Mintavételes eljárások

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

I. előadás.
Statisztika II. I. Dr. Szalka Éva, Ph.D..
BECSLÉS A sokasági átlag becslése
Készítette: Babinszki Helga TEJ3W9
Optimális rétegzés és településrétegzési vizsgálatok a KSH lakossági felvételeiben Fraller Gergely.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Összetett kísérleti tervek és kiértékelésük
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
A többszörös összehasonlítás gondolatmenete. Több mint két statisztikai döntés egy vizsgálatban? Mi történik az elsõ fajú hibával, ha két teljesen független.
A PEDAGÓGIAI KUTATÁS FOLYAMATA
Két változó közötti összefüggés
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Általános statisztika II.
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék STATISZTIKA I. 11. Előadás.
Gazdaságelemzési és Statisztikai Tanszék
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Statisztika II. IV. Dr. Szalka Éva, Ph.D..
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
Mintavételes eljárások
Regresszióanalízis 10. gyakorlat.
A PEDAGÓGIAI KUTATÁS Dr. Molnár Béla Ph.D.. 1. PEDAGÓGIAI KUTATÁS CÉLJA, TÁRGYA Célja, hogy az új ismeretek feltárásával, pontosabbá tételével, elmélyítésével.
Nem-paraméteres eljárások, több csoport összehasonlítása
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Statisztika II. III. Dr. Szalka Éva, Ph.D..
Alapfogalmak Alapsokaság, valamilyen véletlen tömegjelenség.

A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
STATISZTIKA II. 2. Előadás
STATISZTIKA II. 4. Előadás
STATISZTIKA II. 6. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Statisztika.
Kvantitatív Módszerek
Valószínűségszámítás
Gazdaságstatisztika Bevezetés szeptember 11.
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
Hipotézis vizsgálat (2)
Alapsokaság (populáció)
Hipotézis vizsgálat.
Többtényezős ANOVA.
Az üzleti rendszer komplex döntési modelljei (Modellekkel, számítógéppel támogatott üzleti tervezés) II. Hanyecz Lajos.
I. előadás.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások.
A kombinációs táblák (sztochasztikus kapcsolatok) elemzése
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Kutatásmódszertani dilemmák
 A matematikai statisztika a természet és társadalom tömeges jelenségeit tanulmányozza.  Azokat a jelenségeket, amelyek egyszerre nagyszámú azonos tipusú.
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.
Kvantitatív módszerek 2014 ősz MINTAVÉTEL, LEÍRÓ STATISZTIKA Kvantitatív módszerek szeptember 30.
Gazdaságstatisztika Becsléselmélet október 30. és november 5.
Kvantitatív módszerek 2013 ősz MINTAVÉTEL, LEÍRÓ STATISZTIKA Kvantitatív módszerek október 1.
Mintavétel.
Kvantitatív módszerek
Kvantitatív módszerek MBA és Számvitel mesterszak
I. Előadás bgk. uni-obuda
Szabályozott és képes termékek/szolgáltatások, folyamatok, rendszerek
Informatikai Tudományok Doktori Iskola
A mintavétel.
Alkalmazott statisztikai alapok: A mintavétel
Mérési skálák, adatsorok típusai
Mintavételes eljárások
Előadás másolata:

Mintavételes eljárások 2. hét Mintavételes eljárások

Adatszerzési módok típusai

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

Reprezentatív megfigyelés A legfontosabb adatfelvételi módszer. A statisztikai következtetéselmélet kiindulópontja. A mintavételből származó minden eredményt a sokaság egészének jellemzésére használják fel, azaz általánosítanak a teljes sokaságra. Reprezentatív a minta, ha tükrözi az alapsokaságot, annak jellemzőit, tulajdonságait, összetételét. 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.

A statisztikai következtetéselmélet Célja: a részleges megfigyelések eredményeiből következtetés a sokaságra. Területei: A mintavétel módszertana és gyakorlata. A becslési eljárás. Hipotézisvizsgálat. Több változó kapcsolatának, együttmozgásának vizsgálata.

A mintavétel Célja: a megszerzett adatok alapján megalapozott következtetéseket hozni az alapsokaságra vonatkozóan. Lépései: A minta és a mintavétel megtervezése, mintaelemek kijelölése. A kijelölt mintaelemek megfigyelése. A mintavételi hiba kezelésének megtervezése.

A mintavételi hiba A vizsgált mutató lehetséges mintákból számított értékeinek átlagos eltérését mutatja a megfelelő sokasági értéktől. Típusai: Nemmintavételi hiba Mintavételi hiba A mintavételi hiba függ: A sokaság jellegétől. Az alkalmazott mintavételi eljárástól. A vizsgált mutatószám fajtájától. A minta nagyságától.

Véletlenen alapuló kiválasztás

I. FAE - független, azonos eloszlású minta Jellemzői: Homogén, végtelen sokaságból veszünk véletlen, visszatevéses vagy visszatevés nélküli mintát. Véges sokaságból azonos valószínűséggel veszünk visszatevéses mintát. Gyakorlati alkalmazása elsősorban a tömegtermelés minőségellenőrzésénél célszerű. Hibája: A sokasági szórás gyakran ismeretlen. Sokszor több változó vizsgálata a cél – a mintaelemszám meghatározása problémás.

