Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
KiadtaVeronika Balázsné Megváltozta több, mint 10 éve
1
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások
2
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet
3
Kontrollált kísérletek végtelen sokaságról való informálódás eszköze arra ad választ, hogy a kísérlet végzője által megtervezett feltétel együttesek (kezelések) milyen eredményre vezetnek.
4
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Reprezentatív megfigyelés 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.
5
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nem reprezentatív megfigyelés (egyéb részleges megfigyelés) nincs benne az általánosításra való törekvés, a következtetések kizárólag megfigyelt egyedekre vonatkoznak.
6
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Véletlenen alapuló kiválasztás
7
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet FAE - független, azonos eloszlású minta Homogén és végtelen vagy 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 célszerű.
8
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 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.
9
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet R - rétegzett mintavétel Heterogén sokaság esetén alkalmazható. Először a fősokaságot valamilyen ismérv szerint átfedés-mentesen homogén rétegekre osztjuk. Ezután az egyes rétegeken belül egymástól függetlenül EV (ritkábban FAE) mintát veszünk. Azért célszerű ennek a mintavételi módnak az alkalmazása, mert azonos mintanagyság esetén a vizsgált jellemzőkre ( , ) kisebb hibát kapunk, mint az EV mintavétellel feltéve, hogy a rétegezés jó volt.
10
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet egyenletes rétegzés
11
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet arányos rétegzés
12
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Neyman-féle optimális rétegzés – nagyobb rétegekből nagyobb mintát vesz – a változékonyabb, heterogénebb rétegekből szintén nagyobb mintát vesz
13
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet költség-optimális rétegzés az egyes rétegek szórása mellett ismerjük és a kiválasztásnál figyelembe vesszük az egyes rétegek megfigyelésének költségét is. adott költségkeret mellett minimális hibát eredményez
14
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet CS - csoportos (egylépcsős) mintavétel Homogén, véges sokaság esetén használható, ha nem áll rendelkezésre a sokasági elemek teljes listája, de nagyobb csoportokra rendelkezünk listával. Akkor is alkalmazható, 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).
15
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 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
16
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Grafikusan ábrázolva
17
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 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 k 0 véletlen kezdőpontból kiindulva minden k-adik elemet figyeljük meg: k 0, k 0 +k, k 0 +2k; … A minta gyorsan és mechanikusan kiválasztható. Egybeeshet az EV megfigyeléssel, ha az elemek felsorolása független a megfigyelés tárgyától.
18
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nem véletlen mintavételi eljárások 2.) Kvótás kiválasztás 3.) Koncentrált kiválasztás 4.) Hólabda kiválasztás 5.) Önkényes (szubjektív) kiválasztás
19
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 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.
20
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Ismételt vagy másodlagos mintavételi eljárások 1.) Független részminták módszere 2.) Kiegyensúlyozott ismétlések 3.) Jackknife módszer 4.) Bootstrap módszer
21
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Független részminták alkalmazása A módszer alapja egy „n” elemű véletlen módszerrel választott minta „k” egyenlő nagyságú részmintára történő felosztása. Azonban a már kiválasztott minta utólagos felosztása helyett célszerűbb az ún. ismételt mintavételt alkalmazni. Ennél a műveletnél egy „m” elemű minta kiválasztását hajtjuk végre bármely véletlen módszer alkalmazásával. Ezután függetlenül az előzőtől azonos módszerek alapján újabb és újabb mintát vételezünk egészen addig amíg „k” darab egymástól független „m” elemszámú mintánk lesz.
22
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Az alapsokaság adatai
23
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet
25
Az egyszerű véletlen és a rétegzett minták paramétereinek összehasonlítása
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.