Documente Academic
Documente Profesional
Documente Cultură
EŞANTIONAREA
GHID DE STUDIU
• PopulaŃie.
• Eşantion.
• Eşantionarea: scopuri, caracteristici, etape, avantaje,
dezavantaje.
• Reprezentativitatea eşantionului; erorile de
reprezentativitate.
• Volumul eşantionului:
- volumul eşantionului funcŃie de tipul de
cercetare;
- volumul eşantionului în sondaje este funcŃie de:
- abaterea standard a caracteristicii măsurate în
populaŃie;
- marja de eroare acceptată;
- nivelul de încredere (pragul de semnificaŃie)
acceptat;
- (eventual) mărimea populaŃiei.
• Tehnici de eşantionare:
♦ probabiliste (aleatoare);
♦ nonprobabiliste (nonaleatoare).
• Tehnici de eşantionare probabilistă (aleatoare):
♦ eşantionarea aleatoare simplă;
♦ eşantionarea aleatoare sistematică;
63
♦ eşantionarea aleatoare stratificată;
♦ eşantionarea aleatoare multi-stadială sau cluster;
♦ eşantionarea aleatoare proporŃională cu
mărimea.
• Tehnici de eşantionare nonprobabilistă:
♦ eşantionarea de convenienŃă;
♦ eşantionarea prin evaluare;
♦ eşantionarea pe cote;
♦ eşantionarea prin identificare sau snowball.
• Algoritmi de eşantionare.
• Variante (procedee) ale eşantionării de convenienŃă:
♦ voluntariatul;
♦ eşantionarea la faŃa locului;
♦ procedeul itinerariilor;
♦ procedeul unităŃilor tip.
64
• O populaŃie definită are cel puŃin o caracteristică (ex.:
gen, vârstă, abilităŃi, statut ocupaŃional, statut socio-
economic etc.) care o diferenŃiază de alte grupuri.
65
obŃine dacă am cerceta/testa întreaga populaŃie.
66
este mai mare, cu atât procentul este mai mic (20% dintr-o
populaŃie de 1000 persoane, dar 10% dintr-o populaŃie de 5000
persoane).
c) Chiar şi eşantioanele mari pot duce la rezultate/concluzii
eronate dacă ele nu sunt corect alcătuite; într-o practică
neştiinŃifică, printr-o eşantionare tendenŃioasă, dirijată se poate
demonstra orice.
d) Pe baza recomandărilor United States Office of
Education, unii autori propun următoarea mărime a eşantionului
(n) în cazul unei cercetări descriptive (apud Gay, 1996, p. 125) :
P n P n P n P n
• Exemplul 5.1
1, 96 2 ⋅ 4 2
n= ≈ 62 studenŃi.
1
z 2σ 2
n = (Formula 5.2)
z 2σ 2
∆2 +
Vp
• Exemplul 5.2
69
Care va fi volumul eşantionului?
z 2 ⋅ p ⋅ ( 1 − p)
n= (Formula 5.3)
∆2
în care:
n: volumul eşantionului;
p: proporŃia unei alternative (în procente sau proporŃii; de
exemplu 63% sau 0,63);
1-p (sau q): proporŃia celeilalte alternative;
∆: eroarea maximă admisă de cercetător ( 3%, 5% etc.).
• Exemplul 5.3
Rezolvare
Pentru că nu cunoaştem nimic despre preferinŃele
70
electoratului presupunem că acestea sunt egale: 50%-50%.
1,96 2 ⋅ 50 ⋅ 50
n= = 1067 , p=0,05
32
2,58 2 ⋅ 50 ⋅ 50
n= = 1843 , p=0,01
32
1,96 2 ⋅ 28 ⋅ 72
n= = 860 , p=0,05;
32
2,582 ⋅ 28 ⋅ 72
n= = 1491,03 , p=0,01.
