08.17

 

 

 

© Helen Barratt 2009, Saran Shantikumar 2018

 

 

Методы отбора проб | Типы, методы и примеры

Опубликован в 19 сентября 2019 г. к Шона МакКомбс. Отредактировано 27 марта 2023 г.

Когда вы проводите исследование группы людей, редко возможно собрать данные о каждом человеке в этой группе. Вместо этого вы выбираете образец . Выборка – это группа лиц, которые фактически будут участвовать в исследовании.

Чтобы сделать обоснованные выводы из ваших результатов, вы должны тщательно решить, как вы будете выбирать образец, который репрезентативен для группы в целом. Это называется методом выборки . Существует два основных типа методов выборки, которые вы можете использовать в своих исследованиях:

• Вероятностная выборка предполагает случайный отбор, что позволяет делать убедительные статистические выводы о всей группе.
• Невероятностная выборка предполагает неслучайный отбор на основе удобства или других критериев, что позволяет легко собирать данные.

Вы должны четко объяснить, как вы отобрали образец в методологическом разделе вашей статьи или диссертации, а также как вы подошли к минимизации систематической погрешности исследования в своей работе.

Содержание

1. Совокупность и выборка
2. Вероятностные методы выборки
3. Невероятностные методы выборки
4. Часто задаваемые вопросы о выборке

Население и выборка

Во-первых, вам необходимо понять разницу между генеральной совокупностью и выборкой и определить целевую совокупность вашего исследования.

• Население — это вся группа, о которой вы хотите сделать выводы.
• Образец — это конкретная группа лиц, от которых вы будете собирать данные.

Население можно определить по географическому положению, возрасту, доходу или многим другим характеристикам.

Он может быть очень широким или очень узким: может быть, вы хотите сделать выводы обо всем взрослом населении вашей страны; возможно, ваше исследование сосредоточено на клиентах определенной компании, пациентах с определенным заболеванием или учащихся одной школы.

Важно тщательно определить целевую аудиторию в соответствии с целью и практичностью вашего проекта.

Если население очень большое, демографически смешанное и географически рассредоточенное, может быть трудно получить доступ к репрезентативной выборке. Отсутствие репрезентативной выборки влияет на достоверность ваших результатов и может привести к некоторым систематическим ошибкам исследования, в частности к систематической ошибке выборки.

Рамка для отбора проб

Основой выборки является фактический список лиц, из которых будет составлена ​​выборка. В идеале он должен включать все целевое население (и никого, кто не является частью этого населения).

Пример: Рамка выборкиВы проводите исследование условий труда в компании, занимающейся маркетингом в социальных сетях. Ваше население – это все 1000 сотрудников компании. Ваша основа выборки — это база данных отдела кадров компании, в которой перечислены имена и контактные данные каждого сотрудника.

Размер образца

Количество лиц, которых следует включить в выборку, зависит от различных факторов, в том числе от размера и изменчивости населения и дизайна вашего исследования. Существуют различные калькуляторы размера выборки и формулы в зависимости от того, чего вы хотите достичь с помощью статистического анализа.

Методы вероятностной выборки

Вероятностная выборка означает, что каждый член совокупности имеет шанс быть отобранным. Он в основном используется в количественных исследованиях. Если вы хотите получить результаты, репрезентативные для всего населения, методы вероятностной выборки являются наиболее правильным выбором.

Существует четыре основных типа вероятностной выборки.

1. Простая случайная выборка

В простой случайной выборке каждый член населения имеет равные шансы быть выбранным. Ваша основа выборки должна включать все население.

Для проведения этого типа выборки вы можете использовать такие инструменты, как генераторы случайных чисел или другие методы, полностью основанные на случайности.

Пример: простая случайная выборкаВы хотите выбрать простую случайную выборку из 1000 сотрудников компании, занимающейся маркетингом в социальных сетях. Вы присваиваете номер каждому сотруднику в базе данных компании от 1 до 1000 и используете генератор случайных чисел, чтобы выбрать 100 номеров.

2. Систематический отбор проб

Систематическая выборка похожа на простую случайную выборку, но обычно ее немного проще проводить. Каждому члену населения присваивается номер, но вместо того, чтобы генерировать случайным образом числа, люди выбираются через равные промежутки времени.

Пример: Систематическая выборка Все сотрудники компании перечислены в алфавитном порядке. Из первых 10 номеров вы случайным образом выбираете начальную точку: номер 6. Начиная с номера 6, выбирается каждый 10-й человек в списке (6, 16, 26, 36 и т. д.), и вы получаете выборку из 100 человек.

