Kvantitativne metode istraživanja dr. sc. Dario Pavić

Slides:



Advertisements
Similar presentations
Bog nas voli i ima povjerenja u nas. Kako je divno, Bože, što nas voliš unatoč svih naših grijeha i propusta. Doista, ne znamo čime smo zaslužili toliku.
Advertisements

Prof: doc.dr. Samir Lemeš student: Samir Hrnjić. System restore je komponenta Microsoftovih operativnih sistema Windows Serveri ne podržavaju opciju System.
KAKO IZRADITI IGRU: Izrežite tabele, sličice, kartice, žetone. Ostavite 1mm bijelog ruba oko okvira. Nalijepite ih na karton u boji (hamer), jako lijepo.
Stabilnost, promjena i koherentnost ličnosti
Uvod u programiranje - matematika – VI predavanje
Petlje WHILE – WEND.
u organskoj poljoprivredi
4.1 Vizualni (grafički) HTML uređivači
MICROSOFT WORD 2010.
Compression Plus Nonsteroidal Antiinflammatory Drugs, Aspiration, and Aspiration With Steroid Injection for Nonseptic Olecranon Bursitis ; RCT Joon Yub.
INTERNETSKA ISTRAŽIVANJA Populacija, uzorci i pogreške
Nadgradnja klasa i nasljeđivanje – 3
Programi,Podaci,Varijable,Računanje- Uvod
Statističko modeliranje istraživanja
Uzorkovanje.
Programiranje - Blokovi naredbi i logički tipovi –
OSNOVE PROGRAMIRANJA U PROGRAMSKOM JEZIKU
Pojam DBMS. Relacione baze podataka
Java Petlje i logika - 1.
CheckBox RadioButton RadioGroup
FOURIEROVI REDOVI I INTEGRALI
Petlje FOR - NEXT.
Internet mreže, FTN - KZI
KREIRANJE OBJEKATA.
Razmisli ……...
Uvod u programiranje - matematika – X predavanje
Arrays and strings -2 (nizovi i znakovni nizovi)
Elektrotehnički fakultet – Podgorica Operativni sistemi
Elementi programskog jezika PASCAL
Arrays and strings -1 (nizovi i znakovni nizovi)
Dizajniranje upitnika
Struktura MAC adrese i Ethernet okvira
Prikupljanje podataka Planiranje istraživanja
STATISTIKA Metoda uzoraka.
STANDARDI U MEDIJSKOM PLANIRANJU
M-datoteke.
Diskriminativna analiza
OSNOVE STATISTIČKE OBRADE PODATAKA
DISKRETNI DINAMIČKI SUSTAVI –LOGISTIČKI MODEL -KAOS-
Pojmovi digitalnog zapisa
Uzorci i pogreška uzorkovanja
Prikupljanje podataka Planiranje istraživanja
Prikupljanje podataka Planiranje istraživanja
Izranjajuća Inteligencija
PROGRAMSKI JEZIK PASCAL
Articles.
Osnovni simboli jezika Pascal
Do While ... Loop struktura
Virtualizacija poslovnih procesa metodom „Swimlane“ dijagrama
Home - Bullets & Numbering -
Epidemiologija HIV infekcije i AIDS-a
EU Montenegro Inclusive Education Services Project (EU - MIESP)
Analiza varijance prof. dr. sc. Nikola Šakić.
Klasifikacija i stablo odlučivanja uz r
Sustavi za pracenje i vođenje procesa STATEFUL INSPECTION FIREWALL
Skup instrukcija procesora
Fakultet elektrotehnike i računarstva
Analiza varijance prof. dr. sc. Nikola Šakić.
Tanja Buzina Nacionalna i sveučilišna knjižnica, Zagreb
Programiranje - Naredbe za kontrolu toka programa – 3. dio
Programski jezik C++ - Vježbe - 1. dio
LimeSurvey Uvjetni prikaz pitanja Internetska istraživanja
Elder Scroll V:Skyrim.
Dr. sc. Lana Peto Kujundžić
Dvostruka autentifikacija
Analiza varijance prof. dr. sc. Nikola Šakić.
Vježbenica 2: struktura grananja – 2.dio
Oblikovanje programske potpore
Hour of Code Coding Jetpack Jumper Mateja Hržica, MSP.
Iracionalni brojevi
Presentation transcript:

Kvantitativne metode istraživanja dr. sc. Dario Pavić Uzorci i uzorkovanje Kvantitativne metode istraživanja dr. sc. Dario Pavić

Temeljni pojmovi Ciljna populacija (Target population) – skupina jedinki na koje se istraživanje odnosi i na koju se poopćavaju (generaliziraju) dobiveni rezultati Uzorak – dio populacije na kojem se provodi istraživanje i temeljem kojega se zaključuje o cijeloj populaciji Osnovni skup – skupina jedinki iz koje biramo uzorak Okvir za izbor uzorka (Sampling frame) – popis jedinica osnovnog skupa odn. podaci iz kojih ćemo izabrati uzorak Element – individualni član populacije čija će se svojstva mjeriti

