Il campionamento sistematico<\/strong> \u00e8 un metodo probabilistico utilizzato per selezionare gli elementi che faranno parte del campione per uno studio statistico. Nel campionamento sistematico, un elemento viene prima selezionato in modo casuale e gli altri elementi del campione vengono selezionati a intervalli fissi. <\/p>\n Pertanto, nel campionamento sistematico, una volta selezionato casualmente il primo individuo dal campione, dobbiamo contare tanti numeri quanto l’intervallo desiderato per estrarre l’individuo successivo dal campione. E ripetiamo successivamente la stessa procedura finch\u00e9 non avremo nel campione tanti individui quanto la dimensione del campione che desideriamo ottenere.<\/p>\n D’altra parte, dovresti sapere che esistono pi\u00f9 metodi per selezionare gli individui da un campione. Le tipologie di campionamento pi\u00f9 utilizzate sono:<\/p>\n Su probabilistica.com abbiamo una spiegazione dettagliata di ciascun tipo di campionamento probabilistico, quindi se sei pi\u00f9 interessato puoi cercare come viene eseguito ciascuno di essi sul nostro sito web. <\/p>\n I passaggi per effettuare un campionamento casuale sistematico sono i seguenti:<\/p>\n \u00c8 importante che il primo elemento selezionato nel campionamento sistematico sia casuale, perch\u00e9 in realt\u00e0 \u00e8 l’unico elemento del campione ad essere selezionato in modo casuale. In caso contrario, la casualit\u00e0 del campionamento sistematico sarebbe compromessa. Ecco perch\u00e9 il ricercatore deve garantire che tutti gli elementi della popolazione abbiano la stessa probabilit\u00e0 di essere selezionati come punto di partenza.<\/p>\n Allo stesso modo, poich\u00e9 gli elementi del campione nel campionamento sistematico vengono selezionati a intervalli, potrebbe non esserci un elemento di un certo tipo nel campione finale e quindi il campione potrebbe non essere sufficientemente rappresentativo. Ma questo \u00e8 un rischio che corriamo quando effettuiamo un campionamento sistematico.<\/p>\n Infine, bisogna tenere conto che l’intervallo di campionamento non \u00e8 un modello, perch\u00e9 in tal caso il campione selezionato non sar\u00e0 adeguato e lo studio statistico dar\u00e0 risultati inaffidabili. <\/p>\n Dopo aver visto la definizione di campionamento sistematico, spiegheremo un esempio di questo tipo di campionamento in modo da comprenderne meglio il significato.<\/p>\n Se ad esempio desideriamo effettuare un campionamento sistematico su una popolazione di 1000 elementi per ottenere un campione di 50 elementi, dovremo procedere nel modo seguente.<\/p>\n Innanzitutto dobbiamo calcolare l\u2019intervallo di campionamento. Per fare ci\u00f2, dividiamo semplicemente la dimensione della popolazione per la dimensione del campione:<\/p>\n<\/p>\n In secondo luogo, dobbiamo selezionare casualmente il primo soggetto del campione. Per eseguire questo passaggio esistono diversi metodi, ma \u00e8 possibile utilizzare, ad esempio, il programma per computer Excel per ottenere un numero casuale da 1 a 20 (si consiglia di inserire il primo numero nel primo frammento). Supponiamo di ottenere il numero 17.<\/p>\n<\/p>\n Successivamente, dobbiamo aggiungere l’intervallo di campionamento (20) al numero 17 per selezionare gli elementi successivi dal campione. Dobbiamo selezionare altri 49 numeri, poich\u00e9 la dimensione del campione desiderata \u00e8 50.<\/p>\n<\/p>\n In modo che gli elementi della popolazione che si identificano con i dati che escono sono quelli selezionati per far parte del campione dello studio statistico. <\/p>\n Il campionamento sistematico presenta i seguenti vantaggi e svantaggi: <\/p>\n Come abbiamo visto nell\u2019esempio precedente, il campionamento sistematico \u00e8 rapido e facile da eseguire. Anche se non sembra, questa propriet\u00e0 \u00e8 importante perch\u00e9 comporta un costo economico inferiore.