Какой буквой обозначается ошибка репрезентативности

Представление результатов исследования

В научных публикациях важно представление результатов исследования. Очень часто окончательный результат приводится в следующем виде: M±m, где M – среднее арифметическое, m –ошибка среднего арифметического. Например, 163,7±0,9 см.

Прежде чем разбираться в правилах представления результатов исследования, давайте точно усвоим, что же такое ошибка среднего арифметического.

Ошибка среднего арифметического

Среднее арифметическое, вычисленное на основе выборочных данных (выборочное среднее), как правило, не совпадает с генеральным средним (средним арифметическим генеральной совокупности). Экспериментально проверить это утверждение невозможно, потому что нам неизвестно генеральное среднее. Но если из одной и той же генеральной совокупности брать повторные выборки и вычислять среднее арифметическое, то окажется, что для разных выборок среднее арифметическое будет разным.

Чтобы оценить, насколько выборочное среднее арифметическое отличается от генерального среднего, вычисляется ошибка среднего арифметического или ошибка репрезентативности.

Ошибка среднего арифметического обозначается как m или 

Ошибка среднего арифметического рассчитывается по формуле:

где: S — стандартное отклонение, n – объем выборки; Например, если стандартное отклонение равно S=5 см, объем выборки n=36 человек, то ошибка среднего арифметического равна: m=5/6 = 0,833.

Ошибка среднего арифметического показывает, какая ошибка в среднем допускается, если использовать вместо генерального среднего выборочное среднее.

Так как при небольшом объеме выборки истинное значение генерального среднего не может быть определено сколь угодно точно, поэтому при вычислении выборочного среднего арифметического нет смысла оставлять большое число значащих цифр.

Правила записи результатов исследования

1. В записи ошибки среднего арифметического оставляем две значащие цифры, если первые цифры в ошибке «1» или «2».
2. В остальных случаях в записи ошибки среднего арифметического оставляем одну значащую цифру.
3. В записи среднего арифметического положение последней значащей цифры должно соответствовать положению первой значащей цифры в записи ошибки среднего арифметического.

Представление результатов научных исследований

В своей статье «Осторожно, статистика!», опубликованной в 1989 году В.М. Зациорский указал, какие числовые характеристики должны быть представлены в публикации, чтобы она имела научную ценность. Он писал, что исследователь «…должен назвать: 1) среднюю величину (или другой так называемый показатель положения); 2) среднее квадратическое отклонение (или другой показатель рассеяния) и 3) число испытуемых. Без них его публикация научной ценности иметь не будет “с. 52

В научных публикациях в области физической культуры и спорта очень часто окончательный результат приводится в виде:  (М±m) (табл.1).

Таблица 1 — Изменение механических свойств латеральной широкой мышцы бедра под воздействием физической нагрузки (n=34)

	Эффективный модуль упругости (Е), кПа	Эффективный модуль вязкости (V), Па с
Этап эксперимента	Рассл.	Напряж.	Рассл.	Напряж.
До ФН	7,0±0,3	17,1±1,4	29,7±1,7	46±4
После ФН	7,7±0,3	18,7±1,4	30,9±2,0	53±6

Литература

1. Высшая математика и математическая статистика: учебное пособие для вузов / Под общ. ред. Г. И. Попова. – М. Физическая культура, 2007.– 368 с.
2. Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. М.: Прогресс. 1976.- 495 с.
3. Зациорский В.М. Осторожно — статистика! // Теория и практика физической культуры, 1989.- №2.
4. Катранов А.Г. Компьютерная обработка данных экспериментальных исследований: Учебное пособие/ А. Г. Катранов, А. В. Самсонова; СПб ГУФК им. П.Ф. Лесгафта. – СПб.: изд-во СПб ГУФК им. П.Ф. Лесгафта, 2005. – 131 с.
5. Основы математической статистики: Учебное пособие для ин-тов физ. культ / Под ред. В.С. Иванова.– М.: Физкультура и спорт, 1990. 176 с.

Доверительный интервал за 15 минут

Добрый день, уважаемые читатели!

Меня зовут Кирилл Мильчаков. Сегодня мы продолжаем наш разговор о биостатистике. Тема сегодняшней нашей беседы будет «Доверительный интервал». Что такое доверительный интервал? Вы наверняка встречались с ним в научной литературе. Доверительный интервал 95 %, либо сочетание символов ДИ и CI (confidence interval) 95 %. Что же означают эти 95 %? Какие он еще может принимать значения? И как его рассчитывать самостоятельно? Об этом обо всем сегодня мы и поговорим в этой статье.

Видео-версия статьи о доверительном интервале

Генеральная совокупность и выборочная совокупность

Прежде чем углубляться в тайны доверительного интервала, хотел бы вспомнить с вами 2 основных понятия статистической совокупности, с которыми чаще всего работают – это генеральная совокупность или выборочная совокупность или выборка.

Генеральная совокупность – это тот массив данных, о которых вы хотите сделать выводы.

Выборка является частью генеральной совокупности, которая участвует непосредственно в вашем эксперименте. Есть такое понятие как репрезентативность, сегодня мы не будем его касаться, главное запомнить, что выборка должна быть репрезентативной.

Если привести небольшой пример относительно генеральной совокупности и выборки, то можно вспомнить о простом случае из вашей жизни. Когда вы хотите узнать, достаточно ли посолен суп, вы берете ложку супа и пробуете его. Вам необязательно есть весь суп, чтобы понять, насколько он посолен. Ложка в данном случае является выборкой, по которой вы делаете вывод обо всей кастрюле супа. В данном случае кастрюля супа является генеральной совокупностью, а ложка супа является выборкой.

Итак, мы вспомнили с вами о 2 ключевых статистических совокупностях – о генеральной совокупности и выборочной совокупности. Теперь нужно вспомнить, что типы исследования, которые проводятся над генеральной совокупностью и выборочной совокупностью, называют по-разному. Над генеральной совокупностью проводятся так называемые сплошные исследования, над выборочной совокупностью – выборочные.

Теперь вспомним небольшие отличия между параметрами этих 2 совокупностей. Сегодня для того, чтобы понять, что такое доверительный интервал, нам понадобятся следующие вещи: во-первых, отличие средней арифметической в генеральной совокупности и в выборочной совокупности. В генеральной совокупности она имеет значок µ (мю), в выборочной – это x̅ (х с чертой) — это средние арифметические по каждому виду совокупности.

