Cluster Random Sampling Investopedia Forex

BREAKING Down Amostragem A amostra deve ser uma representação de toda a população. Ao tirar uma amostra de uma população maior, é importante considerar como a amostra é escolhida. Para obter uma amostra representativa. A amostra deve ser desenhada aleatoriamente e abranger toda a população. Por exemplo, um sistema de loteria poderia ser usado para determinar a idade média dos estudantes em uma universidade por amostragem 10 do corpo estudantil. Factoring na Amostragem sistemática A amostragem sistemática usa um ponto de partida aleatório e um intervalo periódico para selecionar itens para uma amostra. O intervalo de amostragem é calculado como o tamanho da população dividido pelo tamanho da amostra. Suponha, por exemplo, que um CPA está auditando os controles internos relacionados à conta de caixa e quer testar a política da empresa que checa mais de 10.000 deve ser assinada por duas pessoas, em vez de apenas uma pessoa. A população contadora é toda a cheque da empresa escrita é um excesso de 10.000 durante o ano fiscal, que é 300 verificações totais neste exemplo. A empresa CPA usa estatísticas de probabilidade e determina que o tamanho da amostra deve ser de 20 da população, ou 60 verificações. O intervalo de amostragem é 300 cheques divididos por 60 verificações de amostra, ou cinco, de modo que o CPA seleciona cada quinto cheque para teste. Suponha que, se nenhum erro for encontrado no trabalho de teste de amostragem, a análise estatística dá ao CPA uma taxa de confiança de 95 que o procedimento de verificação foi executado corretamente. O CPA executa o trabalho de teste da amostra em 60 verificações e não encontra erros, e o contador conclui que o controle interno sobre o caixa está funcionando corretamente. Exemplos de testes de amostra para o marketing Todas as empresas tentam vender um produto ou serviço para um nicho de mercado. Uma empresa mostra indivíduos em um determinado nicho de mercado para descobrir o que eles precisam e quais problemas eles querem resolver. Os resultados da amostra ajudam o negócio a atender as necessidades das pessoas no nicho de mercado. Exemplo de amostragem de cluster A amostragem de cluster é uma técnica de amostragem na qual toda a população de interesse é dividida em grupos ou clusters e uma amostra aleatória desses clusters é selecionado. Cada cluster deve ser mutuamente exclusivo e, em conjunto, os clusters devem incluir toda a população. Depois que os clusters são selecionados, todas as unidades dentro dos clusters são selecionadas. Os clusters não selecionados não devem ser incluídos na amostra. Isso difere da amostragem estratificada, em que algumas unidades são selecionadas de cada grupo. Quando todas as unidades dentro de um cluster são selecionadas, a técnica é chamada de amostragem em cluster de um estágio. Se um subconjunto de unidades for selecionado aleatoriamente de cada cluster selecionado, ele é chamado de amostragem de cluster de dois estágios. A amostragem de cluster também pode ser feita em três ou mais etapas: é então referida como amostragem em cluster de vários estágios. Na amostragem em cluster, os clusters são a unidade de amostragem primária (PSUacirceurotrades) e as unidades dentro dos clusters são as unidades secundárias de amostragem (SSUacirceurotrades). É importante manter esses dois níveis em mente ao calcular erros padrão de amostras de cluster. Se uma amostra de cluster for analisada como se fosse uma amostra aleatória simples, os erros padrão relatados provavelmente seriam menores do que deveriam ser. Isso daria a impressão de que os resultados da pesquisa são mais precisos do que realmente são. Considerando que a estratificação muitas vezes aumenta a precisão da estimativa, em comparação com a AMOSTRAGEM RANDOM simples, a amostragem em cluster geralmente diminui. Isso ocorre porque as unidades em um cluster tendem a ser mais parecidas que os elementos selecionados aleatoriamente de toda a população. Ao usar amostragem em cluster, geralmente é necessário aumentar o tamanho da amostra total para atingir a mesma precisão que na amostragem aleatória simples. No entanto, existem casos em que a amostragem em cluster é útil. O principal motivo para usar a amostragem em cluster é que geralmente é muito mais barato e mais conveniente provar a população em clusters em vez de aleatoriamente. Em alguns casos, a construção de um quadro de amostragem que identifica cada elemento da população é muito caro ou impossível. A amostragem de cluster também pode reduzir o custo quando os elementos da população estão espalhados por uma ampla área. Suponha que você queira pesquisar as crianças da escola de uma determinada idade em uma área específica. Se você desenhou uma amostragem aleatória simples de escolares, talvez você tenha que visitar todas as escolas da área para entrevistar sua amostra. Com amostragem em cluster, você pode primeiro selecionar as escolas a serem incluídas na sua amostra e, em seguida, selecionar escolares dentro de cada uma das escolas selecionadas. Isso provavelmente reduziria o número de escolas que você deveria visitar e, portanto, reduz o custo da coleta de dados. Neste exemplo, as escolas são as que às vezes são conhecidas como clusters naturais. Em outros casos, a população pode ser amplamente distribuída geograficamente e, em seguida, amostragem em cluster, onde os clusters são constituídos por áreas geográficas, pode reduzir o número de áreas que precisam ser visitadas. Um número menor de áreas que precisam ser visitadas pode reduzir as despesas de viagem e também possibilitar uma supervisão mais eficiente do trabalho de campo. Exemplos de amostragem em cluster Esta resposta foi útil 160 Sim Não