Enkelt slumpmässigt prov - Vad det är, definition och koncept

Med en slumpmässig variabel X är ett enkelt slumpmässigt urval en uppsättning slumpmässiga variabler, oberoende och identiskt fördelade, erhållna från den slumpmässiga variabeln X och som är fördelade på samma sätt som den.

Formellt är den tidigare definitionen den som definierar ett enkelt slumpmässigt urval. Nu kan faktiskt konceptet definieras enklare. För att förstå begreppet ett enkelt slumpmässigt urval är det naturligtvis viktigt att definiera det exakt.

Eftersom den formella definitionen är komplex kommer vi att rulle av varje del av definitionen lite efter lite.

Det enkla slumpmässiga provkonceptet steg för steg

Således måste vi i första hand ta hänsyn till att ett enkelt slumpmässigt urval är ett urval. Som ett prov erhålls det från en slumpmässig variabel. Vi har kallat denna slumpmässiga variabel X. Ett exempel på en slumpmässig variabel kan vara betyget i matematik för gymnasieelever. Därför är den första delen av definitionen tydlig. Ett enkelt slumpmässigt urval är ett urval som erhållits från alla slumpmässiga variabler.

Den andra delen av definitionen är mer komplex. Framför allt genom begreppen "oberoende och identiskt fördelat slumpmässigt". Begreppet slumpmässigt betyder slump. Eftersom provet har erhållits slumpmässigt är variablerna följaktligen slumpmässiga. Begreppet oberoende hänvisar till det faktum att de erhållna uppgif.webpterna inte är relaterade till varandra. Det vill säga att välja en viss data beror inte på de data som valts tidigare eller som kommer att väljas senare. Slutligen hänvisar identiskt fördelat till att den statistiska fördelningen är densamma.

Sammanfattningsvis har vi att ett enkelt slumpmässigt urval är ett urval som har erhållits på ett helt slumpmässigt sätt. Således är de data som ingår i urvalet inte relaterade till varandra och ärver egenskaperna hos populations slumpmässiga variabel X.

Varför är det enkla slumpmässiga urvalskonceptet så viktigt?

När vi vill bedriva forskning om vissa egenskaper hos en datamängd är provets kvalitet avgörande. För att de beräknade mätvärdena och därför att forskningsslutsatserna ska vara tillförlitliga måste vi ha ett så kallat representativt urval. Det vill säga ett urval som på ett adekvat sätt representerar egenskaperna hos den totala befolkningen.

Ett av huvudegenskaperna hos ett representativt urval är att det är slumpmässigt. Därför är det mycket viktigt att känna till begreppet ett enkelt slumpmässigt urval för att vår studie ska vara giltig i det vetenskapliga samfundet.

Enkelt slumpmässigt exempel

Anta att vi vill genomföra en studie om de månatliga lönerna för medborgarna i ett land. Vår slumpmässiga variabel är medborgarnas månadslön.

Provkonceptet uppstår på grund av omöjligheten att fråga var och en av medborgarna i ett land. Det skulle ta lång tid eller mycket ekonomiska resurser. Så istället för att fråga 50 miljoner människor bestämde vi oss för att fråga 50 000.

När vi har definierat variabeln som vi ska arbeta med och datapopulationen måste vi fortsätta för att få provet. Det finns en omfattande litteratur om hur man får rätt prov. Men eftersom målet med denna definition är att närma sig detta koncept på ett enkelt sätt kommer vi inte att gå in på saken.

Förenkla mycket, i allmänhet kommer vi att ha två alternativ. Eller fråga medborgarna på ett helt slumpmässigt sätt eller välj en urvalsprocess. För att provet ska uppfylla kriteriet "slumpmässigt" måste vi göra det helt slumpmässigt. Vi kan inte välja städer, zoner eller stadsdelar eller något annat.

Om vi ​​väljer urvalsprocessen medvetet kommer vårt prov sannolikt att vara partiskt. Det korrekta att göra skulle vara att använda ett verktyg som slumpmässigt extraherar namnen på medborgarna.

När vi har vårt enkla slumpmässiga urval måste vi arbeta med data. Det vill säga göra statistisk slutsats. Denna statistiska slutsats gör det möjligt för oss att dra slutsatser från studien. Till exempel uttalanden som: "den genomsnittliga månadslönen i Spanien är 1200 euro" eller, "endast 5% av medborgarna med de högsta lönerna tjänar motsvarande de fattigaste 30%."

Allt detta med en tydlig felmarginal. Men det tas redan hand om av statistisk slutsats.