Population vs sample: Was ist der Unterschied?

Eine Population ist die gesamte Gruppe, auf die Sie Rückschlüsse ziehen möchten.

Ein Beispiel ist die spezifische Gruppe, aus der Sie Daten sammeln. Die Größe der Stichprobe ist immer kleiner als die Gesamtgröße der Bevölkerung.

In der Forschung bezieht sich eine Population nicht immer auf Menschen. Es kann eine Gruppe bedeuten, die Elemente von allem enthält, was Sie studieren möchten, z. B. Objekte, Ereignisse, Organisationen, Länder, Arten, Organismen usw.,rovision Song Contest, die in englischer Sprache aufgeführt wurden

Studenten in den Niederlanden 300 Studenten von drei niederländischen Universitäten, die sich freiwillig für Ihr psychologisches Forschungsstudium melden Alle Länder der Welt Länder mit veröffentlichten Daten zu Geburtenraten und BIP seit 2000

Sammeln von Daten aus einer Population

Populationen werden verwendet, wenn Ihre Forschungsfrage Daten von jedem Mitglied der Population erfordert oder wenn Sie Zugriff auf Daten haben.,

Normalerweise ist es nur einfach, Daten aus einer ganzen Population zu sammeln, wenn sie klein, zugänglich und kooperativ sind.

Ein High-School-Administrator möchte die abschließenden Prüfungsergebnisse aller Abiturienten analysieren, um festzustellen, ob ein Trend vorliegt. Da sie nur daran interessiert sind, ihre Ergebnisse auf die Absolventen dieser High School anzuwenden, verwenden sie den gesamten Bevölkerungsdatensatz.,

Bei größeren und stärker verteilten Populationen ist es oft schwierig oder unmöglich, Daten von jedem Einzelnen zu sammeln. Zum Beispiel zielt die US-Bundesregierung alle 10 Jahre darauf ab, jede im Land lebende Person anhand der US-Volkszählung zu zählen. Diese Daten werden verwendet, um die Finanzierung im ganzen Land zu verteilen.

In der Vergangenheit war es jedoch schwierig, marginalisierte und einkommensschwache Gruppen zu kontaktieren, zu lokalisieren und die Teilnahme zu fördern., Aufgrund von Nichtantworten ist die Bevölkerungszahl unvollständig und auf einige Gruppen ausgerichtet, was zu einer unverhältnismäßigen Finanzierung im ganzen Land führt.

In solchen Fällen können Stichproben verwendet werden, um genauere Rückschlüsse auf die Population zu ziehen.

Sammeln von Daten aus einer Stichprobe

Wenn Ihre Population groß, geografisch verteilt oder schwer zu kontaktieren ist, ist es notwendig, eine Stichprobe zu verwenden. Sie können Beispieldaten verwenden, um Schätzungen oder Testhypothesen zu Bevölkerungsdaten zu erstellen.,

Sie möchten politische Einstellungen bei jungen Menschen untersuchen. Ihre Bevölkerung ist die 300.000 Studenten in den Niederlanden. Da es nicht praktisch ist, Daten von allen zu sammeln, verwenden Sie eine Stichprobe von 300 freiwilligen Studenten von drei niederländischen Universitäten – dies ist die Gruppe, die Ihre Online-Umfrage abschließen wird.

Idealerweise sollte eine Stichprobe zufällig ausgewählt und repräsentativ für die Population sein., Die Verwendung von Wahrscheinlichkeitsstichprobenverfahren (z. B. einfache Zufallsstichproben oder geschichtete Stichproben) verringert das Risiko einer Stichprobenverzerrung und verbessert sowohl die interne als auch die externe Validität.

Wenn Ihre Forschung weniger mit Generalisierbarkeit befasst ist, können Sie auch Methoden ohne Wahrscheinlichkeitsstichprobe verwenden. Non-probability samples gewählt werden, für die bestimmte Kriterien erfüllen; Sie kann bequemer sein oder billiger Zugriff. Aufgrund nicht zufälliger Auswahlmethoden können Sie keine gültigen statistischen Rückschlüsse auf die breitere Population ziehen.,

Gründe für die Stichprobe

• Notwendigkeit: Manchmal ist es aufgrund seiner Größe oder Unzugänglichkeit einfach nicht möglich, die gesamte Population zu untersuchen.
• Praktikabilität: Es ist einfacher und effizienter, Daten aus einer Stichprobe zu sammeln.
• Kosteneffektivität: Es sind weniger Teilnehmer -, Labor -, Ausrüstungs-und Forscherkosten beteiligt.
• Verwaltbarkeit: Das Speichern und Ausführen statistischer Analysen in kleineren Datensätzen ist einfacher und zuverlässiger.

Population Parameter vs sample statistic

Wenn Sie Daten aus einer Population oder einer Probe sammeln, gibt es verschiedene Messungen und Zahlen, die Sie aus den Daten berechnen können. Ein Parameter ist ein Maß, das die gesamte Population beschreibt., Eine Statistik ist ein Maß, das die Stichprobe beschreibt.

Sie können Schätzungen oder Hypothesentests verwenden, um abzuschätzen, wie wahrscheinlich es ist, dass sich eine Stichprobenstatistik vom Populationsparameter unterscheidet.

In Ihrer Studie von Studenten‘ politische Einstellungen, Sie bitten, Ihre Umfrage-Teilnehmer zu bewerten sich selbst auf einer Skala von 1, sehr liberal, zu 7, sehr konservativ. Sie finden, dass die meisten Ihrer Probe identifiziert sich als liberal – die mittlere Bewertung der politischen Einstellung Skala ist 3.2.,

Sie können diese Statistik, den Stichprobenmittelwert von 3.2, verwenden, um eine wissenschaftliche Schätzung des Bevölkerungsparameters vorzunehmen, dh um auf die mittlere politische Einstellung aller Studenten in den Niederlanden zu schließen.

Sampling error

Ein sampling error ist der Unterschied zwischen einem Populationsparameter und einer Sample Statistik. In Ihrer Studie, die sampling-Fehler ist die Differenz zwischen dem Mittelwert politische Haltung, Bewertung von Ihre Probe und den wahren Mittelwert politische Haltung, Bewertung von allen Studenten in den Niederlanden.,

Stichprobenfehler treten auch dann auf, wenn Sie eine zufällig ausgewählte Stichprobe verwenden. Dies liegt daran, dass Zufallsstichproben in Bezug auf numerische Kennzahlen wie Mittelwerte und Standardabweichungen nicht mit der Grundgesamtheit identisch sind.

Da das Ziel der wissenschaftlichen Forschung darin besteht, die Ergebnisse der Stichprobe auf die Population zu verallgemeinern, soll der Stichprobenfehler gering sein. Sie können Stichprobenfehler reduzieren, indem Sie die Stichprobengröße erhöhen.

Quiz: Populationen vs Proben

Häufig gestellte Fragen zu Proben und Populationen