Если вы используете этот метод, важно убедиться, что в списке нет скрытого шаблона, который может исказить выборку. Например, если база данных HR группирует сотрудников по командам, а члены команды перечислены в порядке старшинства, существует риск того, что ваш интервал может пропустить людей с младшими ролями, что приведет к смещению выборки в сторону старших сотрудников.

3. Стратифицированная выборка

Стратифицированная выборка включает разделение генеральной совокупности на подгруппы, которые могут существенно различаться. Это позволяет сделать более точные выводы, убедившись, что каждая подгруппа правильно представлена ​​в выборке.

Чтобы использовать этот метод выборки, вы делите население на подгруппы (называемые слоями) на основе соответствующих характеристик (например, гендерная идентичность, возрастной диапазон, уровень дохода, должность).

Основываясь на общей пропорции населения, вы рассчитываете, сколько людей должно быть выбрано из каждой подгруппы. Затем вы используете случайную или систематическую выборку, чтобы выбрать образец из каждой подгруппы.

Пример: стратифицированная выборка. В компании работает 800 женщин и 200 мужчин. Вы хотите, чтобы выборка отражала гендерный баланс компании, поэтому вы разделяете население на две страты в зависимости от пола. Затем вы используете случайную выборку для каждой группы, выбирая 80 женщин и 20 мужчин, что дает вам репрезентативную выборку из 100 человек.

4. Кластерная выборка

Кластерная выборка также предполагает разделение генеральной совокупности на подгруппы, но каждая подгруппа должна иметь сходные характеристики со всей выборкой. Вместо выборки отдельных лиц из каждой подгруппы вы случайным образом выбираете целые подгруппы.

Если это практически возможно, вы можете включить каждого человека из каждого отобранного кластера. Если кластеры сами по себе большие, вы также можете выбрать людей из каждого кластера, используя один из описанных выше методов. Это называется многоступенчатой ​​выборкой.

Этот метод хорош для работы с большими и рассредоточенными совокупностями, но риск ошибки в выборке выше, поскольку между кластерами могут быть существенные различия. Трудно гарантировать, что выбранные кластеры действительно репрезентативны для всего населения.

Пример: кластерная выборка. У компании есть офисы в 10 городах по всей стране (во всех примерно одинаковое количество сотрудников, занимающих одинаковые должности). У вас нет возможности посещать каждый офис для сбора данных, поэтому вы используете случайную выборку для выбора 3 офисов — это ваши кластеры.

Невероятностные методы выборки

В неслучайной выборке лица отбираются на основе неслучайных критериев, и не каждый человек имеет шанс быть включенным.

Этот тип выборки легче и дешевле получить, но он имеет более высокий риск систематической ошибки выборки. Это означает, что выводы, которые вы можете сделать о совокупности, слабее, чем с вероятностными выборками, и ваши выводы могут быть более ограниченными. Если вы используете невероятностную выборку, вы все равно должны стремиться сделать ее максимально репрезентативной для генеральной совокупности.

Методы невероятностной выборки часто используются в поисковых и качественных исследованиях. В этих типах исследований цель состоит не в том, чтобы проверить гипотезу о широкой популяции, а в том, чтобы развить первоначальное понимание небольшой или недостаточно изученной популяции.

1. Удобный отбор проб

Удобная выборка просто включает людей, которые оказались наиболее доступными для исследователя.

Это простой и недорогой способ сбора исходных данных, но нет способа определить, является ли выборка репрезентативной для генеральной совокупности, поэтому он не может дать обобщаемых результатов. Удобные выборки подвержены риску как систематической ошибки выборки, так и систематической ошибки отбора.

Пример: удобная выборка. Вы изучаете мнения о службах поддержки студентов в вашем университете, поэтому после каждого занятия вы просите своих сокурсников заполнить опрос по этой теме. Это удобный способ сбора данных, но, поскольку вы опрашивали только студентов, посещающих те же курсы, что и вы, на том же уровне, выборка не является репрезентативной для всех студентов вашего университета.

2. Выборка добровольных ответов

Подобно выборке для удобства, выборка добровольных ответов в основном основана на простоте доступа. Вместо того, чтобы исследователь выбирал участников и напрямую связывался с ними, люди добровольно выступают сами (например, отвечая на общедоступный онлайн-опрос).

Выборки добровольных ответов всегда, по крайней мере, несколько предвзяты, поскольку некоторые люди по своей природе более склонны к добровольному участию, чем другие, что приводит к систематической ошибке самоотбора.

Пример: добровольная выборка ответов. Вы рассылаете опрос всем студентам вашего университета, и многие студенты решают его заполнить. Это, безусловно, может дать вам некоторое представление о теме, но люди, которые ответили, скорее всего, будут теми, кто имеет твердое мнение о службах поддержки студентов, поэтому вы не можете быть уверены, что их мнения репрезентативны для всех студентов.

