代表 - このプロセスは何ですか？ カバレッジ・エラー

表現の概念は共通で、統計otchetnostyakhとスピーチや報告書の作成に。 おそらくそれなしでディスプレイ上の情報を提示する任意の種類を想像することは困難です。

代表性 - それは何ですか？

代表性は、選択したオブジェクトまたは部品は、それらが選択されたからのデータ母集団の内容と意味にどのように対応するかを反映しています。

他の定義

表現の概念が異なるコンテキストで拡張することができます。 しかし、その意味表現は - コンプライアンス機能と正確に全体として、データベース全体の一般的な特性を反映した一般集団の選択単位の性質です。

また、代表的な情報は、進行中の研究の観点から重要なパラメータと特性のサンプル・データ・セットを送信する能力として定義されます。

代表的なサンプル

サンプリングの原理は最も正確を選択し、データセットのプロパティを表示するのに重要です。 これは正確な結果を得ることを可能にする種々の方法、および使用の概要 、一般集団の データの品質を記述するだけ選択された材料を使用して。

このようにすべての材料を学ぶために、必要はありません、それは選択的な表現を考慮すればよいです。 それは何ですか？ これは、情報の総質量についての考えを持っているために、個々のデータのサンプルです。

彼らは、確率と非確率として区別の方法に依存しています。 確率 - のサンプルは、一般集団のさらなる代表で最も重要で興味深いデータを、計算することにより行われます。 しかし、これは、その内容によって正当化され、意図的な選択またはランダムサンプルです。

Nonprobabilistic - 宝くじの通常の原則でのランダムなサンプルの一の形態です。 この場合には、そのような選択をする人の意見。 それだけで盲目のドローを使用しています。

確率サンプリング

確率サンプリングはまた、いくつかのタイプに分けることができます：

• 最もシンプルかつ明確な原則の一つ - 便利なサンプル。 社会的な調査を実施する場合たとえば、この方法が用いられることが多いです。 この場合、回答者は、いずれかの特定の機能で群衆から選択されていない、との情報が、それに参加した最初の50人で生産します。
• 故意のサンプリング、彼らが選択するための要件と条件の数を持っているという点で異なるが、それでも偶然に頼って、良い統計を達成するという目標を追求していません。
• クォータに基づいてサンプル - これは、オン確率しばしば大規模なデータセットの分析に使用されるサンプル、別の変形例です。 彼女の場合は、条件や規範の様々なを使用していました。 選択したオブジェクトは、それらを一致させます。 それは社会調査の例は、それが100人にインタビューをされますが、指定された要件を満たす人の数だけ意見が統計レポートの作成の際に考慮されます示唆しています。

確率サンプリング

確率サンプリング用のサンプル内のオブジェクトは、それらの間で、正確にサンプルデータの代表として提示される事実やデータを選出するいくつかの方法を満たすオプションの数を推定しました。 これらのメソッドは、必要なデータをすることができ計算します。

• シンプルランダムサンプリング。 これは、選択されたセグメントの間で完全にランダムに代表的なサンプルされるデータの抽選必要な量を選択するという事実にあります。

• 体系的かつランダムサンプリングは、ランダムなセグメントに基づいて、必要なデータを算出するシステムを作成することが可能となります。 したがって、一般的な集団から選択されたデータの順序番号を示す第1の乱数、場合には、選択すべき後続のデータは、例えば、15、25、35等であってもよい、5です。 この例では明らかにさえランダムな選択が必要な生データの体系的な計算に基づくことができると説明しています。

サンプルの顧客

意味のあるサンプル - 各個々のセグメントを考慮することからなる方法、および共有データベースの特徴および特性を反映し、彼の評価コンパイルセットに基づきます。 したがって代表的なサンプルの要求に対応するデータのより大きな量をダイヤルしました。 簡単に全人口を表す選択したデータの品質を失うことなく、合計数には含まれませんオプションの数を選択することが可能です。 このように、研究の結果の代表。

