섹션은 사용하기 매우 쉽습니다. 제안된 필드에 원하는 단어를 입력하기만 하면 해당 단어의 의미 목록이 제공됩니다. 나는 우리 사이트가 백과사전, 설명, 단어 형성 사전과 같은 다양한 소스의 데이터를 제공한다는 점에 주목하고 싶습니다. 또한 여기에서 입력한 단어의 사용 예를 알 수 있습니다.

찾다

대표성

십자말풀이 사전의 대표성

대표성

의학용어사전

통계에서의 대표성(프랑스어 표현 표현, 표현)

표본의 연구된 특성과 일반 인구의 특성의 일치성; 샘플 연구를 구성 할 때 고려됩니다.

백과사전, 1998

대표성

통계의 대표성 (프랑스 대표자 - 표시) - 선택적 관찰의 결과로 얻은 특성의 일치, 전체 일반 인구를 특징 짓는 지표. 이러한 지표 간의 불일치는 대표성 오류이며, 이는 무작위적이거나 체계적일 수 있습니다.

대표성

(프랑스어 représentatif ≈에서 무언가를 나타내는, 표시) 통계에서 표본 모집단의 주요 속성은 표본 모집단의 특성(구성, 평균값 등)과 표본 모집단이 속한 일반 모집단의 해당 특성의 근접성으로 구성됩니다. 선택됨(특정 규칙에 따라) 선택적(선택적 관찰 참조). R의 정도에 대한 판단은 두 가지 방향에서 표본을 고려하여 이루어진다. 첫째, 하나와 다른 하나에 기록된 모든 특성과 관련하여 일반 인구와 비교됩니다. 따라서 관찰 대상으로 선정된 가족들의 집합인 R.을 판단하기 위해 가족 예산, 레벨별 분포 비교 임금일반 통계에 따라 유사한 분포를 가진 근로자 또는 (분포에 대한 일반 데이터가 없는 경우) 평균 임금 수준 등을 비교합니다. 둘째, P. 정도에 대한 판단은 샘플에서 연구된 특성. 따라서 예를 들어 가계예산 조사의 데이터에 따르면 가족에서 가족으로의 1인당 빵 소비 변동이 육류 소비보다 훨씬 적다면 이는 이 표본에서 소비 비율을 고려할 근거가 됩니다. 고기보다 빵 소비가 더 많다.

P.는 "대표성의 오류", 즉 표본의 특성과 일반 모집단의 차이로 측정됩니다. 그러나 지정된 차이의 실제 (실제) 값은 알 수 없으며 그 결과 P.의 측정 값은 수학적 통계 규칙에 따라 결정된 가능한 값 또는 가능한 값의 평균 제곱( 샘플링 방법 참조).

A. 예. Boyarsky.

위키피디아

대표성

대표성- 표본의 특성과 모집단의 특성 또는 전체 인구의 특성의 일치. 대표성은 특정 표본을 사용하여 연구 결과를 수집한 전체 일반 모집단에 얼마나 일반화할 수 있는지를 결정합니다.

또한 대표성은 연구 목적의 관점에서 중요한 일반 모집단의 매개변수를 나타내는 표본 모집단의 속성으로 정의할 수 있습니다.

문학에서 대표성이라는 단어의 사용 예.

조건의 수준에서, 가치의 형성과 그것의 가치 형성을 분리하는 리카르도를 생각할 수 있는 가능성 대표성, 경제와 역사의 상호 연결을 공개했습니다.

일반적으로. 대표성은 특정 표본을 사용하여 연구 결과를 수집한 전체 일반 모집단에 얼마나 일반화할 수 있는지를 결정합니다.

또한 대표성은 연구 목적의 관점에서 중요한 일반 모집단의 매개변수를 나타내는 표본 모집단의 속성으로 정의할 수 있습니다.

예시

인구가 학교의 모든 학생이라고 가정합니다(20개 학급 600명, 각 학급 30명). 연구 주제는 흡연에 대한 태도입니다. 60명의 고등학생 표본은 각 학급의 3명의 학생을 포함하는 동일한 60명의 학생 표본보다 훨씬 더 나쁜 인구를 나타냅니다. 그 주된 이유는 계층의 불평등한 연령 분포입니다. 결과적으로 첫 번째 경우에는 표본의 대표성이 낮고 두 번째 경우에는 대표성이 높습니다(다른 모든 조건이 동일함).

문학

• Ilyasov F.N. 마케팅 연구에서 설문 조사 결과의 대표성 // 사회 연구. 2011. 제3호. S. 112-116.

