Mis on statistiline valim?

Mitu korda tahavad teadlased teada saada vastuseid laiaulatuslikele küsimustele. Näiteks:

• Mida vaatasid eile õhtul kõik ühe konkreetse riigi televiisorist?
• Kes teeb valijaid kavatsevad hääletada eelseisvatel valimistel?
• Mitu lindu naaseb ränne kindlas kohas?
• Kui suur protsent tööjõust on töötud?

Sellised küsimused on tohutud selles mõttes, et need nõuavad miljonite inimeste jälgimist.

Statistika lihtsustab neid probleeme, kasutades meetodit, mida nimetatakse proovivõtmiseks. Statistilise valimi läbiviimisega saab meie töökoormust tohutult vähendada. Miljardite või miljonite käitumise jälgimise asemel peame uurima vaid tuhandete või sadade käitumist. Nagu näeme, on see lihtsustamine oma hinnaga.

Statistilise uuringu populatsioon on see, mille kohta me proovime midagi teada saada. See koosneb kõigist isikutest, keda uuritakse. Rahvastik võib olla ükskõik milline. Sõltuvalt statistilisest küsimusest võib kalurlasi, süsihappegaasi, arvuteid, autosid või maakondi pidada rahvastikuks. Kuigi enamik uuritavaid populatsioone on suured, ei pea need tingimata olema.

Üks strateegia elanikkonna uurimiseks on loenduse läbiviimine. Loenduse käigus uurime kõiki uuringus osalenud elanikkondi. Selle suurepärane näide on USA rahvaloendus. Loendusbüroo saadab iga kümne aasta järel küsimustiku kõigile riigi elanikele. Neid, kes vormi ei tagasta, külastavad loendustöötajad

Loendused on täis raskusi. Tavaliselt on need aja ja ressursside poolest kallid. Lisaks sellele on keeruline tagada, et kõik elanikud on jõutud. Teistel elanikkonnal on loenduse läbiviimine veelgi raskem. Kui me tahaksime uurida hulkuvate koerte harjumusi New Yorgi osariigis, on õnn ümardada kõik neist mööduvatest koertest.

Kuna elanikkonna iga liikme jälitamine on tavaliselt võimatu või ebapraktiline, on järgmine võimalus populatsiooni valimine. Valim on populatsiooni mis tahes alamhulk, nii et selle suurus võib olla väike või suur. Soovime, et valim oleks piisavalt väike, et seda saaks oma arvutusvõimsuse järgi hallata, kuid samas piisavalt suurt, et anda meile statistiliselt olulisi tulemusi.

Kui valimisfirma üritab kindlaks teha valija rahulolu Kongressiga ja sellega näidissuurus on üks, siis on tulemused mõttetud (kuid hõlpsasti saavutatavad). Teisalt kulutab miljonite inimeste küsimine liiga palju ressursse. Tasakaalu saavutamiseks on seda tüüpi küsitluste valimi suurus tavaliselt umbes 1000.

Kuid hea tulemuse tagamiseks ei piisa valimi õige suuruse omamisest. Tahame valimit, mis esindaks elanikkonda. Oletame, et tahame teada saada, mitu raamatut keskmine ameeriklane aastas loeb. Palume 2000 kolledži üliõpilasel jälgida, mida nad aasta jooksul lugesid, ja siis aasta pärast seda uuesti uurida. Leiame, et loetud raamatute keskmine arv on 12, ja järeldame siis, et keskmine ameeriklane loeb aastas 12 raamatut.

Selle stsenaariumi probleem on valimis. Enamik kolledži üliõpilasi on vanuses 18-25 aastat ja nende juhendajad nõuavad õpikute ja romaanide lugemist. See on keskmise ameeriklase kehv esitus. Hea valim sisaldaks erinevas vanuses inimesi, kõigilt elualadelt ja riigi eri piirkondadest. Sellise valimi saamiseks peame selle koostama juhuslikult, nii et igal ameeriklasel oleks võrdne tõenäosus valimisse kuuluda.

Statistiliste katsete kuldstandard on lihtne juhuslik valim. Sellises suuruses valimis n isikud, kõigil elanikkonnaliikmetel on sama tõenäosus, et nad valimisse võetakse, ja igas rühmas n üksikisikute valimise tõenäosus on sama. Populatsiooni valimi moodustamiseks on mitmeid viise. Mõned levinumad on:

• Suvaline näidis
• Lihtne juhuslik valim
• Vabatahtlik vastuseproov
• Mugavusproov
• Süstemaatiline valim
• Klastri proov
• Kihistunud proov

Nagu öeldakse: "Alustatud on poolel teel." Statistiliste uuringute ja katsete heade tulemuste tagamiseks peame neid hoolikalt kavandama ja alustama. Halbade statistiliste proovide leidmine on lihtne. Hea küll lihtsad juhuslikud valimid nõuavad töö saamiseks natuke tööd. Kui meie andmed on saadud juhuslikult ja kavalalt, siis ei anna statistilised tehnikad meile hoolimata sellest, kui keerukas meie analüüs on, väärtuslikke järeldusi.