<\/p>\n Un altro aspetto positivo del campionamento sistematico \u00e8 che campiona dall\u2019intera popolazione. D’altra parte, in altri tipi di campionamento, potremmo ad esempio prelevare elementi solo dalla prima met\u00e0 della popolazione.<\/p>\n Uno svantaggio del campionamento sistematico \u00e8 che l\u2019ordine in cui sono collocati gli elementi della popolazione pu\u00f2 condizionare l\u2019affidabilit\u00e0 dei risultati statistici, perch\u00e9 se esiste un certo tipo di periodicit\u00e0 o modello, si potrebbe ottenere un campione distorto. Ad esempio, se ordiniamo una popolazione di uomini e donne come segue:<\/p>\n<\/p>\n Con questo ordine, se prendiamo un intervallo di campionamento pari a 2, selezioneremo solo donne o solo uomini a seconda del punto di origine. Pertanto, otterremo un campione inaffidabile.<\/p>\n Infine, un altro aspetto negativo del campionamento sistematico \u00e8 che un solo elemento viene selezionato in modo casuale, il che condiziona il resto degli elementi del campione. A differenza di altri tipi di campionamento in cui il caso \u00e8 molto pi\u00f9 presente durante tutta la procedura. <\/p>\n Infine, vi mostriamo quando \u00e8 pratico utilizzare il campionamento sistematico e quando no, poich\u00e9 questo sistema di campionamento non \u00e8 sempre utilizzabile.<\/p>\n Il campionamento sistematico pu\u00f2 essere utilizzato quando \u00e8 necessario un metodo di campionamento semplice e rapido da implementare. In altre parole, quando il budget del progetto \u00e8 limitato, il campionamento sistematico \u00e8 un\u2019ottima opzione perch\u00e9 richiede poche risorse per realizzarlo.<\/p>\n Come abbiamo visto in tutto l’articolo, non \u00e8 pratico utilizzare questo tipo di campionamento quando la popolazione mostra un certo tipo di modello, poich\u00e9 si potrebbe ottenere un campione distorto.<\/p>\n Infine, se nella popolazione sono presenti molti gruppi diversi, o in altre parole, se questa ha molti strati, \u00e8 preferibile utilizzare il campionamento stratificato perch\u00e9 consente l’analisi statistica degli strati separatamente, che non consente il campionamento sistematico. <\/p>\n![\"campionamento](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/echantillonnage-systematique.png\")
<\/figure>\n<\/div>\n\n
<\/span> Come effettuare un campionamento sistematico<\/span><\/h2>\n
\n
<\/span> Esempio di campionamento sistematico<\/span><\/h2>\n
![\"k=\\cfrac{1000}{50}=20\"](\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-e9d19a94d1eb83b7ab2fe075627c9ccf_l3.png\" "\\"Rendered")
<\/p>\n<\/p>\n![\"\\text{primer](\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-c0fd149b35ad3c5fb100791560921906_l3.png\" "\\"Rendered")
<\/p>\n<\/p>\n![\"\\text{muestra}=](\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-759adbb862ea83913516d751a0d91973_l3.png\" "\\"Rendered")
<\/p>\n<\/p>\n<\/span> Vantaggi e svantaggi del campionamento sistematico<\/span><\/h2>\n
\n\n
\n \n vantaggio<\/th>\n Svantaggi<\/th>\n<\/tr>\n<\/thead>\n \n Il campionamento sistematico \u00e8 molto rapido da eseguire.<\/td>\n Se esiste uno schema e corrisponde all’intervallo di campionamento, otterrai un campione distorto.<\/td>\n<\/tr>\n \n \u00c8 facile da capire.<\/td>\n Nel campione selezionato c’\u00e8 un solo elemento scelto a caso.<\/td>\n<\/tr>\n \n I campioni ottenuti sono generalmente rappresentativi.<\/td>\n Una volta selezionato l’argomento iniziale, alcuni elementi hanno probabilit\u00e0 zero di essere selezionati.<\/td>\n<\/tr>\n \n Il campionamento sistematico non \u00e8 limitato ad una porzione della popolazione, ma campiona piuttosto elementi distribuiti in tutta la popolazione.<\/td>\n La stima delle variazioni \u00e8 pi\u00f9 complicata rispetto al semplice sistema di campionamento casuale.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n ![\"\\text{M}\\quad](\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-b4f62c02d02810729f341b0f60bb2bd6_l3.png\" "\\"Rendered")
<\/p>\n<\/p>\n<\/span> Quando utilizzare il campionamento sistematico<\/span><\/h2>\n