위키미디어 재단. 2010.

동의어:

다른 사전에 "대표성"이 무엇인지 확인하십시오.

- (프랑스어에서. 대표성, 특성), 대표성, 복원 능력의 척도, 부분적으로 전체의 아이디어를 재생산하는 능력의 척도, 또는 부분의 아이디어를 확장하는 능력의 척도 이 부분을 포함하는 것 ... ... 철학 백과사전

연구된 일반 모집단의 특성을 반영하는 표본의 속성. 영어: 대표성 동의어: 대표성 참조: 샘플 금융 사전 Finam ... 금융 용어

대표성, 특이성, 지시성 러시아어 동의어 사전. 대표성 명사, 동의어 수: 3 지수(8) ... 동의어 사전

- (프랑스 대표 표시에서) 경제 과정 및 현상을 분석하는 데 사용되는 경제 지표 샘플의 대표성(대부분 통계). 대표성은 사용 가능한 신뢰성 모두에 달려 있습니다 ... ... 경제사전

대표성- 그리고, w. 대리인 조정 대표성, 공개. НС 2. 오래된 판화 아래 도시 경관의 가볍고 우아한 조형은 시대의 독특한 풍미를 제공합니다. 패널은 엄숙함과 대표성이 특징입니다. 그를 더 가까이 데려가는 ... ... 역사 사전러시아어의 갈릭주의

표본 모집단 분석에서 얻은 결과를 일반 모집단으로 이전하는 유효성. 비즈니스 용어 사전. 아카데믹.ru. 2001년 ... 비즈니스 용어집

-(프랑스 대표에서) 통계에서 표본 모집단의 매개 변수(물체의 일부, 집합)를 결정하는 방법으로, 그 연구를 통해 일반 상태를 나타내는 데 충분한 정당성을 부여할 수 있습니다. .... 현대 백과사전

- (프랑스 대표 표시에서) 통계에서 전체 일반 인구를 특징 짓는 지표에 대한 선택적 관찰의 결과로 얻은 특성의 일치. 이 지표들 사이의 불일치는 ... ... 큰 백과사전

- (fr. Representativeif 지수에서) eng. 대표성; 독일 사람 tativitat을 다시 작성합니다. 1. 대표성. 2. 색인에 L. 통계 및 기타 과학에서의 관찰. 3. 연구된 일반의 특성을 반영하는 표본의 성질 .... ... 사회학 백과사전

- (무언가를 나타내는 프랑스 대표에서) 전체 일반 인구(예: 전체 인구)의 특징을 반영(대표)하는 특정 정보 샘플의 가장 중요한 속성. 샘플의 대표성에 대해 ... ... 생태 사전

대표성- 일반 모집단 구조의 매개변수와 중요한 요소를 재현하기 위한 표본 모집단의 속성. "대표 표본"이라는 용어는 노르웨이 통계학자 A. Kiaer가 사회경제적 연구와 관련하여 처음 도입한 ... 기술 번역가 가이드

서적

• 중세 지적 문화, A. M. Shishkov. 이것 지도 시간철학자, 신학자, 자연과학자 등의 저작에 반영된 중세 지적문화사에 대한 참고서이다.
• 생물다양성의 형성과 보전에서 토양의 역할. 집단 모노그래프는 직원들이 수행한 생물학적 다양성의 형성과 보존에서 토양의 역할과 중요성에 대한 수년간의 연구 결과와 자료를 제시합니다 ...

샘플링 연구의 결과로 인해 일반 인구와 전체 경험적 대상에 대한 결론을 도출할 수 있는 샘플링의 속성을 대표성.

표본의 대표성(representativeness)허용 오차의 범위 내에서 일반 모집단의 특정 특성을 재현하는 표본의 능력입니다. 측정 결과가 특정 매개변수주어진 표본에 대해 허용 오차를 고려하여 일반 모집단을 측정한 알려진 결과와 일치합니다. 표본 측정이 일반 모집단의 알려진 매개변수에서 선택한 오류 수준보다 크게 벗어나면 해당 표본은 대표성이 없는 것으로 간주됩니다.

