Campionamento sistematico (definizione)

Cos'è il campionamento sistematico?

Il campionamento sistematico è più o meno un metodo che prevede la selezione di vari elementi che vengono ordinati da un frame di campionamento e prendendo questa procedura statistica parte dalla selezione casuale di elementi che appartengono a una lista e quindi viene selezionato ogni intervallo di campionamento dal frame e questo metodo di campionamento può essere applicato solo se la popolazione data è omogenea poiché queste unità campionarie sono distribuite sistematicamente sulla popolazione.

Questo è un metodo in cui il campionamento probabilistico viene eseguito selezionando casualmente i membri del campione dalla popolazione di massa a un intervallo fisso. Questo intervallo periodico è meglio definito come intervallo di campionamento e può essere calcolato accertando la dimensione del campione richiesta e dividendo la stessa per la dimensione della popolazione.

Come funziona?

Il campionamento sistematico può essere utilizzato dagli statistici nel caso in cui vogliano risparmiare tempo o siano insoddisfatti dei risultati ottenuti dal semplice metodo di campionamento casuale. Dopo l'identificazione di un punto di partenza fisso, gli statistici selezionano un intervallo costante per facilitare la selezione del partecipante.
In questo metodo, inizialmente, la popolazione target deve essere selezionata anche prima della selezione dei partecipanti. Diverse sono le caratteristiche in base alle quali si individua la popolazione e si conduce lo studio. Queste caratteristiche desiderate potrebbero essere età, razza, sesso, luogo, professione e / o livello di istruzione.
Ad esempio, un ricercatore vuole scegliere 2000 persone tra una popolazione di 10.000 persone con l'aiuto di un campionamento sistematico. Deve arruolare tutti i potenziali partecipanti e di conseguenza verrà selezionato un punto di partenza. Non appena viene formato questo elenco, una persona su 5 dalla lista verrà selezionata come partecipante, come 10.000 / 2000 = 5.

Tipi di campionamento sistematico

# 1 - Lineare

Questo viene definito lineare poiché segue un percorso molto lineare e tende a fermarsi alla fine rispetto ad una particolare popolazione. In questo tipo di campionamento, nessun campione alla fine viene ripetuto.
Inoltre, "n" unità vengono scelte per formare una parte del campione che ha "N" unità di popolazione. Gli analisti ei ricercatori possono utilizzare la logica di salto per la selezione di "n" unità invece di selezionare casualmente queste "n" unità da un dato campione.
Un campione sistematico lineare viene selezionato disponendo la popolazione totale e classificando la stessa in sequenza, selezionando la 'n' o la dimensione del campione, calcolando l'intervallo di campionamento (K = N / n), selezionando a caso un numero da 1 a K, aggiungendo "K" (intervallo di campionamento) al numero scelto a caso per aggiungere il membro successivo al campione e ripetere questo processo per aggiungere i membri rimanenti dal campione.

# 2 - Circolare

In questo tipo di campionamento, si vede che il campione parte da un punto in cui è terminato. Ciò significa che il campione si riavvia dal punto in cui è effettivamente terminato. In questo tipo di metodo di campionamento statistico, gli elementi sono disposti in modo circolare.
Ci sono in particolare due modi per formare un campione in questo tipo di metodo di campionamento statistico. Se K = 3, i campioni saranno ad, be, ca, db ed ec mentre, se K = 4, i campioni saranno ae, ba, cb, dc ed ed.

Campionamento sistematico lineare vs circolare

Tende a seguire un percorso lineare per poi fermarsi alla fine della data popolazione mentre, nel caso del campionamento sistematico circolare, il campione riparte dal punto in cui era effettivamente terminato. La "k" in un campionamento sistematico lineare rappresenta gli intervalli di campionamento mentre la "N" in un campionamento sistematico circolare indica la popolazione totale. Nel metodo lineare, tutte le unità di campionamento sono disposte in modo lineare prima del processo di selezione mentre nel caso di un metodo circolare, tutti gli elementi sono disposti in modo circolare.

Vantaggi del campionamento sistematico

# 1 - Veloce

Questo è un metodo rapido, ovvero può far risparmiare agli statistici molto tempo. Diventa davvero facile per ricercatori e analisti scegliere una dimensione del campione con l'aiuto di questo approccio poiché è molto veloce. C'è una necessità trascurabile di numerare ogni singolo membro del campione e questo aiuta anche nella rappresentazione più rapida e semplice di una particolare popolazione.

# 2 - Appropriatezza ed efficienza

Anche i risultati ottenuti dal campionamento sistematico sono appropriati. Rispetto ad altri metodi statistici, i risultati derivati dal metodo statistico sono altamente efficienti e appropriati.

# 3 - Basso rischio di manipolazione dei dati

Le probabilità di manipolazione dei dati sono davvero basse rispetto ad altri metodi statistici.

# 4 - Semplicità

Questo metodo è davvero semplice. Questo è uno dei motivi principali per cui analisti e ricercatori preferiscono utilizzare questo metodo invece di qualsiasi altro metodo. La semplicità di questo metodo lo ha reso molto popolare tra analisti e ricercatori.

# 5 - Rischi minimi

La quantità di rischio coinvolta nel metodo di campionamento sistematico è il minimo indispensabile.

Svantaggi del campionamento sistematico

Ciò diventa difficile quando non è possibile stimare la dimensione della popolazione. Ciò compromette persino l'efficacia del campionamento sistematico in varie aree come la ricerca sul campo sugli animali. Esiste anche la possibilità di manipolazione dei dati e di affari poiché il ricercatore può scegliere l'intervallo di campionamento.

Conclusione

Consente ad analisti e ricercatori di prelevare un piccolo campione da una popolazione più ampia. Questa selezione può essere basata su vari fattori come età, sesso, posizione, ecc. Tale campionamento statistico è utilizzato principalmente nel campo della sociologia e dell'economia. Può essere di due tipi: campionamento sistematico lineare e circolare.
Potrebbe essere davvero facile e offre anche a ricercatori e analisti un migliore grado di controllo. Può anche aiutare nell'eliminazione della selezione dei cluster. Questo tipo di metodo statistico ha una probabilità molto bassa di errore e manipolazione dei dati. È semplice e quindi è per questo che il metodo è molto popolare e preferito dalla maggior parte degli statistici.