Apakah Ralat Sampling?
Kesilapan persampelan adalah ralat statistik yang berlaku apabila seorang penganalisis tidak memilih sampel yang mewakili seluruh populasi data dan keputusan yang didapati dalam sampel tidak mewakili keputusan yang akan diperolehi daripada keseluruhan populasi. Pensampelan adalah analisis yang dilakukan dengan memilih beberapa pemerhatian dari populasi yang lebih besar, dan pemilihan itu dapat menghasilkan kedua-dua kesilapan pensampelan dan kesalahan tidak sampling.
Takeaways Utama
- Kesalahan pensampelan adalah ralat statistik yang berlaku apabila seorang penganalisis tidak memilih sampel yang mewakili keseluruhan populasi data. Keputusan yang didapati dalam sampel itu tidak mewakili hasil yang akan diperoleh dari seluruh populasi. Kesalahan sampel dapat dikurangkan dengan memilih pemilihan sampel dan / atau meningkatkan bilangan pemerhatian.
Memahami Kesilapan Sampling
Kesalahan pensampelan adalah sisihan dalam nilai sampel berbanding nilai populasi sebenar kerana fakta sampel tidak mewakili populasi atau berat sebelah dalam beberapa cara. Walaupun sampel rawak akan mempunyai beberapa kesilapan pensampelan kerana ia hanya satu penghampiran populasi dari mana ia ditarik.
Kesalahan pensampelan boleh dihapuskan apabila saiz sampel meningkat dan juga memastikan sampel mencukupi mewakili keseluruhan populasi. Sebagai contoh, anggap bahawa Syarikat XYZ menyediakan perkhidmatan berasaskan langganan yang membolehkan pengguna membayar yuran bulanan untuk mengalirkan video dan pengaturcaraan lain melalui web.
Firma ingin meninjau pemilik rumah yang menonton sekurang-kurangnya 10 jam pengaturcaraan di web setiap minggu dan membayar perkhidmatan streaming video sedia ada. XYZ mahu menentukan berapa peratus penduduk berminat dengan perkhidmatan langganan harga rendah. Jika XYZ tidak berfikir dengan teliti mengenai proses pensampelan, beberapa jenis ralat pensampelan mungkin berlaku.
Contoh Kesilapan Pensampelan
Kesalahan spesifikasi penduduk bermakna bahawa XYZ tidak memahami jenis pengguna tertentu yang harus dimasukkan dalam sampel. Jika, sebagai contoh, XYZ mewujudkan populasi orang di antara umur 15 dan 25 tahun, kebanyakan pengguna tidak membuat keputusan pembelian mengenai perkhidmatan penstriman video kerana mereka tidak berfungsi sepenuh masa. Sebaliknya, jika XYZ menyusun sampel orang dewasa yang bekerja membuat keputusan pembelian, pengguna dalam kumpulan ini mungkin tidak menonton 10 jam pengaturcaraan video setiap minggu.
Kesilapan pemilihan juga menyebabkan distorsi dalam keputusan sampel, dan contoh biasa adalah satu kaji selidik yang hanya bergantung kepada sebahagian kecil orang yang segera bertindak balas. Sekiranya XYZ berusaha untuk menindaklanjuti pengguna yang tidak bertindak balas pada mulanya, hasil kajian mungkin berubah. Lebih-lebih lagi, jika XYZ mengecualikan pengguna yang tidak bertindak balas dengan segera, keputusan sampel mungkin tidak mencerminkan keutamaan seluruh penduduk.
Pemfaktoran dalam Kesalahan Tidak Pensampelan
XYZ juga ingin mengelakkan kesilapan bukan sampling yang disebabkan oleh kesilapan manusia, seperti kesilapan yang dibuat dalam proses tinjauan. Sekiranya satu kumpulan pengguna hanya menonton lima jam pengaturcaraan video seminggu dan dimasukkan ke dalam kaji selidik itu, keputusan itu adalah kesilapan bukan sampelan. Meminta soalan yang berat sebelah adalah satu lagi kesalahan.
