systematische bemonstering is een statistische methode waarbij elementen uit een geordend bemonsteringskader worden geselecteerd. De meest voorkomende vorm van systematische bemonstering is een equiprobability methode. In deze aanpak, progressie door de lijst wordt behandeld circulair, met een terugkeer naar de top zodra het einde van de lijst is gepasseerd., De bemonstering begint door willekeurig een element uit de lijst te selecteren en vervolgens wordt elk KDE-element in het frame geselecteerd, waarbij k het bemonsteringsinterval is (ook wel het overslaan genoemd): dit wordt berekend als:
k = N n {\displaystyle k={\frac {N}{n}}} 
waarbij n de steekproefgrootte is en N de populatiegrootte.
met behulp van deze procedure heeft elk element in de populatie een bekende en gelijke kans op Selectie. Dit Maakt systematische bemonstering functioneel vergelijkbaar met eenvoudige aselecte bemonstering (SRS)., Het is echter niet hetzelfde als SRS omdat niet elk mogelijk monster van een bepaalde grootte een gelijke kans heeft om te worden gekozen (zo zullen monsters met ten minste twee naast elkaar liggende elementen nooit door systematische bemonstering worden gekozen). Het is echter veel efficiënter (als de variantie binnen de systematische steekproef meer is dan de variantie van de populatie).
systematische bemonstering wordt alleen toegepast als de gegeven populatie logischerwijs homogeen is, omdat de systematische steekproefeenheden gelijkmatig over de populatie zijn verdeeld., De onderzoeker moet ervoor zorgen dat het gekozen bemonsteringsinterval geen patroon verbergt. Elk patroon zou willekeur bedreigen.
voorbeeld: Stel dat een supermarkt de koopgewoonten van zijn klanten wil bestuderen, dan kunnen zij met behulp van systematische bemonstering elke 10e of 15e klant kiezen die de supermarkt binnenkomt en de studie op deze steekproef uitvoeren.
Dit is willekeurige bemonstering met een systeem. Uit het steekproefkader wordt willekeurig een beginpunt gekozen, en daarna worden de keuzes op regelmatige tijdstippen gemaakt. Stel dat je bijvoorbeeld 8 huizen wilt proeven van een straat met 120 huizen., 120/8 = 15, dus elk 15e huis wordt gekozen na een willekeurig startpunt tussen 1 en 15. Als het willekeurige startpunt 11 is, dan zijn de geselecteerde huizen 11, 26, 41, 56, 71, 86, 101, en 116. Als een terzijde, als elk 15e huis was een “hoek huis” dan dit hoekpatroon kan de willekeur van het monster te vernietigen.
Als, zoals vaker, de bevolking niet gelijk deelbaar is (stel dat u 8 huizen van de 125 wilt bemonsteren, waarbij 125/8=15.625), moet u dan elk 15e huis of elk 16e huis nemen?, Als je elk 16de huis neemt, 8 * 16 = 128, dan bestaat het risico dat het laatst gekozen huis niet bestaat. Aan de andere kant, als je elk 15e huis neemt, 8*15=120, dus de laatste vijf huizen zullen nooit worden geselecteerd. Het willekeurige beginpunt moet in plaats daarvan worden geselecteerd als een niet-geheel getal tussen 0 en 15.625 (inclusief op één eindpunt alleen) om ervoor te zorgen dat elk huis heeft gelijke kans om te worden geselecteerd; het interval moet nu niet integraal zijn (15.625); en elk geselecteerd niet-geheel getal moet worden afgerond naar het volgende gehele getal. Als het willekeurige beginpunt 3 is.,6, dan zijn de geselecteerde huizen 4, 20, 35, 50, 66, 82, 98, en 113, waar er 3 cyclische intervallen van 15 en 4 intervallen van 16 zijn.
om het gevaar te illustreren van het systematisch overslaan van een patroon, stel dat we een geplande buurt zouden proberen waar elke straat tien huizen op elk blok heeft. Dit plaatsen huizen No. 1, 10, 11, 20, 21, 30… Op Blok hoeken; hoek blokken kunnen minder waardevol zijn, omdat meer van hun gebied wordt ingenomen door straat front etc. die niet beschikbaar is voor bouwdoeleinden., Als we dan elk 10e huishouden steekproef, onze steekproef zal ofwel bestaan uit alleen hoekhuizen (als we beginnen bij 1 of 10) of hebben geen hoekhuizen (een andere start); hoe dan ook, het zal niet representatief zijn.
systematische bemonstering kan ook worden gebruikt met niet-gelijke kans op Selectie. In dit geval, in plaats van gewoon door elementen van de populatie te tellen en elke KDE-eenheid te selecteren, wijzen we elk element een ruimte toe langs een getallenlijn volgens de kans op Selectie., We genereren dan een willekeurige start van een uniforme verdeling tussen 0 en 1, en bewegen langs de getallenlijn in stappen van 1.
voorbeeld: we hebben een populatie van 5 eenheden (A tot en met E). We willen eenheid A een kans van 20% op Selectie geven, eenheid B een kans van 40%, enzovoort tot eenheid E (100%). Aangenomen dat we alfabetische volgorde aanhouden, wijzen we elke eenheid toe aan het volgende interval:
Leave a Reply