نمایندگی - چه این فرایند است؟ خطا پوشش

مفهوم نمایندگی در است otchetnostyakh آماری و در آماده سازی سخنرانی ها و گزارش. شاید بدون آن دشوار است تصور کنید هر نوع از ارائه اطلاعات بر روی صفحه نمایش.

نمایندگی - آنچه در آن است؟

نمایندگی نشان دهنده چگونه اشیاء انتخاب شده و یا قطعات به محتوا و معنای جمعیت داده که از آنها انتخاب شدند مطابقت دارد.

تعاریف دیگر

مفهوم نمایندگی می توان در زمینه های مختلف گسترش یافته است. اما معنای بازنمایی آن - ویژگی های انطباق و خواص واحد انتخاب از جمعیت عمومی است که به دقت منعکس کننده ویژگی های کلی در کل پایگاه داده به عنوان یک کل است.

همچنین اطلاعات نماینده به عنوان توانایی ارسال داده های نمونه مجموعه ای از پارامترها و خواص که از منظر تحقیقات در حال انجام مهم هستند تعریف شده است.

نمونه

اصل نمونه در انتخاب دقیق ترین و نمایش خواص مجموعه ای از داده های مهم است. استفاده از این روش های گوناگونی، که اجازه می دهد برای به دست آوردن نتایج دقیق و یک مرور کلی از جمعیت عمومی، با استفاده از مواد تنها انتخاب که توصیف کیفیت داده ها.

بنابراین، بدون نیاز به یادگیری تمام مواد، و از آن کافی است به در نظر گرفتن نمایندگی انتخابی. آن چیست؟ این یک نمونه از داده های فردی به منظور یک ایده در مورد جرم کل از اطلاعات است.

آنها بسته به روش برجسته به عنوان احتمال و غیر احتمال. احتمال - یک نمونه از آن است که با محاسبه داده های مهم و جالب که نمایندگان بیشتر از جمعیت عمومی هستند ساخته شده است. این یک انتخاب آگاهانه و یا یک نمونه تصادفی، با این حال، توجیه توسط محتویات آن است.

Nonprobabilistic - یک شکل از یک نمونه تصادفی از در اصل معمول از قرعه کشی است. در این مورد، از نظر کسی که چنین انتخاب. آن استفاده می کند قرعه کشی تنها کور.

نمونه احتمال

نمونه احتمال همچنین می توانید به انواع مختلفی تقسیم می شود:

• یکی از اصول ساده ترین و روشن - یک نمونه مناسب. برای مثال، این روش اغلب در هنگام انجام بررسی های اجتماعی استفاده می شود. در این مورد، پاسخ دهندگان از جمعیت در هر ویژگی های خاص انتخاب نشده است، و اطلاعات تولید شده در 50 اولین کسانی که در آن شرکت کردند.
• نمونه عمدی متفاوت است که در آنها تعداد مورد نیاز و شرایط را برای انتخاب، اما هنوز هم در تصادف تکیه می کنند، به دنبال هدف دستیابی به آمار خوب نیست.
• نمونه بر اساس سهمیه - این یکی دیگر از تغییرات در احتمالاتی نمونه است، که اغلب برای تجزیه و تحلیل مجموعه داده های بزرگ استفاده می شود. برای او، استفاده از انواع شرایط و هنجارهای. اشیاء انتخاب شده به آنها مطابقت. که به عنوان مثال از بررسی های اجتماعی نشان می دهد که خواهد شد مصاحبه 100 نفر، اما تنها از نظر تعداد زیادی از مردم که نیازمندی خواهد شد را به حساب در تهیه گزارش های آماری گرفته شده است.

نمونه احتمال

برای احتمال نمونه برآورد تعدادی از گزینه های که در آن اشیاء در نمونه دیدار خواهد کرد، در میان آنها تعدادی از راه های به دقت انتخاب شود حقایق و داده هایی را که به عنوان نمایندگی از داده های نمونه ارائه خواهد شد. این روش محاسبه اطلاعات لازم می تواند:

• روش نمونه گیری تصادفی ساده است. آن را در این واقعیت است که در میان بخش انتخابی را کامل به صورت تصادفی مقدار قرعه کشی مورد نیاز داده خواهد شد که نمونه انتخاب شده است.

• نمونه گیری سیستماتیک و تصادفی را ممکن می سازد برای ایجاد یک سیستم محاسبه اطلاعات لازم بر اساس یک بخش به صورت تصادفی. بنابراین، اگر اولین عدد تصادفی، که نشان می دهد عدد ترتیبی داده های انتخاب شده از کل جمعیت، 5، پس از آن داده پس از آن انتخاب شود می تواند باشد، به عنوان مثال، 15، 25، 35 و غیره. این مثال به وضوح توضیح می دهد که حتی یک انتخاب تصادفی ممکن است در محاسبات سیستماتیک داده های خام لازم است.

مشتریان نمونه

نمونه معنی دار - یک روش که شامل توجه به هر یک از بخش های فردی، و بر اساس ارزیابی مجموعه وارد خود منعکس کننده ویژگی و خواص از پایگاه داده به اشتراک گذاشته. بنابراین مقدار بیشتری از اطلاعات مربوط به الزامات نمونه گرفته شده است. ممکن است که به راحتی انتخاب کنید تعدادی از گزینه های که در تعداد کل شامل نمی شود، بدون از دست دادن کیفیت داده های انتخاب شده به نمایندگی از کل جمعیت. در این روش نمایندگی از نتایج حاصل از این مطالعه.

