У статистикама, кластер узорковање је метода узорковања у којој је целокупна популација студије подељена на споља хомогене, али интерно хетерогене групе назване кластерима. У основи, сваки кластер је мини представљање целокупне популације. Статистичка статистика је термин који потиче од латинске речи „статус“, што значи групу фигура које се користе за представљање информација о човеку.
Извор: Викицоммонс
Након идентификације кластера, одређени кластери се бирају једноставним случајним узорковањем, док остали остају непредстављени у студији. Након избора кластера, истраживач мора одабрати одговарајући метод за узорковање елемената из сваке одабране групе.
Примарне методе узорковања
Постоје првенствено две методе узорковања елемената у методи узорковања кластера: једностепено и двостепени.
У једностепеном узорковању узоркују се сви елементи у сваком одабраном кластеру. У двостепеном узорковању, једноставно случајно узорковање се примењује унутар сваког кластера за одабир подузорка елемената у сваком кластеру.
Метод кластера не сме се мешати са слојевитим узорковањем. У стратификованом узорковању, популација је подељена на међусобно искључиве групе које су споља хетерогене, али изнутра хомогене. На пример, у стратификованом узорковању, истраживач може поделити популацију у две групе: мушкарци и жене. Супротно томе, у узорковању кластера, кластери су међусобно слични, али са различитим унутрашњим саставом.
Предности кластер узорковања
Кластер метода има бројне предности у односу на једноставно случајно узорковање и стратификовано узорковање. Предности укључују:
1. Захтева мање ресурса
Будући да кластер узорковање одабире само одређене групе из целокупне популације, метода захтева мање ресурса за поступак узорковања. Због тога је то обично јефтиније у односу на једноставно случајно или стратификовано узорковање, јер захтева мање административних и путних трошкова. То укључује трошкове као што су станарина, оглашавање, маркетинг, рачуноводство, парнице, путовања, оброци, менаџерске плате, бонуси и још много тога. Повремено може укључивати и трошкове амортизације.
2. Изводљивије
Подела целокупне популације на хомогене групе повећава изводљивост узорковања. Поред тога, пошто сваки кластер представља целокупну популацију, у студију може бити укључено више субјеката.
Мане кластер узорковања
Упркос својим предностима, овај метод и даље има неколико недостатака, укључујући:
1. Пристрасни узорци
Метода је склона пристрасности Приступачност одабира узорка Непристрасност одабира узорка је пристраност која је резултат неуспеха да се обезбеди правилна рандомизација узорка популације. Мане одабира узорка. Да су кластери који представљају целокупно становништво настали према пристрасном мишљењу, закључци о целокупној популацији такође би били пристрасни.
2. Велика грешка у узорковању
Генерално, узорци извучени методом кластера склони су већим грешкама узорковања од узорака формираних коришћењем других метода узорковања.
Сродна читања
Финанце је званични добављач глобалног аналитичара за финансијско моделирање и вредновање (ФМВА) ™ ФМВА® сертификација Придружите се 350.600+ ученика који раде у компанијама попут Амазона, ЈП Моргана и Ферраријевог сертификационог програма, осмишљеног да помогне свима да постану финансијски аналитичари светске класе . Да бисте наставили учити и напредовати у каријери, корисни ће вам бити додатни ресурси за финансије у наставку:
- Основни појмови о статистици у финансијама Основни појмови о статистици о финансијама Чврсто разумевање статистике од пресудне је важности за боље разумевање финансија. Штавише, концепти статистике могу помоћи инвеститорима да надгледају
- Испитивање хипотезе Испитивање хипотеза Испитивање хипотеза је метода статистичког закључивања. Користи се за тестирање да ли је изјава у вези са параметром популације тачна. Хипотеза тестирање
- Непристрасност одабира узорка Непристрасност одабира узорка Непристрасност одабира узорка је пристрасност која је резултат неуспеха да се осигура правилна рандомизација узорка популације. Мане одабира узорка
- Грешка типа ИИ Грешка типа ИИ При тестирању статистичких хипотеза, грешка типа ИИ је ситуација у којој тест хипотезе не успева да одбаци нулту хипотезу која је нетачна. У другим