32
z 2 ⋅ p ⋅ (1 − p )
n = (Formula 5.4)
2 z 2 ⋅ p ⋅ (1 − p )
∆ +
Vp
• Exemplul 5.4
71
1,96 2 ⋅ 72 ⋅ 28
n= = 695
2 1,96 2 ⋅ 72 ⋅ 28
3 +
3600
ATENłIE!
1. Dacă p şi q se exprimă în procente (72%, 28%) atunci şi ∆
(eroarea maximă admisă) se exprimă la fel (eroarea de 3%→3).
Dacă p şi q se exprimă în coeficienŃi subunitari sau proporŃii
(0,72 şi 0,28 ), atunci ∆ se exprimă subunitar (eroarea 3%→0,03)
2. Formulele şi exemplele de mai sus sunt recomandate/valide
pentru eşantionările aleatoare simplă, sistematică, stratificată,
cluster.
z 2 ⋅σ 2
n = ,adică:
z 2σ 2
∆2 +
Vp
1,96 2 ⋅ 0,201
n= = 790
2 1,96 2 ⋅ 0,201
0,03 +
10000
z 2 ⋅ p ⋅ (1 − p )
Deci: n = ,adică
∆2
1,96 2 ⋅ 0,63 ⋅ 0,37
n= = 995
0,032
74
1,96 2 ⋅ 0,63 ⋅ 0,37
n= = 905
2 1,96 ⋅ 0,63 ⋅ 0,37
0,03 +
10000
b) Eşantionarea sistematică
75
• În eşantionarea sistematică indivizii sunt
selecŃionaŃi dintr-o listă, fiecare al n-lea individ de pe listă fiind
inclus în eşantion; n (sau k) este egal cu numărul de indivizi de
pe listă împărŃit la numărul dorit de membri în eşantion
(mărimea eşantionului).
c) Eşantionarea stratificată
• Eşantionarea stratificată este procesul de
alcătuire a eşantionului într-o astfel de manieră încât
subgrupurile identificate în populaŃie să fie reprezentate în
eşantion în aceeaşi proporŃie în care ele există în populaŃie.
• Eşantionarea stratificată poate utiliza şi selecŃia
unui număr egal de persoane din fiecare subgrup identificat în
populaŃie; această procedură se recomandă dacă se doreşte
compararea respectivelor subgrupuri şi procedura statistică
utilizată necesită egalitatea numerică a eşantioanelor.
• Paşii eşantionării stratificate sunt aceiaşi ca în
cazul eşantionării simple, cu excepŃia faptului că selecŃia se
face din subgrupuri, nu din populaŃie ca întreg.
d) Eşantionarea cluster
• Eşantionarea tip cluster (prezentată în unele
lucrări ca multistadială) este o procedură prin care grupurile, nu
indivizii, se selecŃionează aleator.
• Orice localizare/organizaŃie etc. în care poate fi
identificat un grup de caracteristici similare (membrii
populaŃiei) constituie un cluster.
• Paşii în eşantionarea cluster sunt similari cu cei
din cazul eşantionării simple, cu excepŃia faptului că aici
selecŃionăm grupuri (clusteri), nu indivizi.
76
Caseta 5.5. Caracterizarea principalelor metode de eşantionare
nonprobabilistă
77
participanŃilor deja aleşi pentru o cercetare li se cere să
identifice alŃi posibili participanŃi şi care apoi sunt solicitaŃi să
participe (de exemplu, cei care au asistat la un eveniment
psihotraumatizant)
78
7. Dacă numărul astfel 7. Pentru că populaŃia are sub
stabilit corespunde unui 10.000 de membri, luăm în
individ din populaŃie, cosiderare doar ultimile patru
acesta face parte din cifre. PopulaŃia desemnată are
eşantion. De exemplu, 5.000 de membri, deci persoana cu
dacă populaŃia are 5000 numărul 4357 face parte din
de membri, 4357 face eşantion.
parte din eşantion; dacă
populaŃia are doar 300 de
membri, 357 este
ignorat.
8. Se trece la următorul 8. Următorul număr pe coloană în
număr, pe coloană, din tabelul cu numere aleatoare este
tabelul cu numere 06318. Ultimile patru cifre sunt
aleatoare şi se repetă 6318. Cum populaŃia are doar
pasul 7. 5.000 de membri, acest număr se
ignoră.
