المجتمع مقابل العينة
نادرًا ما ندرس كل شيء. بدلاً من ذلك، ندرس جزءًا ونستخدمه لمعرفة المزيد عن الكل. هذا التمييز هو أساس الاستدلال الإحصائي.
المجتمع الإحصائي
المجموعة الكاملة من الأفراد أو الملاحظات التي تريد دراستها. كل فرد منها، دون استثناء. يمكن أن يكون محدودًا أو لانهائيًا.
العينة
مجموعة فرعية من المجتمع — المجموعة التي تلاحظها فعلاً وتجمع منها البيانات. العينة الجيدة هي صورة مصغرة عن الكل.
لماذا نأخذ عينات
ثلاثة أسباب تمنعنا من دراسة المجتمعات بأكملها:
- التكلفة — مسح الملايين مكلف للغاية
- الوقت — التعداد الكامل يستغرق سنوات
- الاستحالة — بعض المجتمعات لانهائية أو القياس مدمر
العينة العشوائية
كل فرد في المجتمع لديه فرصة متساوية للاختيار. مثل سحب أسماء من قبعة بشكل عشوائي. هذا يقلل التحيز وهو أساس الاستدلال.
أساليب أخذ العينات
ما وراء العينة العشوائية البسيطة:
- الطبقية — أخذ عينة من كل مجموعة فرعية على حدة
- العنقودية — اختيار مجموعات عشوائيًا ودراسة كل من فيها
- المنتظمة — كل فرد رقم k من القائمة
تحيز أخذ العينات
عندما لا تمثل عينتك المجتمع. عينات الملاءمة، والاستجابة الطوعية، وتحيز البقاء يمكن أن تشوه النتائج — حتى مع العينات الكبيرة.
حجم العينة
هامش الخطأ يتقلص مع الجذر التربيعي لحجم العينة. مضاعفة عينتك أربع مرات تنصّف الخطأ فقط. الجودة أهم من الكمية.
المعلمة مقابل الإحصائية
المعلمات تصف المجتمعات (μ, σ) — ثابتة لكن مجهولة. الإحصائيات تصف العينات (x̄, s) — محسوبة لكن متغيرة.
الخطأ المعياري
مقدار تباين متوسطات العينات من عينة لأخرى. كلما زاد n، انخفض الخطأ المعياري — العينات الأكبر أكثر دقة.
الصورة الكبرى
العمود الفقري للاستدلال الإحصائي:
- نأخذ عينات لأننا لا نستطيع دراسة كل شيء
- العينة العشوائية تضمن التمثيل
- نستخدم الإحصائيات لتقدير المعلمات
- الخطأ المعياري يقيس ثقتنا
ماذا تعلمت
المجتمعات هي الكل؛ والعينات هي الجزء الذي ندرسه. العينة العشوائية تقلل التحيز. المعلمات تصف المجتمعات؛ والإحصائيات تصف العينات. الخطأ المعياري يحدد الدقة.