Avantages et inconvénients de l`échantillonnage systématique

L`échantillonnage repose sur la sélection aléatoire des personnes ou des objets. Les chercheurs de normaliser la façon dont ils commandent les unités de la population. Par exemple, un inspecteur peut regarder chaque troisième lot d`arachides. échantillons systématiques sont très simple, rapide et pratique pour ceux qui ont déjà une liste d`unités de la population. Statisticiens bénéficient de l`utilisation échantillonnage systématique lors de l`étude de grandes populations parce que l`échantillonnage systématique couvre la zone d`échantillonnage uniforme. Par exemple, si une étude du département d`État comment les résidents utilisent un écran solaire, le département devrait idéalement échantillon de l`ensemble de l`Etat au lieu de l`échantillonnage de quelques comtés.

Les événements survenant à intervalles réguliers ont une périodicité. Par exemple, une émission de télévision qui diffuse tous les mardis à 20 heures a la périodicité. Dans une étude, la population échantillonnée pourrait avoir des caractéristiques de périodicité. Par exemple, le saumon peut nager jusqu`à la rivière en même temps chaque année. Les chercheurs pourraient également remarquer qu`un modèle a la périodicité. Par exemple, il pourrait y avoir plus d`ours dans une région chaque fois que le saumon nager jusqu`à la rivière. Mais l`échantillon périodicité pourrait ne pas correspondre à la périodicité du motif.

Dans un autre exemple, un statisticien pourrait choisir au hasard un club de santé des membres pour une étude. Cependant, les participants sélectionnés pourraient ne pas représenter les proportions réelles de club de santé des membres de la population. L`échantillon sélectionné peut arriver à tous souffrent de diabète, alors que tout le monde qui va à des clubs de santé a le diabète. Mais les situations dans lesquelles les participants échantillons ont des caractéristiques qui sont sauvagement divergentes des normes de la population échantillonnée est peu probable et en répétant l`étude à une date ultérieure révélera les anomalies dans l`étude.

Selon le site de l`Université Stony Brook, trouver plusieurs échantillons et répéter l`étude peut augmenter les chances que les résultats globaux de l`étude seront exacts. Par exemple, un chercheur pourrait étudier la prévalence d`une maladie particulière parmi les pommes de terre par les pommes de terre examinant quatre fermes de pommes de terre différentes. Une exploitation pourrait avoir un nombre anormalement élevé d`agents pathogènes en raison de mauvaises pratiques agricoles. Lorsque les chercheurs ont sélectionné quatre fermes différentes pour une deuxième étude et en moyenne les résultats de la première et la deuxième ferme, la ferme anormal ne représentent que 12,5 pour cent de la moyenne des résultats, au lieu de 25 pour cent.

L`échantillonnage systématique est une sorte de l`échantillonnage probabiliste, ce qui signifie que le chercheur doit veiller à ce que l`échantillon représente également tous les membres de la population. Si elles ne le font pas, le statisticien aura faussé les résultats, qui sont des résultats qui divergent des caractéristiques réelles de la population. Par exemple, une étude de l`université pourrait signaler que 70 pour cent des résidents dans le Missouri opposent réforme de l`immigration. Toutefois, le collège effectue l`enquête en demandant aux étudiants du collège. Les résultats seront biaisés, puisque la recherche ne sera pas représenter l`ensemble du Missouri, mais seulement les étudiants.

Statisticiens peuvent éviter les biais si elles choisissent des unités pour l`échantillon d`une manière systématique. Par exemple, au lieu de compter uniquement sur les étudiants, les chercheurs pourraient appeler chaque résident 100e répertorié dans l`annuaire téléphonique pour leur poser des questions sur la réforme de l`immigration.