サンプルサイズ

対処しなければならない最後の質問 - それは、人口の代表のためのサンプルサイズです。 サンプルサイズは常に人口におけるソースの数に依存しません。 しかし、サンプルの代表性は、最終的に結果を分割する必要がありますどのように多くのセグメントに依存します。 複数のセグメント、より多くのデータが生産サンプルに入りました。 結果は一般的な用語を必要とし、詳細を必要としない場合は細部に行かなくても、情報はその解釈が共有されていることを意味し、より表面提示され、ので、それから、それぞれ、サンプルは、小さくなります。

代表エラーの概念

誤差の範囲 - 母集団とサンプルデータの特性との間の特定の違い。 より詳細な研究が唯一のセット全体の研究では可能であるが、完全な試験集団およびサンプルに、情報およびオプションの一部のみを表すように任意のサンプリング時には、正確なデータを得ることは絶対に不可能です。 このため、必然的にいくつかのエラーやミス。

エラーの種類

代表的なサンプルの調製で起こるいくつかのエラーを区別：

• システマティック。
• ランダム。
• 意図的。
• 意図しない。
• 標準。
• リミット。

ランダムエラーの外観のための基礎研究総人口の不連続な性質することができます。 一般的に、代表のランダム誤差は小さいサイズと文字を持っています。

系統的誤差は、一般集団の選択規則に違反してデータ間で発生します。

平均誤差 - 平均サンプル値と基本セットの間の差。 これは、試料中のユニットの数には依存しません。 それはに反比例する サンプルの量。 次いで体積が大きいほど、より低い平均値の誤差。

エラー制限は - サンプルを行います平均値と総人口の間で可能な最大の違いです。 このエラーは、その発生の与えられた条件の下で、最も可能性の高いエラーとして特徴づけられます。

代表の意図的および非意図的なエラー

データはエラーが意図的および非意図的ですオフセット。

次に、意図的なエラーの出現理由はトレンドを決定する方法によるデータの選択へのアプローチです。 意図しないエラーが試料観察、代表的なサンプルの形成の準備の段階で起こります。 このようなエラーを防ぐために、あなたがサンプリングのために良い基礎を作成する必要があり、部品選択ユニットを示しています。 研究のあらゆる側面をカバーし、正確であるとサンプリングの目的と完全に一致している必要があります。

妥当性、信頼性、代表性。 計算誤差

サンプルエラー（MM）の演算の計算値（M）を意味します。

標準偏差：サンプルサイズ（> 30）。

エラー（MP）のマージンと 相対値 （P）サンプルサイズ（N> 30）。

試料の量が少なく、30未満の単位であることが集計を検討する必要がある場合には、その後、症例数は単位未満であろう。

サンプルサイズに正比例エラー値。 代表情報と正確な予測を引き上げる可能性の程度の計算は、特定の値制限エラーを反映しています。

代表システム

代表的なサンプルを使用して情報を提示する評価プロセスではなく、情報を受信した人は、具象的システムを使用していないだけ。 したがって、脳は、特定のプロセス 情報の量を 効率的かつ迅速に供給されたデータを評価し、主題を理解するために、情報の全体の流れの代表的なサンプルを作成します。 人間の意識の非常に単純に規模 - 「 - このような代表」：質問に答えます。 これを行うには、脳がにすべての下位を使用して 、五感 一般流から分離すべき情報の種類に応じました。 従って、区別が間に形成されています。

• 臓器が眼の視覚を利用している視覚表現システム。 人々はしばしば同様のシステムを使用して、ビジュアルと呼ばれます。 このシステムでは、人は画像の形式で情報を処理します。
• 聴覚表現システム。 使用されている本体は、 - これは噂です。 音声ファイルや音声の形で提供された情報は、それがシステムによって処理されます。 人々はaudialamiと呼ばれる聴覚上の情報へのより受容されています。
• 運動感覚代表的なシステムは、嗅覚および触覚チャネルでそれを検出することにより情報の処理フローです。

• デジタル代表的なシステムは、外部から情報を取得する手段として、他と一緒に使用されます。 この主観的知覚とデータの論理的な解釈。

だから、代表性 - それは何ですか？ 情報の処理にセットまたは不可欠な手順からの簡単な選択？ 私たちは、代表性が大きく、最も魅力的で有意義なことから隔離するために支援し、データストリームの私達の認識を決定することを言うことができます。