3. Целевой отбор проб

Этот тип выборки, также известный как выборка на основе суждения, заключается в том, что исследователь использует свой опыт для выбора выборки, наиболее полезной для целей исследования.

Часто используется в качественных исследованиях, когда исследователь хочет получить подробные сведения о конкретном явлении, а не делать статистические выводы, или когда популяция очень мала и специфична. Эффективная целевая выборка должна иметь четкие критерии и обоснование включения. Всегда обязательно описывайте свои критерии включения и исключения и остерегайтесь предвзятости наблюдателя, влияющей на ваши аргументы.

Пример: целевая выборка. Вы хотите узнать больше о мнениях и опыте студентов-инвалидов в вашем университете, поэтому вы целенаправленно выбираете несколько студентов с разными потребностями в поддержке, чтобы собрать разнообразные данные об их опыте использования студенческих услуг.

4. Отбор проб методом снежного кома

Если доступ к популяции затруднен, можно использовать метод снежного кома для набора участников через других участников. Количество людей, у которых есть доступ к «снежным комам», по мере того, как вы общаетесь с большим количеством людей. Недостатком здесь также является репрезентативность, поскольку у вас нет возможности узнать, насколько репрезентативна ваша выборка из-за зависимости от участников, набирающих других. Это может привести к систематической ошибке выборки.

Пример: выборка методом снежного кома. Вы изучаете ситуацию с бездомностью в своем городе. Поскольку нет списка всех бездомных в городе, вероятностная выборка невозможна. Вы встречаете человека, который соглашается участвовать в исследовании, и она знакомит вас с другими бездомными, которых она знает в этом районе.

5. Выборка квот

Выборка по квоте основывается на неслучайном выборе заранее определенного количества или пропорции единиц. Это называется квота.

Сначала вы делите население на взаимоисключающие подгруппы (называемые слоями), а затем набираете выборочные единицы, пока не достигнете своей квоты. Эти единицы имеют определенные характеристики, определенные вами до формирования вашей страты. Целью квотной выборки является контроль того, что или кто составляет вашу выборку.

Пример: квотная выборка. Вы хотите оценить интерес потребителей к новой службе доставки продуктов в Бостоне, ориентируясь на диетические предпочтения. Вы делите население на мясоедов, вегетарианцев и веганов, взяв за основу 1000 человек. Поскольку компания хочет обслуживать всех потребителей, вы устанавливаете квоту в 200 человек для каждой диетической группы. Таким образом, все пищевые предпочтения в равной степени представлены в вашем исследовании, и вы можете легко сравнивать эти группы. Вы продолжаете набор до тех пор, пока не достигнете квоты в 200 участников для каждой подгруппы.


Часто задаваемые вопросы о взятии проб

Что такое выборка?

Выборка представляет собой подмножество лиц из большей совокупности. Выборка означает выбор группы, из которой вы действительно будете собирать данные в своем исследовании. Например, если вы изучаете мнения студентов своего университета, вы можете опросить выборку из 100 студентов.

В статистике выборка позволяет проверить гипотезу о характеристиках населения.

Почему образцы используются в исследованиях?

org/Answer”>

Выборки используются для получения выводов о популяциях . Образцы легче собирать данные, потому что они практичны, экономичны, удобны и управляемы.

Что такое невероятностная выборка?

При невероятностной выборке выборка формируется на основе неслучайных критериев, и не каждый член совокупности имеет шанс быть включенным.

Общие методы невероятностной выборки включают выборку по удобству, выборку добровольных ответов, целенаправленную выборку, выборку методом снежного кома и выборку по квоте.

Что такое многоступенчатая выборка?

org/Answer”>

При многоступенчатой ​​выборке или многоступенчатой ​​кластерной выборке вы берете выборку из генеральной совокупности, используя все меньшие и меньшие группы на каждом этапе.

Этот метод часто используется для сбора данных от большой, географически разбросанной группы людей, например, в национальных опросах. Вы пользуетесь иерархическими группировками (например, от штата к городу и району), чтобы создать выборку, сбор данных по которой требует меньше времени и средств.

Процитировать эту статью Scribbr

Если вы хотите процитировать этот источник, вы можете скопировать и вставить цитату или нажать кнопку «Цитировать эту статью Scribbr», чтобы автоматически добавить цитату в наш бесплатный генератор цитирования.

МакКомбс, С. (2023, 27 марта). Методы отбора проб | Типы, методы и примеры. Скриббр. Проверено 7 мая 2023 г.