Sa mga istatistika, isang sample ay isang subset ng isang populasyon na ginagamit upang kumatawan sa buong grupo bilang buo. Kapag gumagawa ng pananaliksik, kadalasan ay hindi praktikal na suriin ang bawat miyembro ng isang partikular na populasyon dahil ang napakaliit na bilang ng mga tao ay masyadong malaki. Upang gumawa ng mga inferences tungkol sa mga katangian ng isang populasyon, ang mga mananaliksik ay maaaring gumamit ng isang random na sample .
Bakit Gumagamit ng Mga Dalubhasa ang Mga Sample?
Kapag nagsasaliksik ng isang aspeto ng isip o pag- uugali ng tao , ang mga mananaliksik ay hindi lamang maaaring mangolekta ng data mula sa bawat indibidwal sa karamihan ng mga kaso. Sa halip, pumili sila ng isang mas maliit na sample ng mga indibidwal na kumakatawan sa mas malaking grupo. Kung ang sample ay tunay na kinatawan ng populasyon na pinag-uusapan, maaaring dalhin ng mga mananaliksik ang kanilang mga resulta at ipahayag ang mga ito sa mas malaking grupo.
Uri ng Sampling
Sa sikolohikal na pananaliksik at iba pang mga uri ng panlipunang pananaliksik, ang mga eksperimento ay karaniwang umaasa sa ilang iba't ibang mga paraan ng sampling.
1. Sampling ng posibilidad
Ang sampling ng probabilidad ay nangangahulugang ang bawat indibidwal sa isang populasyon ay nakatayo at pantay na pagkakataon na mapili. Sapagkat ang pagkuha ng probabilidad ay nagsasangkot ng random na pagpili, tinitiyak nito na ang iba't ibang mga subset ng populasyon ay may pantay na pagkakataon na maipakita sa sample. Nagbibigay ito ng higit na kinatawan sa posibilidad ng mga halimbawa, at mas mahusay ang mga mananaliksik upang ipahayag ang kanilang mga resulta sa grupo bilang buo.
Mayroong ilang iba't ibang mga uri ng posibilidad na sampling:
- Ang simpleng random na sampling ay, gaya ng nagmumungkahi ng pangalan, ang pinakasimpleng uri ng sampling na posibilidad. Ang mga mananaliksik ay tumatagal ng bawat indibidwal sa isang populasyon at sapalarang pipili ng kanilang sample, madalas na gumagamit ng ilang uri ng programa sa computer o random number generator.
- Ang sinasabing random sampling ay nagsasangkot ng paghihiwalay sa populasyon sa mga subgroup at pagkatapos ay pagkuha ng isang simpleng random na sample mula sa bawat isa sa mga subgroup na ito. Halimbawa, ang isang pananaliksik ay maaaring hatiin ang populasyon hanggang sa mga subgroup batay sa lahi, kasarian, o edad at pagkatapos ay kumuha ng isang simpleng random na sample ng bawat isa sa mga grupong ito. Ang sinasabing random na sampling ay madalas na nagbibigay ng higit na katumpakan sa istatistika kaysa sa simpleng random sampling at tumutulong na matiyak na ang ilang mga pangkat ay tumpak na kinakatawan sa sample.
- Ang pagsasama ng kumpol ay nagsasangkot ng paghati sa isang populasyon sa mas maliliit na kumpol, kadalasan batay sa geographic na lokasyon o mga hangganan. Ang isang random na sample ng mga kumpol ay pagkatapos ay napili at ang lahat ng mga paksa sa loob ng kumpol ay sinusukat. Halimbawa, isipin na sinusubukan mong gawin ang isang pag-aaral sa mga punong-guro ng paaralan sa iyong estado. Ang pagkolekta ng data mula sa bawat solong prinsipyo ng paaralan ay magiging hihigit sa gastos at oras-ubos. Gamit ang isang paraan ng pag-sample ng kumpol, random mong piliin ang limang mga county mula sa iyong estado at pagkatapos ay mangolekta ng data mula sa bawat paksa sa bawat isa sa limang mga county.
2. Sampling na hindi naranasan
Ang di-posibilidad na sampling, sa kabilang banda, ay nagsasangkot ng pagpili ng mga kalahok gamit ang mga pamamaraan na hindi nagbibigay ng bawat indibidwal sa isang populasyon ng pantay na pagkakataon na mapili.