제안된 정의는 우선 표본과 일반 모집단 간의 관계연구. 표본이 대표하는 것은 일반 모집단이며 일반 모집단만 표본 연구에서 식별된 추세로 확장될 수 있습니다. 이제 일반 인구에 대한 올바른 정의와 연구 문서 및 출판물에 대한 설명의 문제에 이전에 그러한 관심을 기울인 이유가 분명해야합니다. 표본은 측정을 위해 실제로 선택된 단위가 아닌 다른 모집단을 나타낼 수 없습니다. 연구원이 일반 인구의 실제 경계에 대해 잘못 알고 있다면 그의 결론은 올바르지 않을 것입니다. 연구결과를 바탕으로 한 보도자료, 출판물, 발표자료 등에서 실수 또는 고의로 일반인의 경계를 확대 또는 왜곡하는 경우 이용자를 오도하는 행위로 결과를 위조한 것으로 볼 수 있다.

대표성은 표본의 개별 매개변수와 일반 모집단을 비교하여 확인합니다. 일반적인 오해는 "일반적으로" 대표 샘플의 존재입니다.

표본의 대표성 또는 비대표성은 개별 변수와 관련해서만 설정할 수 있습니다. 또한 동일한 샘플이 일부 매개변수에서는 대표성이 있고 다른 매개변수에서는 대표성이 없을 수 있습니다.

일반적으로 사회 학자의 전문적인 담론에서 대표성은 이분법적인 속성으로 제시됩니다. 표본은 대표성인지 아닌지입니다. 그러나 이것은 완전히 올바른 접근 방식은 아닙니다. 사실 표본은 일반 모집단의 일부 매개변수를 더 정확하게 재현할 수 있고 다른 매개변수는 덜 정확하게 재현할 수 있습니다. 따라서 더 정확합니다(비록 실용적인 포인트비전 및 덜 편리함)에 대해 이야기 대표성의 척도특정 매개변수에 대한 특정 샘플.

샘플 전체와 마찬가지로, 핵심표본의 대표성을 결정할 때 표본이 연구 목적을 위해 대표되는 것으로 간주되는 오류의 정당화입니다. 반대의 경우도 가능합니다. 실제 오류의 크기를 수정하고 표본이 특정 오류가 있는 일반 모집단을 대표한다는 사실을 명시하는 것입니다. 그리고 다시, 연구 결과가 사용되는 방식이 여기에 중요한 역할을 합니다. 결과적으로 동일한 샘플이 일부 목적(예: 다가오는 선거의 투표율 예측)에서는 충분히 대표성이 있는 것으로 간주될 수 있지만 다른 목적(예: 후보자 등급 결정 및 투표 결과 예측)에서는 충분히 대표성이 없는 것으로 간주될 수 있습니다.

표본의 대표성을 확인하기 위해 어떤 매개변수를 사용해야 합니까? 첫째, 대부분의 연구 상황에서 그러한 매개변수가 거의 없습니다. 실제로 표본 측정 결과를 일반 인구에 대한 데이터가 있는 경우에만 비교할 수 있습니다. 그리고 그러한 데이터가 부족하기 때문에 연구가 수행됩니다. 따라서 개체 모델링 및 후속 도구 개발 단계에서도 일반 인구를 특성화하는 데이터를 사용할 수 있는 하나 이상의 제어 매개변수 측정을 제공하는 것이 좋습니다. 이것은 대표성을 테스트하는 데 필요한 경험적 근거를 제공할 것입니다.

둘째, 연구 주제 영역에 필수적인 매개변수 측면에서 표본의 대표성을 확인하기 위해 노력해야 합니다. 현대 관행에서 성별, 연령, 교육 등의 주요 인구 통계 매개 변수 측면에서 대표성 제어가 널리 보급되었습니다.이 데이터는 일반적으로 인구 조사 중에 기록되기 때문에 모든 영토 개체에 사용할 수 있습니다. 이후 통계 기관에서 건전한 수학적 모델을 사용하여 재계산했습니다. 이러한 이유로 여권에 여러 인구 통계학적 변수를 의무적으로 포함하는 것이 일반적으로 받아 들여지는 전문 표준이 되었습니다. 그러나 이러한 관행은 순진한 것으로 분류될 수 있으며 정당한 비판을 받을 수 있습니다. 사실 비교를 위해 일반적으로 접근 가능한 주요 인구 통계 매개 변수가 항상 사회 학적 연구 주제와 관련하여 구성 요소의 역할을 하는 것은 아닙니다. 그들의 성격 자체는 사회적이지 않으며 연구 대상에 대한 영향은 종종 매우 간접적입니다. 따라서 인구통계학적으로 대표되는 샘플은 실제로 시스템 오류 및 통제되지 않는 편향의 형태로 심각한 문제를 숨길 수 있습니다. 반대로 연구의 목적과 목적의 관점에서 효과적인 표본의 인구통계학적 대표성은 낮은 것으로 판명될 수 있다.