II. 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.

EV - egyszerű véletlen minta Előnye: A visszatevés a gyakorlatban nem mindig, vagy nem teljeskörűen hajtható végre. Azonos elem ismételt megfigyelése felesleges. Hátránya: A megfigyelt sokaságok többnyire nem homogének. Lépései: A komplett lista összeállítása. A mintanagyság meghatározása. A minta kiválasztása.

III. R - rétegzett mintavétel Jellemzői: Heterogén sokaság esetén alkalmazható. Előzetes információ áll rendelkezésre arra nézve, hogy a sokaságot homogén osztályokba lehet sorolni. Lépései: Először a fősokaságot valamilyen ismérv szerint átfedés-mentesen homogén rétegekre osztjuk. Ezután az egyes rétegeken belül egymástól függetlenül EV (ritkábban FAE) mintát veszünk. Előnye: Azonos mintanagyság esetén a vizsgált jellemzőkre (, ) kisebb hibát kapunk, mint az EV mintavétellel feltéve, hogy a rétegezés jó volt. TÍPUSAI

1. Egyenletes rétegzés Jellemző: Minden egyes rétegbe azonos számú mintaelem kerül. Előnye: Egyszerű. Végrehajtása kényelmes. Könnyű az egyes rétegeket számszerűen jellemezni. N1≠N2, de n1= n2

2. Arányos rétegzés Jellemző: A mintába a sokasági arányoknak megfelelően választjuk meg az elemszámot. Előnye: Ha a rétegenkénti sokasági szórást nem ismerjük, az ebből számított mutatók mintavételi hibája minimális. A mintából számított főátlag hibája sohasem nagyobb, mint EV mintavételnél. .

3. Neyman-féle optimális rétegzés Jellemzői: A szórások alapján osztja a mintát. Nagyobb rétegekből nagyobb mintát vesz. A változékonyabb, heterogénebb rétegekből szintén nagyobb mintát vesz. Előnye: Főátlag becslése során a mintavételi hiba minimális. Hátránya: σj ritkán ismert.

4. Költség-optimális rétegzés Jellemzői: Az egyes rétegek szórása mellett ismerjük és a kiválasztásnál figyelembe vesszük az egyes rétegek megfigyelésének költségét is. Adott költségkeret mellett minimális hibát eredményez. Képlete: ahol πj az egyes rétegek elemeinek megfigyelési egységköltsége.

IV. CS - csoportos (egylépcsős) mintavétel Homogén, véges sokaság esetén használható, ha nem áll rendelkezésre a sokasági elemek teljes listája, de nagyobb csoportokra rendelkezünk listával. a csoportok a koncentráltságuk miatt könnyebben, olcsóbban figyelhetők meg, mint az egyedek. Lépései: Először a csoportok halmazából EV mintát veszünk. Az így kiválasztott csoportokat teljes körűen megfigyeljük. Előnye: Egyszerűbb és olcsóbb, mint a FAE vagy az EV minta. Hátránya: Pontossága függ a csoporton belüli homogenitástól.

V. TL - többlépcsős mintavétel Jellemzői: Hasonló esetekben használjuk, mint a csoportos mintavételt. Több lépcsőben jutunk el a végső megfigyelési egységhez. Leggyakoribb típusa a kétlépcsős mintavétel: először EV mintavétellel kiválasztjuk a csoportokat, majd a csoporton belül is EV mintavételt végzünk. Követelmény: A minta önsúlyozó legyen, azaz megtartsa a sokasági arányokat.

Nem véletlen mintavételi eljárások

1. Szisztematikus kiválasztás Jellemzői: 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: A minta gyorsan és mechanikusan kiválasztható. Egybeeshet az EV megfigyeléssel, ha az elemek felsorolása független a megfigyelés tárgyától.

2. Kvótás kiválasztás Jellemzői: Rögzítve van, hogy milyen összetételű mintát kell létrehozni. A „kereteket” véletlen kiválasztással kitöltik. A rétegzett mintavételhez hasonló eredmény hoz. Nem szükséges előre rögzíteni a sokasági vagy réteglistákat.

3. Koncentrált kiválasztás Jellemzői: Erősen koncentrált sokaság esetén alkalmazzák. Kevés egyed rendelkezik nagy befolyással a sokasági jellemzőre.

4. Hólabda kiválasztás Jellemzői: Ritka, nehezen számba vehető sokaságok esetén alkalmazzuk. Néhány kiválasztott egyedből indulunk ki. Minden egyed a saját „ismeretségi köréből” keresi a következő mintaelemet.

5. Önkényes, szubjektív kiválasztás Jellemzői: Szubjektív szempontok alapján történik a minta kiválasztása. Széleskörű ismeretek esetén jó jellemzőkkel rendelkező mintát lehet kapni.

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 típusai 1.) Független részminták módszere 2.) Kiegyensúlyozott ismétlések 3.) Jackknife módszer 4.) Bootstrap módszer

KÖSZÖNÖM A FIGYELMET!