Ang isang problema sa ganitong uri ng sample ay ang mga boluntaryo ay maaaring magkaiba sa ilang mga variable kaysa sa mga di-boluntaryo, na maaaring maging mahirap na gawing pangkalahatan ang mga resulta sa buong populasyon.
Mayroon ding ilang iba't ibang mga uri ng di-praktikal na sampling:
- Ang pagsasama-sama ng sampling ay nagsasangkot ng paggamit ng mga kalahok sa isang pag-aaral dahil ang mga ito ay maginhawa at magagamit. Kung mayroon kang bawat nagboluntaryo para sa pag-aaral ng sikolohiya na isinasagawa sa pamamagitan ng departamento ng sikolohiya ng iyong unibersidad, pagkatapos ay nakilahok ka sa isang pag-aaral na umaasa sa sample na kaginhawahan. Ang mga pag-aaral na umaasa sa pagtatanong para sa mga boluntaryo o sa pamamagitan ng paggamit ng mga klinikal na sample na magagamit sa mananaliksik ay mga halimbawa ng mga halimbawa ng kaginhawahan.
- Ang hangarin na sampling ay nagsasangkot ng paghahanap ng mga indibidwal na nakakatugon sa ilang pamantayan. Halimbawa, ang mga marketer ay maaaring maging interesado sa pag-aaral kung paano ang kanilang mga produkto ay nakita ng mga kababaihan sa pagitan ng edad na 18 at 35. Maaari silang umarkila ng isang kumpanya sa pananaliksik sa merkado upang magsagawa ng mga panayam sa telepono na sinasadya na maghanap at makipag-usap sa mga kababaihan na nakakatugon sa kanilang pamantayan sa edad.
- Ang pag-sample ng quota ay nagsasangkot ng sinasadya na sampling ng isang partikular na proporsyon ng isang subgroup sa loob ng isang populasyon. Halimbawa, ang mga pampulitikang pollsters ay maaaring interesado sa pagsasaliksik ng mga opinyon ng isang populasyon sa isang isyu sa pulitika. Kung gumagamit sila ng simpleng random sampling, maaari nilang mapalampas ang ilang mga subset ng populasyon sa pamamagitan ng pagkakataon. Sa halip, itinatatag nila ang pamantayan na ang isang partikular na porsyento ng sample ay dapat isama ang mga subgroup na ito. Habang ang nagresultang sample ay hindi maaaring aktwal na kinatawan ng aktwal na proporsyon na umiiral sa populasyon, ang pagkakaroon ng isang quota ay nagsisiguro na ang mga mas maliit na subgroup na ito ay kinakatawan.
Matuto nang higit pa tungkol sa ilan sa mga paraan na naiiba ang mga probabilidad at di-praktikal na mga halimbawa.
Mga Sampling Error
Dahil ang natural na pag-sample ay hindi maaaring isama ang bawat solong indibidwal sa isang populasyon, maaaring maganap ang mga pagkakamali. Ang mga pagkakaiba sa pagitan ng kasalukuyang populasyon at kung ano ang nasa isang sample ay kilala bilang mga sampling error .
Bagaman imposibleng malaman nang eksakto kung gaano kalaki ang pagkakaiba sa pagitan ng populasyon at sample, maaaring matantya ng mga mananaliksik ang istatistika ng laki ng mga sampling error. Sa mga pampulitikang botohan, halimbawa, maaaring madalas mong marinig ang margin ng mga pagkakamali na ipinahayag ng ilang mga antas ng pagtitiwala.
Sa pangkalahatan, mas malaki ang laki ng sample na mas maliit ang antas ng error. Ito ay dahil lamang kung ang sample ay nagiging mas malapit sa pag-abot sa laki ng kabuuang populasyon, mas malamang na tumpak na makuha ang lahat ng mga katangian ng populasyon. Ang tanging paraan upang lubusang matanggal ang sampling error ay ang mangolekta ng data mula sa buong populasyon, na kadalasan ay sobrang gastos at humahadlang sa oras. Maaaring mababawasan ang mga pagkakamali ng sampling, gayunpaman, sa pamamagitan ng paggamit ng randomized probability testing at isang malaking laki ng sample.
Mga sanggunian:
Goodwin, CJ (2010). Pananaliksik sa Psychology: Mga Paraan at Disenyo. Hoboken, NJ: John Wiley and Sons.
Nicholas, L. (2008). Panimula sa Psychology. UCT Press: Cape Town.