여기 흥미로운 예연습에서. 2009년에 Urals에서 운영되는 연구 회사 중 하나가 Kisele 시에서 설문 조사를 수행했습니다. 페름 지역... 현장 작업 과정에서 연구자들은 연구 계획에서 예상한 표본을 모집하는 데 심각한 장애물에 직면했습니다. 기상 조건... 분명히 연구 회사는 그러한 대규모 프로젝트에 대한 작업을 수행할 준비가 완전히 되어 있지 않았습니다. 생산 능력이 한계에 부딪혀 일주일 안에 상당히 넓은 지역에서 6,000명의 응답자를 대상으로 설문조사를 할 수 있었습니다. 결과적으로 많은 조사 위치의 실제 샘플은 조사에 모집된 모든 사람으로 채워졌습니다. 조사의 대부분의 영역에서 참조 조건에 의해 설정된 인구 통계학적 할당량이 위반되었습니다. 일부 지역에서는 특정 인구 범주에 대해 할당량 목표 대비 표본 채우기 비율의 왜곡이 2.5배에 달해 할당량 표본 사용 사실 자체에 의문을 제기했습니다. 연구의 고객은 연구원에 대해 충분한 근거가 있는 주장을 할 모든 이유가 있는 것 같았습니다.

그러나 중재 법원을 대신하여 수행 된 조사에 따르면 할당량의 심각한 왜곡과 그에 따라 주요 인구 통계 학적 매개 변수 측면에서 얻은 샘플의 명백한 비 대표성으로 인해 실제로 연구 데이터가 왜곡되지 않았습니다! 데이터 세트를 과도하게 가중함으로써 전문가들은 통제된 매개변수 측면에서 표본 대표의 효과를 얻었습니다. 전문가들이 확인한 데이터의 거의 모든 빈도 분포는 실제 배열과 과가중 배열을 처리한 결과 사이에 통계적으로 유의미하지 않은 차이를 보였다. 사실상 이것은 조사 기술의 중대한 위반과 할당량 목표에 대한 실질적인 무시에도 불구하고 연구원들이 샘플링 절차를 완전히 따르고 인구 통계학적 대표성이 보장되는 경우 신뢰할 수 있는 동일한 데이터를 고객에게 제공했음을 의미합니다.

어떻게 이런 일이 일어날 수 있습니까? 대답은 간단합니다. 대표성을 제어하는 ​​데 사용되는 인구 통계학적 매개변수에는 실제로 없었습니다(이는 다음으로 확인되었습니다. 상관 분석) 연구의 주제 변수에 대한 영향 - 인구 추정치 사회경제적그의 사회 및 정치 활동의 규정 및 매개 변수. 또한 표본 크기는 일반 인구에 비해 매우 컸으며(실제로 이 연구는 지방 자치구 성인 인구의 4분의 1을 대상으로 했습니다), 이는 법의 결과로 큰 숫자필요한 수의 응답자가 인터뷰되기 훨씬 전에 관찰된 분포가 안정화되었습니다.

이 경고의 이야기가 시사하는 바는 연구자가 연구 주제에 중대한 영향을 미칠 것으로 의심되는 표본 매개변수의 대표성을 보장하고 통제하기 위해 노력과 자원을 투입해야 한다는 것입니다. 이것은 대표성 통제를 위한 매개변수가 각각에 대해 구체적으로 선택되어야 함을 의미합니다. 연구 프로젝트주제의 특수성에 따라. 예를 들어, 사회 경제적 상황에 대한 평가는 항상 응답자 가족의 실제 복지, 노동 시장 및 비즈니스 영역에서의 그의 위치와 강하게 연관되어 있습니다. 따라서 대표성을 제어하는 ​​데 사용하는 것이 권장되는 매개 변수입니다. 또 다른 점은 일반 인구를 특성화하는 객관적인 데이터를 얻기가 어려울 수 있다는 것입니다. 여기에 필요 독창성그리고 어쩌면 타협. 예를 들어, 웰빙 수준은 해당 지역의 등록된 자동차 통계를 사용할 수 있기 때문에 응답자의 가족에 자동차가 있는지 모니터링할 수 있습니다.