Далее нужно знать, что стандартное отклонение имеет значок выборочной – либо S, либо SD (standard deviation), а в случае генеральной совокупности оно носит название среднеквадратичного отклонения и обозначается буквой σ (сигма).

Приведем пример расчета доврительного интервала

Представьте чисто гипотетическую ситуацию, когда перед нами стоит задача исследований среднего роста марсианина. Для того, чтобы его узнать, было отправлено 3 экспедиции. Первой из них повезло больше всего: они смогли поймать каждого из 200 марсианин и померить его рост.

Как мы помним, по закону нормального распределения по оси Х находится величина изучаемого признака, либо варианта (в данном случае это рост в сантиметрах), а по оси Y – частота встречаемости какого-то признака (мы его обозначаем буквой П.

Итак, оказалось, что у всех 200 марсиан средний рост составил 40 сантиметров. Таким образом, первая экспедиция смогла провести так называемое сплошное исследование, так как поработала со всеми единицами наблюдения генеральной совокупности. Поэтому мы имеем право назвать этот параметр µ.

Однако, второй и третьей экспедиции повезло гораздо меньше. Они попали в самые плохо населенные участки Марса и смогли отобрать только 10 марсиан. В данном случае оказалось, что средний рост по их выборке составил всего 38 сантиметров в первом случае и 41 сантиметр во втором случае.

Что же делать? Да, у нас есть данные из самого полного исследования, которое относится к первой экспедиции. Но представьте, что ни одна бы из них не смогла бы поработать со всей совокупностью полностью, и у нас были бы данные только от второй и третьей экспедиции. Что же в этой ситуации делать? Видно, что никто 40 сантиметров в действительности не достиг: во второй экспедиции Б она равна 38 сантиметрам, а в экспедиции В – 41 сантиметр. То есть в реальности никто не достиг 40 сантиметров. Что же делать в данном случае?

И вот здесь на помощь к нам приходит доверительный интервал, точнее оценка параметра. Доверительный интервал является вторым этапом оценки параметра. Прежде чем строить доверительный интервал, нам нужно понять, насколько в принципе этот параметр наша средняя (x̅_б, x̅_в) может отличаться, ошибаться от реального параметра в генеральной совокупности. Насколько?

И тут нам помогает оценка параметра или нахождение ошибки репрезентативности. Ошибка репрезентативности обозначается m_r или m_x. Чаще я использую m_r. Что же это значит? m_r по-английски обозначается как standard error, по-русски она часто называется стандартная ошибка средней или ошибка репрезентативности. Как же она находится? А находится она следующим образом? Она учитывает стандартное квадратичное отклонение в генеральной совокупности и размер в выборке. От чего же зависит ошибка репрезентативности? А зависит она от 2 вещей: от среднеквадратичного отклонения в генеральной совокупности (я напоминаю, это насколько каждая варианта отличается от средней, о законе нормального распределения мы с вами поговорим в следующий раз) и от размера выборки или . То есть, таким образом, чем менее разбросан признак генеральной совокупности, и чем больше у нас размер выборки, тем меньше наша ошибка репрезентативности.

Итак, предположим, мы нашли нашу ошибку репрезентативности m_r. В данном случае она составила 2,7 сантиметра. Но что же это нам дает? А дает нам это уже достаточно много. Теперь мы, зная, насколько в принципе наша выборка может ошибаться относительно генеральной совокупности, можем составить определенное предположение о том, где же находится реальный параметр – реальные 40 сантиметров генеральной совокупности на основании данных лишь нашей выборки.

Каким же образом это происходит? Мы провели точечную оценку нашего параметра. Дальше происходит второй этап построения доверительного интервала – это интервальная оценка параметра. Каким же образом строится этот интервал? А складывается он из 2 вещей: так называемой предельной ошибки +∆ и -∆. Формула нахождения предельной ошибки достаточно проста и составляет:

±∆ = t*m_r

Для того, чтобы не залезать в критерий Стьюдента сегодня, я скажу лишь, что:

для доверительного интервала 95 % используется t=2,

для доверительного интервала 99 % используется t=3

и для доверительного интервала 68 % используется t=1.

Итак, после того, как мы нашли нашу предельную ошибку, мы можем построить доверительный интервал. Но для этого нам нужно самим задать тот доверительный интервал, который для нас подходит больше всего. Чаще всего в медицине используется вероятность ошибки 5 %, то есть доверительный интервал 95 % или вероятность ошибки 5 % (р=0,05, р=5 %).

Что же значат эти 95 %? А значат они следующее, что с 95%-ной вероятностью в нашем интервале лежит реальное значение, и лишь в 5 % случаев мы ошибаемся. То есть в нашем конкретном случае наша ошибка репрезентативности составила 2,7 сантиметра. Предельная ошибка отсюда будет равна чему? Именно 5,4 сантиметра, то есть доверительный интервал, так как здесь и плюс, и минус, то есть нам нужно ошибку умножить на 2, составил 10,8 сантиметров. А именно наши 38 см±5,4 см. Ширина всего доверительного интервала составляет 10,8 см. Напомню, что он складывается из положительной и отрицательной предельных ошибок вокруг нашей выборочной средней.

Итак, говоря о доверительном интервале, нужно сделать ряд важных выводов.

• Во-первых, доверительный интервал относится к выборочной совокупности. Он показывает, насколько параметры из выборочной совокупности могут отличаться от реально существующих данных в генеральной совокупности. Насколько мы ошибаемся при формировании той или иной выборки, мы закладываем в так называемую ошибку репрезентативности, в ошибку средней и вокруг нее собственно и строим доверительный интервал.
• Ширину доверительного интервала задает собственно сам исследователь, варьируя тот критерий t, который он принимает в качестве необходимого. Чаще всего применяется t=2, которое и соответствует ширине доверительного интервала 95 %. 95 % означает, что с 95%-ной вероятностью действительно вокруг выборочной средней существует определенный доверительный интервал, в который и попадает реально существующая средняя из генеральной совокупности. Этот доверительный интервал может быть либо уже, если t=1; либо шире, если t=3.
• Доверительный интервал задается самостоятельно исследователем. Чаще всего он равен 95 %.

Если это видео оказалось Вам полезным, оно хотя бы немного раскрыло тайны доверительного интервала, ставьте лайки, подписывайтесь на наши рассылки и в комментариях пишите, какие темы по биостатистике вам бы были интересны для следующих выпусков. На этом я с вами прощаюсь. Меня зовут Кирилл. Пока!

