نمونه‌گیری طبقه‌بندی‌شده

فرض کنید که ما باید میانگین تعداد رای دهندگان برای هر نماینده در یک رای گیر تخمین بزنیم. کشور سه شهر دارد که شهر A و B و C به ترتیب دارای 1 میلیون کارگر صنعتی،2 میلیون کارمند اداری و 3 میلیون بازنشته ارتش دارد.ما می‌توانیم یک نمونه‌گیری تصادفی با اندازه 60 روی کل جمعیت انتخاب کنیم اما بعضی انتخاب‌های نمونه‌گیری تصادفی بالانس خوبی بین این شهرها نتیجه نمی‌دهد بنابراین این انحراف ایجاد شده باعث یک خطای عمده در تخمین می‌شود. در عوض اگر ما یک نمونه تصادفی به ترتیب شهرها با اندازه‌های 10 و 20 و 30 بگیریم سپس ما می‌توانیم خطای کوچکی در تخمین برای سایز کلی نمونه تولید کنیم. توضیح دکتر کاوه ئی: با توجه به اینکه طبق تعریف، "جامعه آماری شامل افراد یا اشیائی می باشد که دارای حداقل یک صفت مشترک می باشند"، در این مثال بهتر بود صفت اعضای جامعه یکی در نظر گرفته می شد. سه صفت (کارگر صنعتی، کارمند اداری و بازنشسته)شبهه ایجاد می کند. مگر اینکه صفت مورد نظر "کارکردن" در سه شهر باشد.

1.تخصیص نسبی از یک تابع نمونه‌گیری در هر طبقه استفاده می‌کند که متناسب با کل جمعیت است.برای نمونه اگر جمعیت شامل X شخص که m تا مرد و f تا زن باشد(m+f=X).سپس سایز نسبی دو نمونه (x1=m/X مردها،x2=f/X زن ها)باید این نسبت منعکس کند. 2.تخصیص بهینه (یا تخصیص بی تناسب) هر طبقه با انحراف معیار استاندارد نسبت داده می‌شود. بزرگترین نمونه‌ها در طبقاتی با بزرگترین تغییرپذیری در نظر گرفته شده‌اند تا واریانس نمونه‌گیری حداقل ممکن را تولید کند.

• نظرسنجی
• تعیین اندازه نمونه