흥미롭게도 연구 보고서와 출판물에서 언급되는 것은 거의 항상 대표적인 샘플입니다. 대표성이 없는 샘플이 그렇게 희귀합니까? 당연히 아니지. 한 매개변수 또는 다른 매개변수에 대한 대표성의 관점에서 문제가 되는 연구 관행에 충분한 표본이 있습니다. 오히려 표본보다 더 많은 것이 있으며, 그 대표성은 공식적으로(인구통계학적 매개변수에 의해) 평가될 수 없지만 본질적으로 평가될 수 있습니다. 그러나 불행히도 전문 사회학 환경에서 그들의 공개 언급은 금기입니다. 그리고 연구원들 중 누구도 측정 주제 영역에 필수적인 매개변수 측면에서 그의 표본의 대표성이 문제가 있거나 검증할 수 없다는 것을 인정할 준비가 되어 있지 않습니다.

사실 표본의 비대표성의 징후를 찾는 것은 재앙이 아니다. 처음에, 기존 기술많은 경우에 표본의 "수리"(재가중치)를 통해 사회학자나 그의 고객을 걱정시키는 매개변수와 관련하여 비대표성의 영향을 완전히 제거할 수 있습니다. 재평가 방법의 본질은 특정 범주의 관찰을 할당하는 것입니다(설문조사의 경우 - 응답자) 가중치 계수샘플에서 이러한 범주의 불충분하거나 과도한 실제 표현을 보상합니다. 앞으로 이러한 가중치는 데이터 세트로 모든 결제 작업을 수행할 때 고려되므로 균형 잡힌(계산된 할당량에 해당하는) 데이터 세트에 완전히 일치하는 분포를 얻을 수 있습니다. BRvv와 같은 최신 통계 프로그램을 사용하면 자동 모드,따라서 이 절차를 따르기 쉽습니다.

둘째, "좋은" 대표 표본을 얻는 것이 불가능하더라도 "보통" 대표성은 많은 연구 문제를 해결하는 데 충분할 수 있습니다. 대표성은 이분법적 표시라기보다 일치성의 척도임을 상기하십시오. 그리고 주로 특정 사건의 정확한 예측과 관련된 특정 연구 작업에만 샘플의 매우 높은(통계적으로 확인된) 대표성이 필요합니다.

예를 들어, 마케팅 연구에서 신제품의 시장 점유율을 예측하려면 다음을 포함하고 나타내는 샘플이 필요합니다. 잠재 고객... 그러나 대부분의 경우 마케터는 잠재성은 고사하고 실제로 고객의 서클을 형성하는 사람에 대한 충분한 데이터를 가지고 있지 않습니다. 이 상황에서 어떤 매개변수를 재현해야 하는지 알 수 없기 때문에 일반적으로 표본의 대표성을 확인하는 것이 불가능합니다. 그럼에도 불구하고 고객 선호도를 식별하고 광고 자료에 반응하고 리뷰를 분석하기 때문에 많은 마케팅 작업이 성공적으로 해결됩니다. 신상품통계적으로 대표되는 샘플은 필요하지 않습니다. 매장에서 바로 쉽게 찾을 수 있는 일반적인 고객을 포함하기에 충분합니다. 비 대표성 샘플은 검색 문제 해결, 강하게 두드러진 경향 식별, 개별 범주의 세부 사항 분석(작은 독립 하위 샘플로 표시), 이러한 범주를 서로 비교(2차원 분석), 변수와 기타 간의 관계 분석에 매우 적합합니다. 얻은 통계 분포의 정확성이 이차적으로 중요한 문제.

대표성의 개념은 종종 통계 보고와 연설 및 보고서 준비에서 발견됩니다. 아마도 그것 없이는 검토를 위한 정보 표시를 상상하기 어려울 것입니다.

대표성 - 무엇입니까?

대표성은 선택된 대상 또는 부분이 선택한 데이터 세트의 내용 및 의미와 일치하는 정도를 반영합니다.

다른 정의

대표성은 다양한 맥락에서 이해될 수 있습니다. 그러나 그 의미에서 대표성은 전체 일반 데이터베이스의 특성을 정확하게 반영하는 일반 인구에서 선택된 단위의 특징과 속성의 일치입니다.

또한 정보의 대표성은 표본 데이터가 모집단의 매개변수와 속성을 나타내는 능력으로 정의되며, 이는 수행되는 연구의 관점에서 중요합니다.

견본 상품

샘플링 원칙은 가장 중요한 것을 선택하고 전체 데이터 모집단의 속성을 정확하게 나타내는 것입니다. 이를 위해 사용 다른 방법모든 데이터의 품질을 설명하는 샘플 자료만 사용한다는 일반적인 아이디어와 정확한 결과를 얻을 수 있습니다.