Temeljni pojmovi

Temeljni pojmovi Jedinice uzorkovanja – kod višestupanjskog uzorkovanja – primarne i sekundarne jedinice uzorkovanja

Reprezentativan uzorak Uzorak koji „izgleda” kao i populacija iz koje je izabran u svim aspektima relevantnim za dotično istraživanje. Distribucija svojstava među elementima uzorka je ista kao i distribucija tih svojstava u populaciji

Način izbora uzorka Probabilistički i neprobabilistički uzorci Probabilistički uzorci – matematički konstruirani uzorci izabrani na temelju proračuna vjerojatnosti koju za izbor u uzorak ima svaka pojedina jedinica populacije (osnovnog skupa Neprobabilistički uzorci – sve ostale vrste uzoraka koji nisu izabrani prema kriteriju matematičke vjerojatnosti (distribucija nepoznata) nego u skladu s određenim kriterijima istraživača 1. Problem onih koji se nisu odazvali, nepostojanje sustavnog otklona

Probabilistički uzorci Uvjeti: Za svakog člana populacije (osnovnog skupa) mora biti poznata vjerojatnost da bude izabran u uzorak Izbor svih elemenata mora biti lišen bilo kakvog utjecaja namjere ili odluke istraživača Prednosti U dosljednoj primjeni isključena je bilo kakva pristranost Omogućavaju procjenu standardne pogreške uzorka

Napomene Što je uzorak veći, imamo više pouzdanja da je reprezentativan Što je populacija homogenija, imamo više pouzdanja u reprezentativnost uzorka određene veličine Udio uzorka u populaciji ne utječe na njegovu reprezentativnost osim ako je taj udio velik

Vrste probabilističkih uzoraka Jednostavni slučajni uzorak – svi članovi populacije (osnovnog skupa) imaju jednake šanse biti izabrani – primjer: iz bubnja, slučajni brojevi Prednosti: Nije potrebno nikakvo znanje o populaciji Nema mogućnosti pristranosti zbog uvođenja nekog kriterija klasifikacije Omogućava veliko raspršenje elemenata

Vrste probabilističkih uzoraka Mane: Potreban je popis jedinica osnovnog skupa Jedinice uzorka mogu biti previše raspršene Ne mora biti reprezentativan prema svim svojstvima, osobito ako nije previše velik

Vrste probabilističkih uzoraka Slučajni sustavni uzorak – korištenje intervala za odabir svakog elementa. Prva jedinica mora biti izabrana slučajno. Potom se odabire svaki n-ti element, gdje je n broj dobiven dijeljenjem veličine populacije s veličinom uzorka Problem periodičnosti Slučajni stratificirani uzorak – grupiranje elemenata populacije u homogene skupine ili stratume koje istraživač želi imati pod kontrolom. – glavna prednost: osigurana reprezentativnost obzirom na relevantne varijable.

Vrste probabilističkih uzoraka Proporcionalno i neproporcionalno uzorkovanje

Vrste probabilističkih uzoraka Lets us imagine a town which has 1200 rich people and 2500 poor people. Due to budget constraints, the survey designer samples 100 people from each of the two strata (200 people total). The sampling fraction for the rich is .08333 (100/1200) and for the poor is .04 (100/2500). The weights to be placed on each observation is simple just the inverse of the sampling fraction; thus the weights are 12 for the rich and 25 for the poor. In the example above, suppose the mean household income in the poor areas was £12,000 and that in the rich areas was £25,000, then the weighted mean would be [100x £12,000 x (w=25) +100 x £25,000 x(w=12)] ÷ (100×25+100 x 12) = £16,216.20.

Vrste probabilističkih uzoraka

Vrste probabilističkih uzoraka Klasterski uzorak Kada ne raspolažemo relevantnim podacima o populaciji Jedinice uzorkovanja – prirodno-pojavljujuće jedinice (regije, županije, općine, gradovi, škole…) Na tim razinama jednostavni nasumični odabir (u županijama nasumični odabir općina, u općinama naselja, u naseljima kućanstava…)

Vrste probabilističkih uzoraka

Vrste probabilističkih uzoraka

Neprobabilistički uzorci Kvotni uzorak – lošija zamjena za stratificirani uzorak Izabiru se stratumi (npr. prema spolu, stručnoj spremi i dr.), ali je izbor ispitanika namjeran ili pseudo-slučajan, npr. unutar zadanih okvira anketari ispituju osobe koje sretnu i koje pristanu na anketu

Neprobabilistički uzorci Prigodni uzorak – ispitivanje dostupnih pojedinaca (npr. ispitivanje stavova studenata nekog fakulteta tako da anketar dođe na neko predavanje i podijeli upitnik) Uzorak dobrovoljaca Uzorak snježne grude (Snowball) – svaki ispitanik nam identificira sljedećeg ispitanika Namjerni uzorak – npr. stručnjaci