При выборочном наблюдении регистрируется
только часть еди­ниц генеральной
совокупности. Но эта часть по объему
должна быть такова, чтобы получаемые
сведения оказались репрезента­тивными,
т. е. достаточно верно отражали содержание
и законо­мерности изучаемого явления
в целом. Под репрезентативностью
понимается свойство выборочной
совокупности воспроизводить ха­рактеристики
генеральной совокупности.

Разность между данными генеральной и
выборочной совокуп­ностей называют
ошибкой репрезентативности, или ошибкой
вы­борки. Например, генеральная
совокупность правонарушителей составляет
500 человек. Удельный вес лиц, воспитанных
в непол­ной семье, среди них равен
30%. При выборочном наблюдении было
изучено 50 человек, среди которых удельный
вес таких лиц оказался 25%. Ошибка выборки
равна: 30% — 25% = 5% (0,5). Ана­логичным
образом выводится ошибка репрезентативности
и для количественного признака.
Предположим, что средняя арифмети­ческая
величина возраста преступников в
генеральной совокупно­сти была равна
28,3 года. В выборочной совокупности она
состави­ла 26,5 года. Ошибка равна: 28,3
— 26,5 = 1,8 года.

Ошибки бывают тенденциозными, или
систематическими, и случайными. Первые
— результат неправильного или
преднаме­ренного отбора исследователем
тех или иных показателей, вто­рые —
результат случайностей неполного
отбора.

Тенденциозные ошибки возникают тогда,
когда исследователь неправильно
сформировал выборку, не знал научных
правил отбора единиц совокупности,
сознательно отобрал наиболее по­казательные
единицы. Например, исследуя правосознание
граж­дан, анкетер в целях экономии
времени воспользовался аудито­рией
студентов-юристов и опросил их. Полученные
данные, ес­тественно, отражали правовые
взгляды лишь этих респондентов и не
соответствовали взглядам всех граждан.
Выводы, сделанные на основе тенденциозных
выборок, будут ошибочными. Они мо­гут
причинить вред делу.

Истории известны многие курьезы,
связанные с пренебреже­нием правилами
выборочного наблюдения. Один из них
произо­шел в США в 1936 г. при прогнозировании
исхода президентских выборов. Журнал
«Литерари Дайджест», используя телефонные
книги, опросил свыше 2 млн человек. По
итогам опроса президентом должен быть
избран Ландон. Социологи Геллап и другие
опросили только 4 тыс. жителей и пришли
к однозначному выво­ду: победит
Рузвельт. Их прогноз оправдался. В чем
причина таких расхождений? Первая
выборка отражала мнение лишь состоятель­ных
консервативных слоев населения, которые
имели телефоны, вторая — всех слоев
населения. Она оказалась более
представи­тельной, хотя была в 500 раз
меньше первой. Роковую роль сыг­рали
тенденциозные ошибки.

Научно-практическая задача выборочного
наблюдения сводится не только к тому,
чтобы при малых затратах сил и средств
макси­мально приблизить данные выборки
к данным всей генеральной совокупности,
но и к тому, чтобы точно измерить, в каких
преде­лах результаты выборки отличаются
от данных генеральной сово­купности.
Здесь и встает вопрос о характере ошибок.

Тенденциозные (систематические) ошибки
нельзя измерить. Они могут быть самыми
разными по величине и содержанию.
Тен­денциозные ошибки тем меньше, чем
выше квалификация ис­следователя,
чем лучше он знаком с объектом изучения
и воз­можными источниками систематических
ошибок.

Измерить можно лишь случайные ошибки,
т. е. ошибки, обус­ловленные неполнотой
изучения реально существующей
сово­купности. Случайные ошибки —
непреднамеренные неточности статистического
наблюдения, которые могут быть направлены
как в сторону преувеличения показателей
признака, так и в сто­рону их
преуменьшения. При относительно большом
изучении случайные ошибки взаимопогашаются
(вспомним третий этап эксперимента по
извлечению пронумерованных карточек,
ког­да было сделано 30 выборок по 40
извлечений каждая), в ре­зультате чего
данные выборочной совокупности становятся
близ­кими к данным генеральной.
Оставшиеся различия можно отно­сительно
точно измерить на основе теории
вероятностей, зако­на больших чисел
и закономерностей распределения
случайных величин.

Для того чтобы избежать тенденциозных
ошибок, необходи­мо строго соблюдать
правила случайного отбора единиц
выбо­рочной совокупности. Случайные
ошибки в выборочном наблю­дении
объективны. Их нельзя избежать, но можно
уменьшить пу­тем увеличения объема
выборки и точно вычислить.

Необходимость в точном расчете ошибки
выборки возникает тогда, когда
произведенное выборочное наблюдение
надо оценить с точки зрения его
репрезентативности и достоверности.
Фор­мула для вычисления ошибки выборки
в общем виде выглядит так:

где W — ошибка выборки; а — средний
квадрат отклонения (дисперсия); о —
среднее квадратическое отклонение; п
— число единиц выборки.

Исходя из этой формулы, ошибка
репрезентативности пря­мо пропорциональна
дисперсии или среднему квадратическо-му
отклонению и обратно пропорциональна
числу единиц вы­борки. Ошибка выборки
будет тем меньше, чем меньше дис­персия
(колеблемость признака) и чем больше
численность выборки. Объем выборочной
совокупности, как правило, все­гда
известен, если исследование уже
произведено. Остается вычислить
дисперсию, порядок расчета которой мы
излагали в предыдущем параграфе.
Подставляя значение дисперсии в фор­мулу
ошибки выборки для качественного и
количественного признака получаем:

w =w =I/

Эти формулы позволяют рассчитывать
ошибку выборки на ос­нове исходных
показателей. Рассчитаем ее по данным
предыду­щих примеров. Дисперсия
качественного признака — состояния
опьянения, удельный вес которого в
структуре изучаемых пре­ступлений
составлял 35%, оказалась равной 0,23.
Численность вы­борки определим в 100
единиц (уголовных дел, статкарт,
приго­воров). В этом случае

W = ,/0,0023 = 0,048, или 4,8

Это означает, что при правильной случайной
выборке в 100 единиц удельный вес лиц,
совершивших преступления в состоя­нии
опьянения, будет колебаться относительно
удельного веса данного признака в
генеральной совокупности в пределах ±
4,8%, т. е. 35% ± 4,8% или от 30,2 до 39,8%. Если мы
увеличим выборку вчетверо, т. е. до 400
единиц, то ошибка выборки уменьшится
вдвое и будет составлять ± 2,4%. При
максимальной дисперсии качественного
признака (0,25) и 100 единицах выборки ошибка
выборки будет равняться 0,05, или ± 5%, а
при 400 единицах выборки — 0,025, или ± 2,5%.

