Дискреційна або тестова вибірка

У цій статті пояснюється, що таке суджена вибірка, яка також називається оцінковою вибіркою. Ви знайдете приклади судової (або пробної) вибірки, її переваги та недоліки та коли її слід використовувати.

Що таке оціночна або тестова вибірка?

Суджена вибірка , також звана судженням , — це неймовірнісний метод, який використовується для відбору осіб, які будуть частиною вибірки для статистичного дослідження.

У судженій вибірці лише критерії дослідника використовуються для відбору елементів вибірки , що стосується його або її знань і досвіду для вибору відповідних осіб.

Отже, у дискреційній (або судженій) вибірці учасники дослідження обираються вручну без урахування випадковості в процесі, тому це вважається типом неімовірнісної вибірки. Саме дослідники приймають рішення щодо статистичної вибірки.

Очевидно, що для отримання репрезентативної вибірки дуже важливо, щоб особа, відповідальна за відбір вибірки, була експертом у галузі дослідження. Інакше будуть отримані ненадійні результати, оскільки зразок буде відібрано неправильно.

Суджена вибірка або вибірка з оцінкою також називається критичною вибіркою або цілеспрямованою вибіркою.

Приклади судової вибірки проти оцінювальної

Ознайомившись із визначенням дискреційної або пробної вибірки, я надаю вам кілька прикладів цього типу вибірки, щоб ви могли краще зрозуміти її значення.

1. Наприклад, якщо середня школа хоче взяти участь в конкурсі з англійської мови, вона попросить свого вчителя англійської вибрати найкращих учнів з цього предмету, щоб представляти середню школу. У цьому випадку вчитель англійської мови проводить дискреційну вибірку (або судження), оскільки він або вона покладається на свої знання, щоб вибрати учасників.
2. Ще один приклад дискреційної вибірки: коли справа доходить до проведення аналізу майбутнього компанії на фондовому ринку, логічно опитуватимуть лише експертів фондового ринку, а не будь-кого, тому дослідники виберуть тих, хто, на їхню думку, мати великі знання в галузі.
3. Останнім прикладом експериментальної вибірки може бути проведення статистичного дослідження населення країни. Щоб не доводилося відбирати населення з усіх регіонів, дослідник може вибрати лише кілька регіонів, щоб вони вже відображали всі характеристики країни. Таким чином економляться економічні ресурси та час при проведенні дослідження.

Переваги та недоліки судженої або оцінювальної вибірки

Дискреційна (або пробна) вибірка має такі переваги та недоліки:

Основна перевага оціночної або пробної вибірки полягає в тому, що вона вимагає дуже мало часу, оскільки немає необхідності імітувати випадковість, але елементи вибірки можна вибирати безпосередньо. Таким чином, оціночна вибірка часто є менш дорогою, ніж інші типи вибірки.

Крім того, оціночна вибірка дозволяє легко зосередитися на аудиторії, оскільки ви можете вибрати бажаних учасників.

Очевидним недоліком судової або пробної вибірки є те, що вона вимагає експертів у галузі дослідження, іншими словами, вибірка не може бути виконана ніким.

Крім того, результати оціночної вибірки можуть бути ненадійними через упередженість особи, яка проводить вибірку, тобто отримані результати можуть бути легко помилковими через упередженість дослідника.

Нарешті, якщо використовується оціночна вибірка, може бути важко переконати інших у зроблених висновках, оскільки вибірка була відібрана вручну і тому може бути нерепрезентативною.

Коли використовувати суджену або оцінкову вибірку

Якщо ви зайшли так далеко, ви, мабуть, уже знаєте, що таке суджена або суджена вибірка. Однак вам може бути незрозуміло, коли використовувати оціночну вибірку, а коли ні, тому ми пояснимо ситуації, у яких цей тип вибірки є ідеальним.

По-перше, для здійснення оціночної вибірки (або судження) експерт повинен вибрати вибірку для дослідження. Тому, якщо у вас немає людини з великими знаннями в цій галузі, краще використовувати інший тип вибірки.

Крім того, суджена вибірка дуже корисна, коли розмір цільової сукупності невеликий або це дуже специфічна група. У цих випадках досвід дослідника може значно зменшити помилку вибірки і, отже, можна досягти більшої надійності результатів.