4 Arten von Zufallsstichprobentechniken erklärt

„Warum sollte ich mich für Zufallsstichproben interessieren?“

Hier ist der Grund: Wenn Sie Datenwissenschaftler sind und Modelle entwickeln möchten, benötigen Sie Daten. Und wenn Sie Daten benötigen, muss jemand diese Daten sammeln. Und wenn jemand Daten sammelt, muss er sicherstellen, dass diese nicht voreingenommen sind, sonst wird es extrem kostspieligauf Dauer.

Wenn Sie also unvoreingenommen sammeln möchtenDaten, dann müssen Sie sich mit Zufallsstichproben auskennen.

Mehr von Terence Shin10 Fortgeschrittene SQL-Konzepte, die Sie für Data Science-Interviews kennen sollten

Zufallsstichproben beschreiben einfach einen Zustand, in dem jedes Element in einer Grundgesamtheit die gleiche Chance hat, für die Stichprobe ausgewählt zu werden. Klingt einfach, oder? Nun, das ist viel leichter gesagt als getan, denn man muss viel Logistik berücksichtigen, um Voreingenommenheit zu minimieren. Diese vier Arten von Zufallsstichprobenverfahren ermöglichen Ihnen genau das.

Einfache Zufallsstichproben erfordern die Verwendung zufällig generierter Zahlen zur Auswahl einer Stichprobe. Genauer gesagt ist zunächst ein Stichprobenrahmen erforderlich, bei dem es sich um eine Liste oder Datenbank aller Mitglieder einer Grundgesamtheit handelt. Anschließend können Sie für jedes Element eine zufällige Zahl generieren, beispielsweise mit Excel, und die ersten n benötigten Stichproben entnehmen.

Um ein Beispiel zu nennen: Stellen Sie sich vor, die Tabelle rechts wäre Ihr Stichprobenrahmen. Mit einer Software wie Excel können Sie dann Zufallszahlen für jedes Element im Stichprobenrahmen generieren. Wenn Sie eine Stichprobengröße von drei benötigen, würden Sie die Stichproben mit den Zufallszahlen von eins bis drei nehmen.

Bei der geschichteten Zufallsstichprobe wird eine Population in Gruppen mit ähnlichen Merkmalen aufgeteilt und jede Gruppe wird nach dem Zufallsprinzip ausgewählt.

Diese Methode stellt sicher, dass verschiedene Segmente einer Population gleichermaßen vertreten sind. Stellen Sie sich zum Beispiel vor, dass an einer Schule eine Umfrage durchgeführt wird, um die Gesamtzufriedenheit zu ermitteln. Dabei kann eine geschichtete Zufallsauswahl die Meinungen der Studierenden in jedem Fachbereich gleichermaßen abbilden.

Cluster-Sampling beginnt mit der Aufteilung einer Population in Gruppen oder Cluster. Der Unterschied zur geschichteten Stichprobe besteht darin, dass jeder Cluster für die größere Population repräsentativ sein muss. Anschließend wählen Sie nach dem Zufallsprinzip ganze Cluster zur Stichprobe aus.

Wenn eine Schule beispielsweise fünf verschiedene Klassen der achten Klasse hätte, bedeutet die Cluster-Zufallsstichprobe, dass jede einzelne Klasse als Stichprobe dienen würde.

Systematische Zufallsauswahl ist eine gängige Technik, bei der Sie jedes k-te Element abtasten. Wenn Sie beispielsweise Umfragen in einem Einkaufszentrum durchführen, könnten Sie jede 100. Person befragen, die das Einkaufszentrum betritt.

Wenn Sie über einen Stichprobenrahmen verfügen, teilen Sie die Größe des Rahmens N durch die gewünschte Stichprobengröße n, um die Indexzahl k zu erhalten. Anschließend würden Sie jedes k-te Element im Rahmen auswählen, um Ihr Beispiel zu erstellen.

Wenn wir die gleichen Diagramme wie im ersten Beispiel verwenden und dieses Mal eine Stichprobengröße von zwei wünschen, würden wir jede dritte Zeile im Stichprobenrahmen nehmen.

Mehr in Data Science: So erstellen Sie eine Suchmaschine mit Python und Laravel

Sie sollten nun wissen, was Zufallsstichproben sind, und einige gängige Techniken zu ihrer Durchführung kennen. Die Beherrschung dieses Konzepts ist äußerst wichtig, um Voreingenommenheit zu minimieren und bessere Modelle zu erstellen.