Обратимся к примеру с количественными
признаками —к 100 осужденным к разным
срокам лишения свободы. Дисперсия
количественного признака равнялась
2,29 года. Рассчитаем ошиб­ку выборки:

w = V0.0229 = ± 0,048  года.

При увеличении выборки вчетверо, т. е.
до 400 единиц, ошибка выборки уменьшится
вдвое и составит ±0,075 года.

Приведенные примеры наглядно показывают,
что при пра­вильном отборе выборочной
совокупности даже при небольшом объеме
в 100 единиц ошибка репрезентативности
может быть при­знана вполне допустимой,
а при выборке в 400 единиц — тем более.
При максимальной дисперсии качественного
признака и выборке в 100 единиц ошибка
выборки, например, не превыша­ла ± 5%.
Эти величины постоянные, что и используется
в заранее рассчитанных таблицах.

Дисперсия и ошибка выборки количественных
признаков вы­ражаются не в относительных
числах (процентах, долях), как у качественных
показателей, а в именованных числах, т.
е. в годах, рублях, классах, часах и т. д.
Они могут иметь самые разные со­держательные
и численные значения. Их нельзя рассчитать
зара­нее безотносительно к конкретному
признаку, и поэтому гото­вых таблиц
ошибок выборки для количественных
признаков нет.

Все предшествующие формулы и расчеты
ошибки репрезента­тивности имеют
значение для повторной выборки. При ней
каждая отобранная из генеральной
совокупности единица (например, статкарта
на преступление) вновь возвращается в
массив. Поэтому не исключена возможность
ее повторного отбора. Наряду с таким
от­бором есть отбор бесповторный. При
нем каждая отобранная еди­ница
исключается из числа единиц генеральной
совокупности, а поэтому может попасть
в выборку лишь один раз. В связи с этим
ошибка выборки для качественных и
количественных признаков вычисляется
соответственно по разным формулам:

где и — число выборочной совокупности;
N — число генеральной совокупности.

Проанализируем эти формулы на конкретном
примере. Пред­положим, что в одном из
городов бесповторным способом был
произведен опрос 300 граждан о знании
ими УК РФ. Удельный вес лиц, которые не
знали ничего о кодексе, составил 20%.
Об­щая численность взрослого населения
города составила 15 тыс. человек. Необходимо
установить репрезентативность
произведен­ного изучения. В данном
случае W =0,2(1-0,2)       
30015000J=  Г’V 300(1 — 0,02) = ±0,022

Однократная ошибка выборки составила
± 0,022, или ± 2,2%, а двукратная — ± 4,4%. Если
опрос граждан производился при строгом
соблюдении процедуры, то удельный вес
тех из них, которые не знают ничего об
УК, в структуре всех граждан может
колебаться в пределах 20 ± 4,4% или от 15,6
до 24,4%. Возможные отклонения существенны,
но для практических целей результаты
могут быть признаны вполне
удовлетворительными.

Анализ формул ошибки бесповторной
выборки показывает, что дополнительный
множитель (1— n/N) не может быть больше
единицы, следовательно, он лишь уменьшает
величину ошибки выборки. В данном случае
этот множитель составил 0,98 и умень­шил
все подкоренное выражение на 0,00001, а
ошибку выбор­ки — на 0,1%. В других
случаях это уменьшение может быть
боль­шим. Таким образом, наличие
данного множителя позволяет бо­лее
точно вычислить ошибку бесповторной
выборки, причем в сторону ее минимизации.
Поэтому, если исследователю неизвес­тна
численность генеральной совокупности,
а он произвел бесповторную выборку, то
можно рассчитать ошибку репрезента­тивности
по формуле повторной выборки. Незначительной
не­точностью, связанной с завышением
расчетной ошибки, можно пренебречь,
поскольку социально-правовые исследования
не тре­буют особой точности.

При рассмотрении закономерностей
нормального распреде­ления (рис. 6)
говорилось о правиле трех сигм. Вспомним,
что если площадь выборки заключена в
пределах Зс, то она составит 99,7% (0,997)
всей площади, ограниченной кривой
распределе­ния, если в пределах 2о —
95,4% (0,954), если в пределах 1о -68,3% (0,683). Эта
закономерность используется для расчета
коэф­фициента доверия (t).

Не вникая в математическую сторону
этого вопроса, скажем, что вероятность
отклонения изучаемого признака, как
качествен­ного, так и количественного,
в пределах однократной ошибки
репрезентативности, т. е. при /= 1, равна
0,683. Это означает, что из 1000 изучаемых
единиц 683 будут находиться в пределах
одно­кратной ошибки выборки, а остальные
317 единиц — за ее пре­делами. При
коэффициенте доверия, равном 2 (/=2),
вероятность отклонения изучаемого
признака будет находиться в пределах
двукратной ошибки репрезентативности
и равняться 0,954, те. из 1000 изучаемых
единиц 954 будут находиться в пределах
дву­кратной ошибки. При коэффициенте
доверия, равном 3 (/=3), из 1000 изучаемых
единиц 997 будут находиться в пределах
трех­кратной ошибки.

Символ t именуют коэффициентом кратности
ошибки репре­зентативности, или
коэффициентом доверия. Его увеличение
по­вышает репрезентативность выборки,
но не само по себе, а через увеличение
выборочной совокупности. Если, например,
при про­ведении криминологического
или социально-правового изучения есть
необходимость в том, чтобы ошибка
репрезентативности не превышала ± 4,8%,
как было в нашем примере, а коэффициент
доверия был равен не 1, а 3, т. е. t— 3, то
численность выбороч­ной совокупности
придется увеличить в 6 раз, или до 600
единиц. При t=2 численность выборки должна
быть увеличена в 4 раза, т. е. до 400 единиц.

Выше говорилось, что если уменьшить
ошибку выборки в 2 раза, то выборочную
совокупность следует увеличить в 4 раза.
Поставим задачу по-иному. Если нас
удовлетворяет величина ошибки выбор­ки,
но необходимо повысить коэффициент
доверия до 1=2, чтобы в 954 случаях из 1000
величина единиц изучения не отклонялась
от заданной ошибки, также надо увеличить
объем выборочной сово­купности в 4
раза. Ошибка сохраняется та же, а
коэффициент дове­рия повышается. При
криминологических, социально-правовых
ис­следованиях и при изучении в
практических оперативных целях может
быть допустима точность с коэффициентом
доверия /= 1. При ре­шении важных научных
или практических вопросов желательно,
чтобы ошибка репрезентативности
принималась с коэффициентом доверия t
= 2. Изучение с коэффициентом доверия /
= 3 в юридичес­кой статистике практически
нигде не требуется.