حجم نمونه

آخرین نشده درخواست است که باید خطاب - آن را به حجم نمونه برای فراگیری جمعیت است. حجم نمونه همیشه در تعدادی از منابع در جمعیت بستگی دارد. با این حال، نمایندگی نمونه بستگی دارد برای بسیاری از بخش های باید در نهایت نتیجه تقسیم شده است. بخش بیشتر، اطلاعات بیشتری می شود را به نمونه مولد. اگر نتایج نیاز به یک اصطلاح عمومی و جزئیات نیاز ندارد، پس از آن، به ترتیب، نمونه کوچکتر می شود، زیرا بدون رفتن به جزئیات، اطلاعات ارائه شده است سطحی تر، به این معنی که تفسیر آن مشترک است.

مفهوم خطاهای نمایندگی

حاشیه خطا - یک تفاوت خاصی بین ویژگی های جمعیت و نمونه داده ها. در طول هر نمونه کاملا غیر ممکن است برای دریافت اطلاعات دقیق، همانطور که در جامعه مورد مطالعه کامل و نمونه نشان تنها بخشی از اطلاعات و گزینه ها، در حالی که یک مطالعه مفصل تر تنها در این مطالعه از کل مجموعه امکان پذیر است. بنابراین، به ناچار برخی از خطاها و اشتباهات.

انواع خطاها

تشخیص برخی از اشتباهات که در تهیه یک نمونه نماینده رخ می دهد:

• سیستماتیک.
• تصادفی.
• عمدی.
• غیر عمدی.
• استاندارد.
• محدود.

اساس و مبنای ظاهر خطاهای تصادفی می تواند ماهیت ناپیوسته مطالعه از کل جمعیت. به طور معمول، خطای تصادفی نمایندگی اندازه کوچک و شخصیت.

خطاهای سیستماتیک بین داده ها در نقض قوانین انتخاب جمعیت عمومی رخ می دهد.

متوسط خطا - تفاوت بین مقادیر نمونه متوسط و مجموعه اولیه. این کار در تعداد واحد در نمونه بستگی ندارد. این معکوس با متناسب است حجم نمونه. و سپس بیشتر از حجم، پایین تر از ارزش متوسط خطا.

محدود کردن خطا - بزرگترین تفاوت بین مقدار متوسط خواهد نمونه و از کل جمعیت است. این خطا به عنوان خطاهای احتمالی ترین تحت شرایط داده شده از وقوع آنها مشخص می شود.

خطاهای عمدی و غیر عمدی نمایندگی

داده جبران اشتباهات عمدی و غیر عمدی هستند.

سپس دلایل ظهور خطا عمدی یک رویکرد به انتخاب داده ها با استفاده از روش تعیین روند است. خطاهای غیر عمدی در مرحله آماده سازی از مشاهده نمونه، شکل گیری یک نمونه نماینده رخ می دهد. برای جلوگیری از چنین اشتباهات، شما باید یک مبنای خوبی برای نمونه برداری، لیست واحد انتخاب جزء ایجاد کنید. این باید به طور کامل مطابق با اهداف از نمونه برداری می شود دقیق، پوشش تمام جنبه از مطالعه است.

اعتبار، قابلیت اطمینان، نمایندگی. خطاهای محاسبه

محاسبه خطای نمونه (میلیمتر) میانگین حسابی ارزش (M).

انحراف استاندارد: حجم نمونه (> 30).

حاشیه خطا (MP) و یک ارزش نسبی (P) حجم نمونه (N> 30).

در مورد زمانی که به مطالعه کل، در جایی که مقدار نمونه کوچک باشد و کمتر از 30 واحد، پس از آن تعداد موارد کمتر از یک واحد خواهد بود لازم است.

مقدار خطا به طور مستقیم به حجم نمونه متناسب است. اطلاعات نماینده و محاسبه درجه امکان رسم تا یک پیش بینی دقیق نشان دهنده خاص خطاهای سقف ارزش.

سیستم های نماینده

نه تنها در فرایند ارزیابی ارائه اطلاعات با استفاده از یک نمونه نماینده، بلکه شخص دریافت اطلاعات با استفاده از سیستم های بازنمودی. بنابراین، مغز فرآیندهای خاص مقدار اطلاعات برای ایجاد یک نمونه از کل جریان اطلاعات به منظور موثر و به سرعت ارزیابی داده های عرضه و درک موضوع. برای پاسخ به این سوال: "نمایندگی - که این" - کاملا به سادگی مقیاس آگاهی انسان. برای این کار، مغز با استفاده از تمام تابع حواس، بسته به چه نوع از اطلاعات باید از جریان کلی جدا شده است. بنابراین تمایز بین ساخته شده است:

• سیستم بازنمودی بصری که در آن اندام ها در ادراک بصری از چشم استفاده شده است. مردم اغلب یک سیستم مشابه استفاده، به نام تصاویری. با این سیستم، یک فرد پردازش اطلاعات در قالب تصاویر.
• سیستم بازنمودی شنوایی. بدنه اصلی، استفاده شده است که - این یک شایعه است. اطلاعات عرضه شده به صورت فایل های صوتی یا سخنرانی، آن است که توسط سیستم پردازش شده است. مردم بیشتر پذیرای اطلاعات در شنوایی، به نام audialami هستند.
• سیستم نماینده جنبشی جریان پردازش اطلاعات توسط سنجش از دور آن را با کانال های بویایی و لامسه است.

• سیستم نماینده دیجیتال به همراه دیگر به عنوان ابزاری برای دستیابی به اطلاعات از خارج استفاده می شود. این ادراک ذهنی و تفسیر منطقی از داده ها.

بنابراین نمایندگی - آنچه در آن است؟ انتخاب ساده از مجموعه و یا روش انتگرال را در پردازش اطلاعات؟ ما می توانیم بگوییم که نمایندگی تا حد زیادی تعیین ادراک ما از جریان داده، کمک به جدا از آن قانع کننده ترین و معنی دار.