نمونه برداری تصادفی خوشه ای
نمونه برداری تصادفی خوشه ای
یک روش نمونه برداری است که در آن جامعه مورد مطالعه به گروه های ناهمگن تقسیم می شود و سپس چند گروه به صورت تصادفی انتخاب می شوند. این روش زمانی کاربرد دارد که فهرست کامل افراد جامعه در دسترس نباشد و یا جامعه پراکنده و گسترده باشد. در این روش، واحد نمونه برداری فرد نیست، بلکه گروه یا خوشه است. در این مقاله، ما به تعریف، کاربرد و مثال های نمونه برداری می پردازیم.
تعریف نمونه برداری تصادفی خوشه ای
این نمونه برداری یک نمونه برداری تصادفی ساده است که هر واحد نمونه برداری شامل تعدادی عضو است. بنابراین برآوردهای میانگین و مقدار کل جامعه مشابه نمونه برداری تصادفی ساده بدست می آید.
به عبارت دیگر، نمونه برداری تصادفی خوشه ای زمانی استفاده می شود که جامعه مورد نظر به دسته های جداگانه تشکیل شده و عناصر آن در دسته های یا خوشه های توزیع شده باشند. پژوهشگر از میان خوشه ها چند خوشه را به صورت تصادفی انتخاب می کند و زمانی به کار می رود که انتخاب گروه از افراد امکان پذیر و آسان تر از انتخاب افراد در یک جامعه تعریف شده باشد.
کاربرد نمونه برداری تصادفی خوشه ای
این نمونه برداری در موقعیت های زیر کاربرد دارد:
– زمانی که فهرست کامل افراد جامعه در دسترس نباشد و چارچوب نمونه برداری (ليست كامل عضويت) وجود نداشت.
– زمانی که جامعه مورد نظر به خوشه های طبیعی تقسیم شده باشد و خوشه ها ناهمگن و درون خوشه ها همگن باشند. به این ترتیب، انتخاب خوشه ها معادل انتخاب یک نمونه تصادفی ساده از جامعه می شود.
مثال
برای درک بهتر ، مثال های زیر را در نظر بگیرید:
– فرض کنید می خواهید میزان رضایت دانشجویان یک دانشگاه را از کیفیت آموزش بسنجید. جامعه شما شامل تمام دانشجویان دانشگاه است که در دانشکده های مختلف تحصیل می کنند. شما می توانید دانشکده ها را به عنوان خوشه های جامعه در نظر بگیرید و چند دانشکده را به صورت تصادفی انتخاب کنید. سپس از تمام دانشجویان دانشکده های انتخاب شده سؤالات خود را بپرسید.
– فرض کنید می خواهید میزان استفاده از اینترنت در یک شهر را بررسی کنید. جامعه شما شامل تمام خانوارهای شهر است که در مناطق مختلف زندگی می کنند. شما می توانید مناطق شهر را به عنوان خوشه های جامعه در نظر بگیرید و چند منطقه را به صورت تصادفی انتخاب کنید. سپس از چند خانوار در هر منطقه اطلاعات مورد نظر خود را جمع آوری کنید.
با توجه به مثال های بالا، می توان گفت که این نوع از نمونه برداری چندین مزیت دارد:
– سادگی و سرعت در اجرای نمونه برداری
– کاستن هزینه های جابجایی و حمل و نقل
– استفاده از فضای جغرافیایی جامعه
– قابل استفاده در جامعه های پراکنده و گسترده
البته، نمونه برداری تصادفی خوشه ای همچنین چالش های خود را دارد:
– نبود فهرست کامل خوشه های جامعه
– عدم قابل قبول بودن فرض همگن بودن درون خوشه ها
موارد مرتبط:
خانه ; Microsoft Dynamic ، ERP ، برنامه ریزی تولید . برنامه ریزی عملیات و زمان سنجی ،زمان سنجی . چالش زمان سنجی ، اهمیت تولید مبتنی بر PPC ، عوامل موثر در برنامه ریزی تولید ، TQM چیست ، EFQM چیست ; کنترل کیفیت آماری