Предельная ошибка выборки обозначается
греческой буквой А (дельта). Она равна
произведению однократной ошибки выборки
на соответствующий коэффициент доверия
Д = W’t. Заменив W соответствущими формулами
для повторной выборки, полу­чим:

Для бссповторной выборки эти формулы
будут иметь следую­щий вид:

Избежать сложных математических расчетов
при определении пределов ошибки
репрезентативности качественных
характерис­тик при заданном числе
наблюдений помогают специальные
таб­лицы, рассчитанные математиками
(табл. 5).

Таблица  5 Предел ошибки при заданном
числе наблюдений и t = 2, %

Удельный вес наблюдений, %	Число наблюдений
100	200	300	400	500	600	700	800	900	1000
5          (95) 10         (90) 15         (85) 20         (80) 25         (75) 30         (70) 35         Г6М	4,4 6,0 7,2 8,0 8,7 9,2 SU 9,9 10,0 10,0	3,1 4,3 5,1 5,7 6,2 6,5 6,8 7,0 7,1 7,1	2,8 3,5 4,1 4,6 5,0 5,3 5,5 5,6 5,7 5,8	2,5 3,0 3,6 4,0 4,3 4,6 4J& 4,9 5,0 5,0	1,9 2,7 3,2 3,6 3,9 4,1 4,3 4,4 4,5 4,5	1,8 2,5 2,9 3,3 3,5 3,7 3,9 4,0 4,1 4,1	1,6 2,3 2,7 3,0 3,3 3,5 3,6 3,7 3,8 3,8	1,5 2,1 2,5 2,8 3,1 3,2 3,4 3,5 3,5 3,5	1,4 2,0 2,4 2,7 2,9 3,1 3,2 3,3 3,3 3,3	1,4 1,9 2,3 2,5 2,7 2,9 3,0 3,1 3,1 3,2
40         (60) 45         (55)

Используя эту далеко не полную таблицу,
определим пре­дельную ошибку
репрезентативности по уже известным
данным о лицах, совершивших преступления
в состоянии опьянения. Вспомним эти
данные: удельный вес указанных лиц
составлял 35%, объем выборочной совокупности
100 и 400 единиц. Ошибка репрезентативности,
рассчитанная по формулам, оказалась
равной соответственно ± 4,8 и ± 2,4%. Если
наши расчеты были вер­ными, то они
совпадут с данными табл. 5.

Находим в графе 1 таблицы значение
показателя, равное 35% (оно подчеркнуто).
На этой же строке в графе 2, соответствую­щей
100 наблюдениям, находим ошибку
репрезентативности ± 9,6%, а в графе 5,
соответствующей 400 наблюдениям, — ошибку
репрезентативности ± 4,8%. Сопоставим
расчетные ошибки с таб­личными.
Последние оказались вдвое больше тех,
которые были получены путем расчета.
Однако никакой ошибки здесь нет. Пре­делы
ошибок, указанные в табл. 5, рассчитаны
при коэффициен­те доверия, равном 2
(/=2), а мы рассчитывали без учета
коэф­фициента доверия (т. е. при /= 1).
Если использовать формулы рас­чета
предельных ошибок с /= 2, то получим те
же самые данные, которые указаны в табл.
5.

д = tW = 2 • 4,8 = ±9,6%;        
Д = tW = 2 • 2,4 = ±4,8%.

Коэффициент доверия, равный 2, означающий,
что в 954 слу­чаях из 1000 единицы изучения
не будут выходить за пределы заданной
ошибки репрезентативности, практически
надежен. По­этому таблицы предельных
ошибок рассчитаны применительно к нему.

Доверительный интервал за 15 минут

Добрый день, уважаемые читатели!

Меня зовут Кирилл Мильчаков. Сегодня мы продолжаем наш разговор о биостатистике. Тема сегодняшней нашей беседы будет «Доверительный интервал». Что такое доверительный интервал? Вы наверняка встречались с ним в научной литературе. Доверительный интервал 95 %, либо сочетание символов ДИ и CI (confidence interval) 95 %. Что же означают эти 95 %? Какие он еще может принимать значения? И как его рассчитывать самостоятельно? Об этом обо всем сегодня мы и поговорим в этой статье.

Видео-версия статьи о доверительном интервале

Генеральная совокупность и выборочная совокупность

Прежде чем углубляться в тайны доверительного интервала, хотел бы вспомнить с вами 2 основных понятия статистической совокупности, с которыми чаще всего работают – это генеральная совокупность или выборочная совокупность или выборка.

Генеральная совокупность – это тот массив данных, о которых вы хотите сделать выводы.

Выборка является частью генеральной совокупности, которая участвует непосредственно в вашем эксперименте. Есть такое понятие как репрезентативность, сегодня мы не будем его касаться, главное запомнить, что выборка должна быть репрезентативной.

Если привести небольшой пример относительно генеральной совокупности и выборки, то можно вспомнить о простом случае из вашей жизни. Когда вы хотите узнать, достаточно ли посолен суп, вы берете ложку супа и пробуете его. Вам необязательно есть весь суп, чтобы понять, насколько он посолен. Ложка в данном случае является выборкой, по которой вы делаете вывод обо всей кастрюле супа. В данном случае кастрюля супа является генеральной совокупностью, а ложка супа является выборкой.

Итак, мы вспомнили с вами о 2 ключевых статистических совокупностях – о генеральной совокупности и выборочной совокупности. Теперь нужно вспомнить, что типы исследования, которые проводятся над генеральной совокупностью и выборочной совокупностью, называют по-разному. Над генеральной совокупностью проводятся так называемые сплошные исследования, над выборочной совокупностью – выборочные.

Теперь вспомним небольшие отличия между параметрами этих 2 совокупностей. Сегодня для того, чтобы понять, что такое доверительный интервал, нам понадобятся следующие вещи: во-первых, отличие средней арифметической в генеральной совокупности и в выборочной совокупности. В генеральной совокупности она имеет значок µ (мю), в выборочной – это x̅ (х с чертой) — это средние арифметические по каждому виду совокупности.

Далее нужно знать, что стандартное отклонение имеет значок выборочной – либо S, либо SD (standard deviation), а в случае генеральной совокупности оно носит название среднеквадратичного отклонения и обозначается буквой σ (сигма).

