Il campionamento è un metodo di ricerca in cui i sottogruppi sono selezionati da un gruppo più ampio noto come popolazione target. I sottogruppi o campioni sono studiati. Se il campione è scelto correttamente, i risultati possono essere utilizzati per rappresentare la popolazione target. Probabilità proporzionale alle dimensioni (PPS) prende in considerazione le diverse dimensioni del campione. Ciò aiuta a evitare di sottorappresentare un sottogruppo in uno studio e produce risultati più accurati.
Probabilità proporzionale alle dimensioni
Quando vengono utilizzati campioni di sottogruppi di dimensioni diverse e il campionamento viene preso con la stessa probabilità, il le possibilità di selezionare un membro da un grande gruppo sono inferiori alla selezione di un membro da un gruppo più piccolo. Questo è noto come probabilità proporzionale alle dimensioni (PPS). Ad esempio, se un campione avesse 20.000 membri, la probabilità di un membro selezionato sarebbe 1/20000 o 0,005 percento. Se un altro campione aveva 10.000 membri, la probabilità che un membro fosse selezionato sarebbe 1/10000 o 0,01%.
Classificazione dei metodi di campionamento
I metodi di campionamento sono classificati come probabilità o non probabilità. I campioni di non probabilità sono selezionati in modo non casuale, ma con una probabilità sconosciuta di selezione di un particolare membro della popolazione. I campioni di probabilità hanno una probabilità non zero nota di essere selezionati.
Errore campionamento
Può esserci una differenza tra i risultati ottenuti usando il campione e la popolazione target. Questa differenza è nota come errore di campionamento. Il campionamento non può essere misurato nel campionamento non probabilistico. Può essere misurato nel campionamento probabilistico. Quando vengono riportati i risultati di uno studio, includono l'intervallo più o meno dell'errore di campionamento.
Ponderazione
Se la dimensione del campione non può essere equalizzata, è possibile utilizzare un fattore o un peso per equalizzare l'importanza relativa di un membro nello studio. Se è stato utilizzato l'esempio di campioni con 10.000 membri e 20.000 membri, un membro del campione di 10.000 può essere moltiplicato per un fattore di 1X, mentre un membro del campione di 20.000 può essere moltiplicato per 2X. Ciò risulterebbe in un uguale valore o peso per ciascun membro, nonostante una diversa probabilità di selezione dei membri. Il bias di campionamento è il risultato di un sottogruppo che è sottorappresentato in uno studio a causa delle sue dimensioni più piccole. La ponderazione può essere utilizzata per ridurre la distorsione dei campioni. PPS è auto ponderato grazie alla differenza nella dimensione del campione.
Campionamento cluster
Anche quando si utilizza PPS, deve esserci un metodo per dividere una popolazione bersaglio in sottogruppi. I membri dei sottogruppi possono essere selezionati da condizioni preesistenti come la loro appartenenza a un gruppo. Questo è noto come campionamento del cluster.
Combinazione di metodi di campionamento
PPS può essere combinato con altri metodi di selezione dei campioni. Ad esempio, è possibile utilizzare il clustering in cui i membri dei sottogruppi sono già stati assegnati a un sottogruppo, ad esempio un'unità militare. Quindi la stratificazione potrebbe essere utilizzata in modo che i dati demografici come il rango fossero equamente distribuiti. Infine, è possibile utilizzare un semplice campionamento casuale (SRS) per evitare errori di campionamento. PPS può quindi essere utilizzato per lo studio.