따라서 모든 자료를 공부할 필요는 없지만 충분히 고려해볼만 하다. 선택적 대표성... 그것은 무엇입니까? 이것은 정보의 총량에 대한 아이디어를 갖기 위해 개별 데이터를 선택하는 것입니다.

그것들은 방법에 따라 확률론적(probabilistic)과 비개연적(improbable)으로 구분됩니다. 확률론은 미래의 일반 인구 대표자가 될 가장 중요하고 흥미로운 데이터를 계산하여 만든 샘플입니다. 이는 의도적인 선택이거나 무작위 샘플이지만 내용에 따라 정당화됩니다.

Improbable은 일반 복권의 원칙에 따라 컴파일된 다양한 무작위 샘플링 중 하나입니다. 이 경우 그러한 표본을 만든 사람의 의견은 고려되지 않습니다. 블라인드 로트만 사용됩니다.

확률 샘플링

확률 샘플은 여러 유형으로 세분화될 수도 있습니다.

• 가장 간단하고 직접적인 원리 중 하나는 비대표 샘플링입니다. 예를 들어, 이 방법은 사회 조사를 수행할 때 자주 사용됩니다. 동시에 설문 조사 참가자는 특정 기준에 따라 군중에서 선택되지 않으며 정보는 참가한 선착순 50명에게서 얻습니다.
• 의도적 표본은 선택을 위한 많은 요구 사항과 조건이 있지만 여전히 우연에 의존하고 좋은 통계를 달성한다는 목표를 추구하지 않는다는 점에서 다릅니다.
• 할당량 샘플링은 많은 데이터 모집단을 탐색하는 데 자주 사용되는 확률 샘플링의 또 다른 변형입니다. 많은 조건과 규범이 사용됩니다. 일치해야 하는 개체가 선택됩니다. 즉, 사회조사의 예를 들어 100명을 인터뷰한다고 가정할 수 있지만, 통계 보고서를 작성할 때 정해진 요구 사항을 충족할 일정 수의 사람들의 의견만 고려합니다.

확률 샘플

확률 샘플의 경우 샘플의 개체가 해당하는 여러 매개 변수가 계산되며 그 중 다른 방법들표본 데이터의 대표성으로 제시될 사실과 데이터를 정확히 선택할 수 있습니다. 필요한 데이터를 계산하는 이러한 방법은 다음과 같습니다.

• 단순 무작위 샘플링. 그것은 선택된 세그먼트 중에서 완전히 무작위 추첨 방식으로, 필요한 금액대표 샘플이 될 데이터.

• 체계적이고 무작위적인 샘플링을 통해 무작위로 선택된 세그먼트를 기반으로 필요한 데이터를 계산하는 시스템을 구성할 수 있습니다. 따라서 첫 번째 경우 난수전체 모집단에서 선택된 데이터의 일련 번호를 나타내는 는 5가 될 것이고, 선택될 후속 데이터는 예를 들어 15, 25, 35 등이 될 수 있습니다. 이 예는 임의의 선택도 필요한 입력 데이터의 체계적인 계산을 기반으로 할 수 있음을 명확하게 설명합니다.

소비자 표본

의미있는 샘플링은 각 개별 세그먼트를 살펴보고 평가를 기반으로 전체 데이터베이스의 특성과 속성을 반영하는 모집단을 컴파일하는 기술입니다. 따라서 다음과 같이 입력됩니다. 많은 분량대표 샘플의 요구 사항을 충족하는 데이터. 일반 인구를 대표하는 선택된 데이터의 품질을 잃지 않고 총계에 포함되지 않을 많은 옵션을 쉽게 선택할 수 있습니다. 이러한 방식으로 연구 결과의 대표성이 결정됩니다.

표본의 크기

마지막으로 다루어야 할 문제는 모집단을 대표하는 표본 크기가 아닙니다. 표본 크기가 항상 일반 모집단의 출처 수에 따라 달라지는 것은 아닙니다. 그러나 표본 모집단의 대표성은 결과를 궁극적으로 몇 개의 세그먼트로 나누어야 하는지에 직접적으로 의존합니다. 이러한 세그먼트가 많을수록 결과 샘플에 더 많은 데이터가 포함됩니다. 결과에 일반적인 표기법이 필요하고 특이성이 필요하지 않은 경우 세부 사항을 설명하지 않고 정보가 더 피상적으로 표시되어 판독 값이 일반적임을 의미하기 때문에 샘플이 작아집니다.