Приведем пример расчета доврительного интервала

Представьте чисто гипотетическую ситуацию, когда перед нами стоит задача исследований среднего роста марсианина. Для того, чтобы его узнать, было отправлено 3 экспедиции. Первой из них повезло больше всего: они смогли поймать каждого из 200 марсианин и померить его рост.

Как мы помним, по закону нормального распределения по оси Х находится величина изучаемого признака, либо варианта (в данном случае это рост в сантиметрах), а по оси Y – частота встречаемости какого-то признака (мы его обозначаем буквой П.

Итак, оказалось, что у всех 200 марсиан средний рост составил 40 сантиметров. Таким образом, первая экспедиция смогла провести так называемое сплошное исследование, так как поработала со всеми единицами наблюдения генеральной совокупности. Поэтому мы имеем право назвать этот параметр µ.

Однако, второй и третьей экспедиции повезло гораздо меньше. Они попали в самые плохо населенные участки Марса и смогли отобрать только 10 марсиан. В данном случае оказалось, что средний рост по их выборке составил всего 38 сантиметров в первом случае и 41 сантиметр во втором случае.

Что же делать? Да, у нас есть данные из самого полного исследования, которое относится к первой экспедиции. Но представьте, что ни одна бы из них не смогла бы поработать со всей совокупностью полностью, и у нас были бы данные только от второй и третьей экспедиции. Что же в этой ситуации делать? Видно, что никто 40 сантиметров в действительности не достиг: во второй экспедиции Б она равна 38 сантиметрам, а в экспедиции В – 41 сантиметр. То есть в реальности никто не достиг 40 сантиметров. Что же делать в данном случае?

И вот здесь на помощь к нам приходит доверительный интервал, точнее оценка параметра. Доверительный интервал является вторым этапом оценки параметра. Прежде чем строить доверительный интервал, нам нужно понять, насколько в принципе этот параметр наша средняя (x̅_б, x̅_в) может отличаться, ошибаться от реального параметра в генеральной совокупности. Насколько?

И тут нам помогает оценка параметра или нахождение ошибки репрезентативности. Ошибка репрезентативности обозначается m_r или m_x. Чаще я использую m_r. Что же это значит? m_r по-английски обозначается как standard error, по-русски она часто называется стандартная ошибка средней или ошибка репрезентативности. Как же она находится? А находится она следующим образом? Она учитывает стандартное квадратичное отклонение в генеральной совокупности и размер в выборке. От чего же зависит ошибка репрезентативности? А зависит она от 2 вещей: от среднеквадратичного отклонения в генеральной совокупности (я напоминаю, это насколько каждая варианта отличается от средней, о законе нормального распределения мы с вами поговорим в следующий раз) и от размера выборки или . То есть, таким образом, чем менее разбросан признак генеральной совокупности, и чем больше у нас размер выборки, тем меньше наша ошибка репрезентативности.

Итак, предположим, мы нашли нашу ошибку репрезентативности m_r. В данном случае она составила 2,7 сантиметра. Но что же это нам дает? А дает нам это уже достаточно много. Теперь мы, зная, насколько в принципе наша выборка может ошибаться относительно генеральной совокупности, можем составить определенное предположение о том, где же находится реальный параметр – реальные 40 сантиметров генеральной совокупности на основании данных лишь нашей выборки.

Каким же образом это происходит? Мы провели точечную оценку нашего параметра. Дальше происходит второй этап построения доверительного интервала – это интервальная оценка параметра. Каким же образом строится этот интервал? А складывается он из 2 вещей: так называемой предельной ошибки +∆ и -∆. Формула нахождения предельной ошибки достаточно проста и составляет:

±∆ = t*m_r

Для того, чтобы не залезать в критерий Стьюдента сегодня, я скажу лишь, что:

для доверительного интервала 95 % используется t=2,

для доверительного интервала 99 % используется t=3

и для доверительного интервала 68 % используется t=1.

Итак, после того, как мы нашли нашу предельную ошибку, мы можем построить доверительный интервал. Но для этого нам нужно самим задать тот доверительный интервал, который для нас подходит больше всего. Чаще всего в медицине используется вероятность ошибки 5 %, то есть доверительный интервал 95 % или вероятность ошибки 5 % (р=0,05, р=5 %).

Что же значат эти 95 %? А значат они следующее, что с 95%-ной вероятностью в нашем интервале лежит реальное значение, и лишь в 5 % случаев мы ошибаемся. То есть в нашем конкретном случае наша ошибка репрезентативности составила 2,7 сантиметра. Предельная ошибка отсюда будет равна чему? Именно 5,4 сантиметра, то есть доверительный интервал, так как здесь и плюс, и минус, то есть нам нужно ошибку умножить на 2, составил 10,8 сантиметров. А именно наши 38 см±5,4 см. Ширина всего доверительного интервала составляет 10,8 см. Напомню, что он складывается из положительной и отрицательной предельных ошибок вокруг нашей выборочной средней.

Итак, говоря о доверительном интервале, нужно сделать ряд важных выводов.

• Во-первых, доверительный интервал относится к выборочной совокупности. Он показывает, насколько параметры из выборочной совокупности могут отличаться от реально существующих данных в генеральной совокупности. Насколько мы ошибаемся при формировании той или иной выборки, мы закладываем в так называемую ошибку репрезентативности, в ошибку средней и вокруг нее собственно и строим доверительный интервал.
• Ширину доверительного интервала задает собственно сам исследователь, варьируя тот критерий t, который он принимает в качестве необходимого. Чаще всего применяется t=2, которое и соответствует ширине доверительного интервала 95 %. 95 % означает, что с 95%-ной вероятностью действительно вокруг выборочной средней существует определенный доверительный интервал, в который и попадает реально существующая средняя из генеральной совокупности. Этот доверительный интервал может быть либо уже, если t=1; либо шире, если t=3.
• Доверительный интервал задается самостоятельно исследователем. Чаще всего он равен 95 %.

Если это видео оказалось Вам полезным, оно хотя бы немного раскрыло тайны доверительного интервала, ставьте лайки, подписывайтесь на наши рассылки и в комментариях пишите, какие темы по биостатистике вам бы были интересны для следующих выпусков. На этом я с вами прощаюсь. Меня зовут Кирилл. Пока!

