Mintavételes eljárások

Slides:



Advertisements
Hasonló előadás
Budapest, október 26. MLSZ Játékvezetői Bizottság.
Advertisements

Beruházási és finanszírozási döntések kölcsönhatásai 1.
ISKOLAKÉSZÜLTSÉG – AZ ADAPTÍV VISELKEDÉS FEJLETTSÉGE dr. Torda Ágnes gyógypedagógus, klinikai gyermek-szakpszichológus Vizsgálóeljárás az iskolába lépéshez.
Az Európai Unió gazdasági joga II. Dr. Nagy Csongor István egyetemi docens.
Gazdaságstatisztika, 2015 RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA Gazdaságstatisztika október 20.
1 Az önértékelés mint projekt 6. előadás 1 2 Az előadás tartalmi elemei  A projekt fogalma  A projektek elemei  A projekt szervezete  Projektfázisok.
Informatikai rendszerek általános jellemzői 1.Hierarchikus felépítés Rendszer → alrendszer->... → egyedi komponens 2.Az elemi komponensek halmaza absztrakciófüggő.
TEROTECHNOLÓGIA Az állóeszközök újratermelési folyamata.
Kockázat és megbízhatóság
Gazdasági informatika - bevezető
Számítógépes szimuláció
tananyag =előadások és gyakorlatok anyaga (írott és elmondott is)
A szerkezetátalakítási programban bekövetkezett változások
Bevezetés Biometria I. Molnár Péter Állattani Tanszék
2. előadás Viszonyszámok
Becslés gyakorlat november 3.
Mintavétel és becslés október 25. és 27.
A FELÜGYELŐBIZOTTSÁG BESZÁMOLÓJA A VSZT
Komplex természettudomány 9.évfolyam

Öröklési szerződés és Köteles rész
Kockázat és megbízhatóság
Egy üzemben sok gyártósoron gyártanak egy bizonyos elektronikai alkatrészt. Az alkatrészek ellenállását időnként ellenőrzik úgy, hogy egy munkás odamegy.
Kockázat és megbízhatóság
Civil szervezetek tapasztalatai a tisztességtelen kereskedelmi gyakorlatok tükrében Dr. Nagy Márta Eger.
SZÁMVITEL.
TMF Termékminőségi Felülvizsgálat Dr
Mintavétel és becslés október 27. és 29.
Becsléselmélet - Konzultáció
SZÁMVITEL.
SZÁMVITEL.
Követelményelemzés Cél: A rendszer tervezése, a feladatok leosztása.
KRE-AKTÍV motivációs projekt
CSOPORT - A minőségellenőrök egy megfelelő csoportja
Algoritmusok és Adatszerkezetek I.
Kereskedelmi szerződések joga
Monte Carlo integrálás
Mintavételes eljárások
Kvantitatív módszerek
Hipotézisvizsgálat.
A földrajzi kísérletek szervezése és végrehajtása
Mintavételes eljárások
Munkavégzésre irányuló jogviszonyok
Tartalékolás 1.
A PDCA elv alkalmazása az információvédelmi irányítási rendszerekben 1
Varianciaanalízis- ANOVA (Analyze Of VAriance)
SZÁMVITEL Dr. Ormos Mihály egyetemi tanár
Kvantitatív módszerek
Kvantitatív módszerek
Business Mathematics
Grosz imre f. doc. Kombinációs hálózatok /43 kép
Az ASP.ADO szakrendszerhez csatlakozó önkormányzatok adattisztítási, migrációs feladatai dr. Kása Brigitta aljegyző Eger,
Algoritmusok és Adatszerkezetek I.
Tilk Bence Konzulens: Dr. Horváth Gábor
Tájékoztató az Önkormányzati ASP Projektről
Kvantitatív módszerek
Munkanélküliség.
AVL fák.
Compliance és Corporate Governance
A villamos installáció problémái a tűzvédelem szempontjából
Új pályainformációs eszközök - filmek
TÁRGYI ESZKÖZÖK ELSZÁMOLÁSA
Megfigyelés és kísérlet
Gazdaságinformatikus MSc
Alkalmazott statisztikai alapok: A mintavétel
Csordásné Marton Melinda
Kísérlettervezés 2018/19.
Alkalmazott statisztikai alapok: A mintavétel
Üzlezi információelemző specializió
Intuitív szakértői módszerek
Előadás másolata:

Mintavételes eljárások 1. előadás Üzleti statisztika

Sokaság: a megfigyelés tárgyát képező egyedek összessége Minta: sokaság kiválasztott elemeinek része

Kontrollált kísérletek végtelen sokaságról való informálódás eszköze arra ad választ, hogy a kísérlet végzője által megtervezett feltétel együttesek (kezelések) milyen eredményre vezetnek.