대표성의 오류 개념

대표적인 편향은 모집단의 특성과 표본 데이터 간의 특정 불일치입니다. 표본조사를 할 때 일반 모집단에 대한 완전한 조사와 정보와 매개변수의 일부로만 대표되는 표본 조사와 같이 절대적으로 정확한 데이터를 얻는 것은 불가능하며, 전체 모집단을 조사해야 보다 자세한 조사가 가능합니다. . 따라서 일부 오류와 실수는 불가피합니다.

오류 유형

대표 샘플을 컴파일할 때 발생하는 몇 가지 오류가 있습니다.

• 체계적인.
• 무작위의.
• 의도적.
• 의도하지 않은.
• 기준.
• 한계.

무작위 오류가 나타나는 이유는 일반 인구에 대한 연구의 불연속적인 특성 때문일 수 있습니다. 일반적으로 대표성의 무작위 오류는 작은 크기와 특성을 갖습니다.

한편, 일반 모집단에서 데이터를 선택하는 규칙을 위반할 때 체계적인 오류가 발생합니다.

평균 오차는 표본 평균과 주요 모집단 간의 차이입니다. 샘플의 단위 수에 의존하지 않습니다. 반비례하며 부피가 클수록 평균 오차 값은 작아집니다.

한계 오차는 만들어진 표본의 평균과 전체 모집단 간의 가능한 가장 큰 차이입니다. 이러한 오류는 주어진 발생 조건에서 가능한 오류의 최대값으로 특성화됩니다.

대표성의 의도적 및 비의도적 오류

데이터 편향 오류는 의도적일 수도 있고 비의도적일 수도 있습니다.

그런 다음 고의적 인 오류가 나타나는 이유는 추세 식별 방법을 사용하여 데이터 선택에 대한 접근 방식입니다. 선별관찰 준비 단계, 대표 표본 형성 단계에서도 의도하지 않은 오류가 발생합니다. 이러한 오류를 방지하려면 다음을 생성해야 합니다. 좋은 기초샘플링 단위 목록을 구성하는 샘플용. 표본 추출의 목적을 완전히 준수해야 하며, 연구의 모든 측면을 포괄하는 신뢰할 수 있어야 합니다.

타당성, 신뢰성, 대표성. 오류 계산

산술 평균(M)의 대표성(Mm) 오류 계산.

표준 편차: 표본 크기(> 30).

대표 오차(Мр) 및 (Р): 표본 크기(n> 30).

표본 크기가 작고 30단위 미만인 모집단을 연구해야 하는 경우 관측값이 1단위 감소합니다.

오차의 크기는 표본 크기에 정비례합니다. 정보의 대표성 및 정확한 예측 가능성의 정도 계산은 한계 오차의 특정 값을 반영합니다.

대표 시스템

정보의 표현을 평가하는 과정에서 대표 표본이 사용될 뿐만 아니라 정보를 받는 사람도 대표 시스템을 사용합니다. 따라서 뇌는 제공된 데이터를 질적이고 신속하게 평가하고 문제의 본질을 이해하기 위해 전체 정보 흐름에서 대표 샘플을 생성하여 일부를 처리합니다. "대표성 - 무엇입니까?"라는 질문에 대답하십시오. - 인간 의식의 규모에서 그것은 아주 간단합니다. 이를 위해 뇌는 일반적인 흐름에서 어떤 정보를 분리해야 하는지에 따라 모든 주제를 사용합니다. 따라서 다음과 같이 구분됩니다.

• 눈의 시각적 인식 기관이 관련된 시각적 표현 시스템. 이 시스템을 자주 사용하는 사람들을 비주얼이라고 합니다. 이 시스템의 도움으로 사람은 이미지 형태로 들어오는 정보를 처리합니다.
• 청각 표상 시스템. 본체사용되는 것은 청각입니다. 사운드 파일이나 음성의 형태로 제공된 정보는 이 특정 시스템에 의해 처리됩니다. 귀로 정보를 더 잘 인지하는 사람을 청각 장애인이라고 합니다.
• 운동감각적 표상 시스템은 정보의 흐름을 후각 및 촉각 채널을 통해 인식하여 처리하는 것입니다.

• 디지털 표현 시스템은 외부에서 정보를 얻는 수단으로 다른 시스템과 함께 사용됩니다. 수신된 데이터에 대한 인식 및 이해.

그렇다면 대표성은 무엇일까요? 정보 처리의 집합 또는 통합 절차에서 간단한 선택? 대표성은 데이터 스트림에 대한 우리의 인식을 크게 결정하여 가장 중요하고 중요한 데이터를 분리하는 데 도움이 된다고 분명히 말할 수 있습니다.