Согласно теории выборочного метода, неоднократно подтвержденной практикой, опрашивать всех нет необходимости, а можно опросить лишь часть группы, которая может быть в тысячи раз меньше. Эта маленькая часть называется выборкой (или выборочной совокупностью), а большая группа, которую она представляет, называется генеральной совокупностью.

При этом если выборка сформирована правильно, выводы, полученные на основе изучения выборки, могут быть перенесены и на генеральную совокупность. Например, если в выборке женщины значимо чаще, чем мужчины, пользуются дезодорантами, то делается вывод, что и в генеральной совокупности (например, в исследованном городе) присутствует такая закономерность.

Процесс переноса выводов с выборки на генеральную совокупность называется генерализацией. А свойство выборки отражать характеристики генеральной совокупности называется репрезентативностью. Для более комфортного запоминания термина на рис.1.

приведены иллюстрации, когда выборка отражает свойства генеральной совокупности и когда свойства выборки отличаются от свойств генеральной совокупности.

Рис.1. Иллюстративные примеры соответствия (несоответствия) свойств генеральной совокупности и выборки

Не стоит путать понятие репрезентативности с такими понятиями как валидность и релевантность, хотя они тоже относятся к характеристикам качества исследования. В социальных науках валидность понимается довольно широко, но чаще всего – как обоснованность.

Понятие валидности относится не к выборке, а к исследовательской методике. Методика или измерение (анкета, блок вопросов, тест) считается валидным, если фиксирует именно то понятие или свойство, которое планируется измерить.

Например, если мы захотим оценить уровень лояльности клиента к магазину и выберем для этого лишь показатель частоты посещения магазина, валидность этого подхода будет неполной: возможно, респондент часто заходит в магазин только из-за банкомата, который там установлен.

Валидная методика в данном примере должна включать и другие показатели: предпочтение магазина, суммы покупок в этом и других магазинах, готовность переключиться на другие магазины, готовность рекомендовать магазин и др.

При установлении валидности решающую роль играет обоснование и последующая проверка гипотезы релевантности, то есть соответствия измеряемых параметров характеристикам исследуемого объекта.

Житейский пример нерелевантности – измерять уровень счастья человека количеством денег у него (хотя, наверное, не все с этим согласятся).

Очевидный пример нерелевантности – попытка измерить массу тела по его температуре.

Но вернемся к понятию репрезентативности. В то время как точность измерений зависит от размера выборки, размер выборки не гарантирует ее репрезентативности.

Репрезентативность выборки главным образом обеспечивается способом отбора ее участников (респондентов).

Примером явного нарушения репрезентативности может послужить шутка о том, что интернет-опрос показал, что 100% людей пользуется интернетом.

Можно выделить несколько вариантов нарушения репрезентативности выборки: когда опрошены не те люди и когда опрошено слишком много (или мало) определенных людей (например, женщин намного больше, чем мужчин). Кроме того, чем меньше размер выборки, тем меньше вероятность того, что она будет репрезентативной. Например, допустим, 1% населения мог бы заинтересоваться новой услугой.

Это 1 из 100 людей. Если размер выборки составляет всего 60 человек, то в вашей выборке может отсутствовать человек, который, скорее всего, будет заинтересован в услуге. Ваша выборка менее репрезентативна, потому что она меньше. Ваши результаты будут разными в зависимости от того, содержит ли ваша выборка одного из этих людей или нет.

Пример репрезентативной и нерепрезентативной выборки показан на рис.2.

Рис.2. Пример репрезентативной и нерепрезентативной выборки

На рис.3 показана та же по составу генеральная совокупность, но с другим расположением объектов внутри круга.

Рис.3. Пример репрезентативной и нерепрезентативной выборки при другом расположении объектов генеральной совокупности

Говоря простым языком, репрезентативная выборка – это такая выборка, в которой представлены все подгруппы, важные для исследования. Помимо этого, характер распределения рассматриваемых параметров в выборке должен быть таким же, как в генеральной совокупности.

Простой случайный отбор респондентов представляется оптимальным способом формирования репрезентативной выборки.

Поскольку в этом случае у любого представителя генеральной совокупности одинаковая вероятность попасть в выборку, в нее попадут люди с разными характеристиками пропорционально их долям в генеральной совокупности.

В итоге выборка будет представлять собой нечто вроде уменьшенной копии генеральной совокупности.

Случайность отбора респондентов в выборку обеспечивается разными способами.

Например, для телефонного опроса жителей города берется база данных всех телефонных номеров, и номера респондентов случайным образом выбираются компьютером (с использованием генератора случайных чисел).

При уличном опросе интервьюеров распределяют по случайно выбранным точкам и инструктируют опрашивать каждого N-ного прохожего.

Наглядным примером репрезентативной выборки может служить пицца. Если целая пицца – это генеральная совокупность, которую мы хотим изучить, то кусок пиццы – это выборка.

Как правило, достаточно одного куска пиццы, чтобы судить обо всей пицце (при условии, что ингредиенты равномерно распределены по ее поверхности). Таким образом, кусок пиццы пиццы на рис.

4 – это репрезентативная выборка из пиццы.

Рис.4. Наглядный пример репрезентативной выборки (пицца)

Важно отметить, что не любой кусок пиццы будет репрезентативной выборкой. Разные способы получения куска пиццы могут принципиально повлиять на качество исследования и выводы, которые будут получены при анализе каждого варианта выборки (рис.4)

(рисунок в сушильной камере, готовится к публикации)

Рис.5. Наглядный пример формирования репрезентативной и нерепрезентативной выборки.

Еще один показательный пример формирования репрезентативной выборки – кастрюля, содержимое которой мы должны узнать (допустим, там скрывается борщ). Мы только один раз можем зачерпнуть из кастрюли ложкой (провести исследование). В нашем примере ложка – это выборка, а содержимое кастрюли – генеральная совокупность.

Если мы зачерпнем сверху, то придем к выводу, что в кастрюле бульон. Если снизу – решим, что в кастрюле мясо. Зачерпнув где-то посередине, мы получим картошку или капусту. В любом из трех случаев выводы будут неверны.

Чтобы получить достоверный результат, нам стоит хорошенько перемешать содержимое кастрюли, перед тем как пробовать его.

Перемешивание в данном случае – аналог процедуры простого случайного отбора, поскольку оно предоставляет всем ингредиентам примерно равную вероятность попадания в ложку-выборку (или тарелку-выборку).

Рис.6. Борщ как модель, демонстрирующая репрезентативность выборки.

