Metody doboru próby w badaniach statystycznych

Metoda doboru próby, w której każdy element populacji ma równe szanse na wybranie do próby. Gwarantuje reprezentatywność próby dla populacji.

Metoda doboru próby, w której nie każdy element populacji ma równe szanse na wybranie do próby.

Dobór nieprobabilistyczny, w którym badacze rekrutują uczestników na podstawie ich wiedzy lub doświadczenia w danej dziedzinie.

Dobór nieprobabilistyczny, w którym badacze rekrutują uczestników, którzy są łatwo dostępni.

Dobór nieprobabilistyczny, w którym badacze rekrutują uczestników, którzy spełniają określone kryteria.

Dobór probabilistyczny, w którym badacze wybierają uczestników z listy wszystkich członków populacji.

Dobór probabilistyczny, w którym badacze dzielą populację na podgrupy (strata) i następnie losują próbkę z każdej podgrupy.

Dobór probabilistyczny, w którym badacze wybierają próbkę z populacji w stałych odstępach czasowych.

Wielkość próby w badaniach wpływa na jakość wyników. Mała próba może prowadzić do błędnych wniosków, natomiast zbyt duża może być nieefektywna.

Losowy dobór próby pozwala wybrać uczestników badania w sposób, który zapewnia reprezentatywność dla całej populacji.

Prosty losowy dobór to metoda, w której każdy element populacji ma równą szansę na wybranie do próby.

Wadą prostego losowego doboru jest trudność w stworzeniu pełnego i dokładnego operatu losowania, który uwzględnia wszystkich członków populacji.

Warstwowy losowy dobór to metoda, w której populacja jest dzielona na podgrupy (warstwy) ze względu na określone cechy, a następnie losuje się próbę proporcjonalnie z każdej warstwy.

Głównym celem warstwowego doboru jest zapewnienie reprezentacji poszczególnych grup w próbie.

Systematyczny losowy dobór to metoda, w której wybiera się co k-ty element z listy uporządkowanej populacji. K jest liczbą wyznaczoną przez badacza.

Losowy dobór próby z grup to metoda, w której losuje się grupy (np. klasy w szkole) zamiast pojedynczych osób.

Zmienne, które określają warunki konieczne do wystąpienia efektu; bez nich zjawisko nie wystąpi, ale nie są jego bezpośrednią przyczyną.

Zmienne pośredniczące, które wyjaśniają przyczynę wystąpienia danego efektu; są bezpośrednią przyczyną sprawczą.

Zmienne niezależne, które definiują grupy badawcze, ale nie można ich bezpośrednio modyfikować.

Zmienne niezależne, które możemy manipulować w eksperymencie.

Zmienne, które mierzymy w eksperymencie.

Badania, w których mierzymy korelację między dwiema zmiennymi, ale nie wiemy, która wpływa na którą.

Zmienne teoretyczne, które nie są bezpośrednio obserwowalne.

Zmienne, które możemy bezpośrednio zaobserwować i zmierzyć.

Punkty dzielące zbiór danych na równe części, np. kwartyle dzielą zbiór na cztery równe części.

Kwartyle to konkretny rodzaj kwantyli, dzielące zbiór danych na cztery równe części.

Odchylenie ćwiartkowe to miara rozproszenia danych między wybranymi kwartylami.

Rozkład normalny (krzywa Gaussa) to ciągły rozkład prawdopodobieństwa, w którym najwięcej obserwacji znajduje się w pobliżu średniej.

W rozkładzie normalnym średnia, mediana i moda mają tę samą wartość.

Rozkład empiryczny to rozkład danych oparty na rzeczywistych obserwacjach.

Rozkład teoretyczny to rozkład danych wynikający z modelu matematycznego.

Dystrybuanta to funkcja, która dla danej wartości x określa prawdopodobieństwo, że zmienna losowa przyjmie wartość mniejszą niż x.

Rozkład dwumianowy jest skośny, gdy prawdopodobieństwo sukcesu jest znacząco mniejsze lub większe od 0,5. Przy małych próbach rozkład jest również asymetryczny, a dopiero przy dużych próbach staje się bardziej symetryczny i zbliża się do rozkładu normalnego.

P w kontekście rozkładu dwumianowego odnosi się do prawdopodobieństwa wystąpienia danego wyniku (sukcesu lub porażki), podczas gdy P w SPSS jest wskaźnikiem istotności.

Proporcja jest ułamkiem między 0 a 1, który wyraża stosunek części do całości. Na przykład, jeśli 2 z 10 osób w grupie to mężczyźni, proporcja mężczyzn wynosi 0,2.

Stosunek to relacja między dwoma liczbami, pokazująca ile razy jedna wartość zawiera się w drugiej. Na przykład, stosunek 2 do 6 to 3, ponieważ 2 mieści się w 6 trzy razy.

Procent to część całości wyrażona jako liczba od 0 do 100. Na przykład, 20% oznacza 20 na 100.

Standaryzacja danych polega na przekształceniu wartości na skalę standardową. Wyniki standaryzowane mają średnią 0 i odchylenie standardowe 1.

Wyniki standaryzowane oblicza się odejmując średnią od wartości i dzieląc przez odchylenie standardowe.

Standaryzacja danych pozwala porównywać pomiary z różnych skal, ponieważ wszystkie zostają przekształcone na wspólny punkt odniesienia.

Wykres skrzynkowy to narzędzie graficzne, które przedstawia rozkład danych poprzez wizualizację pięciu kluczowych wartości: minimalnej, dolnego kwartyla (Q1), mediany (Q2), górnego kwartyla (Q3) i maksymalnej wartości.

Rozstęp międzykwartylny (IQR) to różnica między trzecim i pierwszym kwartylem danych. Oznacza to, że obejmuje 50% centralnych obserwacji w zbiorze.

Wartości odstające to obserwacje, które znajdują się poza wąsami wykresu skrzynkowego. Mogą być spowodowane błędami pomiarowymi lub nietypowymi wartościami w zbiorze.

Wartości ekstremalne to obserwacje, które są oddalone od krawędzi skrzynki o trzy razy większy rozstęp międzykwartylny (3 IQR). Są bardziej nietypowe niż wartości odstające i wymagają dalszej analizy.

Skale pomiarowe określają poziom precyzji, z jakim można mierzyć dane. Istnieją cztery podstawowe skale: nominalna, porządkowa, przedziałowa i stosunkowa.

Dobór próby to proces wybierania uczestników badania z populacji docelowej. Istnieją dwa rodzaje doboru: probabilistyczny (losowy) i nieprobabilistyczny (nielosowy).

Dobór losowy to metoda doboru, w której każdy element populacji ma równe szanse na wybranie do próby. Gwarantuje reprezentatywność próby dla populacji.

Dobór nieprobabilistyczny to metoda doboru, w której nie każdy element populacji ma równe szanse na wybranie do próby. Nie zapewnia reprezentatywności próby dla populacji.