Reprezentatív megfigyelés A mintavételből származó eredményeket a sokaság egészének jellemzésére használják, azaz általánosítanak a teljes sokaságra. A reprezentatív minta: tükrözi az alap-sokaságot, annak tulajdonságait, össze-tételét. Mindig megadható a mintavételi hiba, azaz, hogy a mintavétel tényéből mekkora hiba fakad.

Nem reprezentatív megfigyelés (egyéb részleges megfigyelés) Nincs benne az általánosításra való törekvés, a következtetések kizárólag megfigyelt egyedekre vonatkoznak.

Véletlenen alapuló kiválasztás módjai

Kiválasztás véletlenszerűségét biztosítja: Sorsolással történő kiválasztás Véletlenszám generálással Szisztematikus kiválasztás (lista, térkép, bizonyos időközök alapján)

FAE - független, azonos eloszlású minta Homogén és végtelen (nagyon nagy) számosságú sokaságból veszünk mintát visszatevéssel vagy visszatevés nélkül. Hasonló eredményre vezet, ha véges sokaságból egyenlő valószínűséggel visszatevéses mintát veszünk. Gyakorlati alkalmazása: elsősorban a tömegtermelés minőségellenőrzésénél.

EV - egyszerű véletlen minta Homogén és véges elemszámú sokaság esetén alkalmazható. A mintát visszatevés nélkül választjuk ki. Minden lehetséges n elemű minta kiválasztásának a valószínűsége azonos. Hasonló a FAE mintához, de véges és kisebb elemszámú sokaságok esetén inkább ez használatos.

R - rétegzett mintavétel Heterogén sokaság esetén alkalmazható. A fősokaságot valamilyen ismérv szerint átfedés-mentesen homogén rétegekre osztjuk. Az egyes rétegeken belül egymástól függetlenül EV (ritkábban FAE) mintát veszünk. Azonos mintanagyság esetén a vizsgált jellemzőkre (, ) kisebb hibát kapunk, mint az EV mintavétellel feltéve, hogy a rétegezés jó volt.

Egyenletes rétegzés

Arányos rétegzés

Neyman-féle optimális rétegzés nagyobb rétegekből nagyobb mintát vesz a változékonyabb, heterogénebb rétegekből szintén nagyobb mintát vesz

Költség-optimális rétegzés az egyes rétegek szórása mellett figyelembe vesszük az egyes rétegek megfigyelésének költségét is adott költségkeret mellett minimális hibát eredményez

CS - csoportos (egylépcsős) mintavétel Homogén, véges sokaság esetén, ha nem áll rendelkezésre a sokasági elemek teljes listája, de nagyobb csoportokra rendelkezünk listával. Ha a csoportok a koncentráltságuk miatt könnyebben, olcsóbban figyelhetők meg, mint az egyedek. Először a csoportok halmazából EV mintát veszünk, majd az így kiválasztott csoportokat teljes körűen megfigyeljük (pl: iskolások drogfogyasztási szokásai).

TL - többlépcsős mintavétel hasonló esetekben használjuk, mint a csoportos mintavételt itt több lépcsőben jutunk el a végső megfigyelési egységhez leggyakoribb a kétlépcsős először EV mintavétellel kiválasztjuk a csoportokat, majd a csoporton belül is EV mintavételt végzünk

Grafikusan ábrázolva

Nem véletlen mintavételi eljárások 1.Szisztematikus kiválasztás ha n elemű mintát akarunk venni egy N elemű sokaságból, akkor meghatározva a k=N/n lépésközt a k0 véletlen kezdőpontból kiindulva minden k-adik elemet figyeljük meg: k0, k0+k, k0 +2k; … A minta gyorsan és mechanikusan kiválasztható. Egybeeshet az EV megfigyeléssel, ha az elemek felsorolása független a megfigyelés tárgyától.

Nem véletlen mintavételi eljárások 2.) Kvótás kiválasztás 3.) Koncentrált kiválasztás 4.) Hólabda kiválasztás 5.) Önkényes (szubjektív) kiválasztás

Ismételt vagy másodlagos mintavételi eljárások jellemzői Speciális csoport a gyakorlatban alkalmazott mintavételi módok között. Elvi alapja az a felismerés, hogy a tényleges mintavétel igen költséges, míg a számítógép használata egyre olcsóbb! → a meglévő kisebb és olcsóbb mintákat számítógépes módszerekkel megtöbbszörözik. A meglévő mintából újabb mintákat képeznek azért, hogy a mintában lévő információkat jobban kihasználják.

Ismételt vagy másodlagos mintavételi eljárások 1.) Független részminták módszere 2.) Kiegyensúlyozott ismétlések 3.) Jackknife módszer 4.) Bootstrap módszer

Mintavételezés során felmerülő hibák lehetnek: Mintavételi hiba: nem reprezentál Nem mintavételi hiba: Fedési hiba (nem mindenkinek van esélye bekerülni) Nem válaszolási hiba (nem mindenki válaszol) Mérési hiba ( eszköz hiba, válaszok hiteltelensége) Feldolgozási hiba