9. Se repetă pasul 8 până 9.Se trece la următoarele numere
cănd numărul necesar de de pe coloană, astfel că persoana
participanŃi la cercetare a cu numerul 2111, va fi
fost realizat. selecŃionată; cele cu numerele
7534, 8614 nu; apoi 4856 va fi
selecŃionată etc.
Se procedează în această manieră
până când vor fi selecŃionaŃi 500
de participanŃi.
NOTĂ. Varianta în care nu trebuie să se apeleze la tabelul
cu numere în dezordine este varianta urnei: toate numele
participanŃilor sunt introduse într-o urnă şi se trage la sorŃi.
79
3. Alcătuirea/obŃinerea 3. Cei 5.000 de profesori sunt
unei liste a populaŃiei aranjaŃi în ordine alfabetică. Lista
nu este aleator alcătuită, dar
procedura este validă.
4. Se determină 4. K este egal cu mărimea
parametrul (pasul) K egal populaŃiei împărŃită la mărimea
cu mărimea populaŃiei eşantionului
împărŃită la mărimea K = 5000 : 500=10
eşantionului.
5. Se începe cu o poziŃie 5. Se alege o pozitie oarecare de la
oarecare de la începutul începutul listei, de exemplu al
listei. treilea nume.
6. Începând cu poziŃia 6. În eşantion vor fi incluse
aleasă, fiecare al K nume persoanele aflate la K distanŃă de
este inclus în eşantion. primul nume ales, în cazul nostru
persoana de pe locul 13, apoi cea
de pe locul 23, apoi 33 etc.
7. Daca eşantionul nu a
fost alcătuit până la
sfârşitul listei, se revine
la începutul listei (tot din
10 în 10).
NOTĂ. Datorită modului de alcătuire a listei populaŃiei,
eşantionul astfel constituit s-ar putea să fie mai puŃin
reprezentativ decât eşantioanele alcătuite prin celelalte tehnici
probabiliste prezentate.
80
experimentală).
81
PopulaŃia: 300 manageri
Clasificare
(testare)
15 15 15 15 15 15
manageri manageri manageri manageri manageri manageri
82
Caseta 5.9. Algoritmul eşantionării aleatoare multistadiale
(cluster)
83
Caseta 5.10. Algoritmul eşantionă rii aleatoare proporŃionale
cu mărimea
85
ÎNTREBĂRI, EXERCIłII ŞI APLICAłII PRACTICE
5.1.
a) Care este diferenŃa esenŃială dintre populaŃie şi eşantion?
b) De ce şi cum utilizăm eşantioanele într-o cercetare?
5.8.
a) Când un eşantion este reprezentativ?
b) Când un eşantion nu este reprezentativ?
86
5.12. Care este procedura fundamentală pentru constituirea
unui eşantion reprezentativ?
5.13.
a) Care este diferenŃa dintre tehnicile de eşantionare
probabiliste şi cele nonprobabiliste ?
b) De ce tehnicile probabiliste de eşantionare au şanse mai
mari de a produce un eşantion reprezentativ?
c) Care tehnică de eşantionare probabilistă produce un
eşantion mai reprezentativ?
d) În algoritmii de eşantionare primul pas îl constituie
definirea şi identificarea populaŃiei. Ce se înŃelege prin
„definirea populaŃiei”?
5.15.
a) Care este diferenŃa dintre eşantionarea aleatoare simplă şi
cea aleatoare sistematică ?
b) Ce este eşantionarea aleatoare stratificat ă?
c) Ce este eşantionarea multistadială sau cluster?
87
5.17. Ce este eşantionarea cu probabilităŃi inegale
(eşantionare proporŃională cu mărimea)?
5.18.
a) Ce este eşantionarea de convenienŃă?
b) Ce este eşantionarea pe cote?
c) Ce este eşantionarea prin identificare (snowball)?
90