사회학 연구에서 대표성의 개념

즉 대표성은 표본의 질이다. 표본은 대표성일 수도 있고 대표성이 아닐 수도 있습니다. 많은 사람들이 사회학 연구에 사용되었다면 표본이 대표적이 될 것입니다.

정의 2

표본은 일반 모집단의 선택된 요소 수입니다. 대표 표본은 일반 모집단의 모든 요소가 동일한 비율로 표시된다는 사실이 특징입니다.

사회학적 연구 표본의 대표성은 등록 중 발생한 오류와 무작위 오류의 두 가지 무작위 구성 요소에 의해 결정됩니다.

실시예 1

예를 들어, 사회학적 연구의 대상이 복잡하고 여러 요소가 있는 경우 더 많은 면접관이 필요합니다. 모든 면접관이 항상 자격을 갖춘 것은 아니므로 등록 시 오류가 발생할 수 있습니다. 이에 반해 면접관이 준비하고 지시한 표본추출은 오류, 즉 무작위 오류가 적게 발생합니다.

샘플 디자인은 세 가지 주요 문제로 요약됩니다.

• 표본 크기를 결정합니다(즉, 표본이 대표되도록 특정 절차를 구축).
• 표본 크기(인터뷰할 수)를 결정합니다.
• 샘플링 품질 평가(결과의 정확도 분석).

비고 1

표본과 일반 인구의 비율이 5%를 초과해서는 안 된다는 점을 기억하는 것이 중요합니다. 이 비율을 위반하면 그러한 사회 학적 연구의 결론이 현실과 일치하지 않을 것입니다.

샘플 유형

샘플은 무작위 및 대상으로 나뉩니다.

무작위 표본이 가장 정확하고 대표적인 표본입니다. 이 표본의 본질은 무작위 선택으로 인해 일반 모집단의 모든 단위가 표본에 포함될 확률이 동일하다는 것입니다. 이러한 유형의 샘플링은 일반적으로 선거, 국민투표 및 기타 공개 행사 전에 사용됩니다. 이 샘플이 정확성을 제공한다는 사실 외에도 사용하기가 어렵습니다. 무작위 표본을 수행하기 위해 사회학자는 일반 인구의 요소 목록을 가지고 있어야 하는데 이것이 항상 쉬운 것은 아닙니다. 무작위 샘플링은 정확한 결과를 얻기 위해 큰 샘플 크기가 필요합니다.

무작위 샘플링 유형에는 직렬, 지역화, 기계 등이 있습니다.

• 직렬 또는 중첩 샘플링은 시리즈 형태입니다. 선택 항목에 있음 개별 요소(가족, 그룹, 학교, 집단 등), 지속적인 연구 대상입니다.
• 지역 샘플링은 전체 데이터 세트를 동종 부분으로 나누어야 할 때 사용됩니다. 이러한 부분은 도시 구역이 될 수 있습니다.
• 기계적 표본 추출의 원리는 일반 인구의 모든 요소를 ​​하나의 목록에 포함하고 등적분을 통해 필요한 응답자 수를 선택하는 것입니다. 기계적 표본 추출은 표본에 대한 일반 모집단의 비율을 가집니다. 예: 만약 일반 인구 2000명의 사람들과 선택적인 200명, 이것은 다음을 의미합니다. 일반 목록 10분의 1마다 선택됩니다.

표적 표본 추출은 가용성, 전형성, 평등 등의 기준에 따라 선택이 수행되는 표본 추출 유형입니다. 대상 샘플링은 자발적 샘플링, 눈덩이 샘플링 및 할당량 샘플링으로 나뉩니다.

• 자발적 샘플링은 선착순 샘플링입니다. 이 표본의 단점은 사전에 일반 인구를 설정하는 것이 불가능하다는 것입니다.
• 눈덩이 방식은 정보의 축적에 관한 것입니다. 인터뷰한 각 응답자는 연구에 참여할 수 있는 동료, 친구, 지인 등의 연락처를 제공합니다.
• 할당량 샘플링. 이 샘플에서 모든 데이터는 할당량입니다. 할당량 샘플을 사용할 때 응답자는 할당량 매개변수를 준수하여 의도적으로 선택됩니다. 할당량에 따라 선택되는 특성은 성별, 학력, 연령, 기술 수준 등이며, 이는 사회학적 연구 자체의 목적과 목적에 따라 결정됩니다.