В реальности применить простой случайный отбор респондентов не всегда удается в полной мере. Например, мы можем абсолютно корректно отобрать в выборку нужное количество номеров домашних телефонов случайным образом, но при их прозвоне выяснится, что дозвониться и поговорить удается преимущественно с пенсионерами, а «поймать» дома молодежь и работающих людей получается плохо.

Возвращаясь к примеру с борщом, если у нас вместо кастрюли – огромный ресторанный котел, а в руках все та же обычная ложка, перемешивание будет неэффективным. Чтобы решить задачу, потребуются иные подходы.

Например, мы можем теоретически разделить глубину котла на несколько слоев и постараться зачерпнуть содержимое из каждого слоя (из случайного места слоя: не только в центре, но и по краям). Таким образом, наша итоговая выборка будет состоять уже из нескольких выборок и при этом адекватно отражать содержимое всех слоев котла.

Подобные альтернативные подходы называются типами выборки, которых придумано достаточно много для того, чтобы максимизировать репрезентативность выборки в сложных условиях реального мира.

Последствия нарушения репрезентативности выборки: некорректные выводы исследования, выброшенный на ветер бюджет исследования, финансовые потери вследствие применения неправильных выводов.

Вы можете выбрать валидную исследовательскую методику, рассчитать объем выборки, обеспечивающий приемлемую точность измерений, но, если выборка исследования нерепрезентативна, получить достоверную информацию не удастся.

• ПРИМЕРЫ НАРУШЕНИЯ РЕПРЕЗЕНТАТИВНОСТИ ВЫБОРКИ
• ПРЕДВЫБОРНЫЙ ОПРОС
• Самым известным примером нарушения репрезентативности выборки является история провала американского журнала «Литературный дайджест».

В 1936 году журнал в очередной раз провел почтовый опрос общественного мнения о вероятных результатах грядущих президентских выборов в США. До 1936 года опрос всегда правильно предсказывал победителя. Опрос 1936 года показал, что победителем с большим отрывом станет кандидат от республиканцев, но в итоге победителем оказался представитель демократов.

Таким образом, гигантская выборка (около 2,4 млн. человек) не обеспечила достоверных результатов. В чем же заключалась причина ошибки?

Называются две основные причины провала: смещение при формировании выборки и смещение вследствие отказа респондентов от участия в опросе.

Прежде всего, журнал включил своих подписчиков в список для рассылки анкет и, желая расширить выборку, использовал два других доступных тогда списка граждан: зарегистрированных автовладельцев и пользователей телефонов.

Во времена Великой Депрессии представители этих групп отличались от остального населения более высоким доходом, как и подписчики самого журнала.

Таким образом, полученная база для рассылки не являлась корректным отражением структуры населения США.

Вторая проблема с опросом заключалась в том, что из 10 миллионов человек, чьи имена были в первоначальном списке рассылки, только 2,4 миллиона ответили на опрос. Вероятно, высокий процент отказов был связан с тем, что опрос проводился по почте.

Уже в те времена американцы относились к почтовым рассылкам как к спаму. Таким образом, размер выборки составил примерно одну четверть от того, что первоначально планировалось.

Когда доля ответивших низка (как это было в данном случае), считается, что исследование страдает от необъективности ответов.

У этой истории две морали: Большая, но неправильно сформированная выборка гораздо хуже маленькой, но правильно сформированной выборки. При проведении опроса не упускайте из внимания смещение отбора и смещение в результате отказов.

СИСТЕМАТИЧЕСКАЯ ОШИБКА ВЫЖИВШЕГО

Пример из военной практики. Во Вторую мировую войну американские военные столкнулись со следующей проблемой. Не все американские бомбардировщики после задания возвращались на базу.

На вернувшихся самолетах оставалось множество пробоин от выстрелов противника, но распределены они были неравномерно: больше всего на фюзеляже и прочих частях, меньше в топливной системе и гораздо меньше — в двигателе.

Командованию казалось логичным, что в наиболее поврежденных местах нужно установить больше брони. Привлеченный к решению задачи математик возразил: данные как раз показывают, что самолет, получивший пробоины в этих местах, еще может вернуться на базу.

А самолет, которому попали в бензобак или двигатель, выходит из строя и не возвращается. Поэтому укреплять следует те места, которые у вернувшихся самолетов повреждены меньше всего.

Рис .7. Пробоины на вернувшихся самолётах. Получившие повреждения в других местах не смогли вернуться на базу

Эта задача служит примером нарушения репрезентативности выборки, когда в нее включены не те респонденты: в данном случае, вернувшиеся самолеты, в то время как не вернувшиеся проигнорированы.

Применительно к маркетинговым исследованиям, эта ситуация подобна следующей. При опросе клиентов бизнеса будет ошибкой опрашивать только текущих клиентов и не опрашивать потерянных клиентов (а какие «пробоины» получили они?).

НЕПРАВИЛЬНЫЕ МЕСТА ОПРОСА

При опросе посетителей ТРЦ важно правильно расставить интервьюеров. Например, если поставить интервьюеров только у главного входа, в выборку не попадут посетители, приехавшие в ТРЦ на автомобиле и попавшие в него через парковку.

Как следствие, выводы, полученные на собранных данных, будут корректны только для той части посетителей, которые приходят в ТРЦ пешком, а значит, делают меньше покупок, не покупают габаритные товары, живут ближе к ТРЦ, чем приезжающие на автомобиле.

ОТСУТСТВИЕ КВОТИРОВАНИЯ

Другой пример. Бывает, что в разных районах города сбор анкет идет с разной скоростью: где-то (например, в центре города) большой пешеходный поток и у людей есть время на участие в опросе (отдыхающие, в отпуске, офисные сотрудники на обеде), а на окраинах либо мало людей на улицах, либо все спешат на работу и отказываются участвовать.

В результате, если не ограничивать доли районов, в выборке будут преобладать люди из центрального района, которые могут значимо отличаться от остальных людей родом занятий, уровнем дохода и образования, уровнем осведомленности о магазинах и др.

Таким образом, собранная выборка уже не будет репрезентативной по отношению к населению всего города.

ОНЛАЙН-ОПРОСЫ (ОНЛАЙН-ПАНЕЛИ)

Несмотря на многие положительные стороны онлайн-опросов, такие как экономичность, оперативность сбора информации, удобство ее обработки и т. д., некоторые их особенности напрямую угрожают репрезентативности исследования:

1. Во-первых, участники онлайн-опросов – это, как правило, активные пользователи интернета, хорошо в нем разбирающиеся и больше подверженные влиянию интернет-культуры, чем обычные люди.
2. Во-вторых, люди, у которых есть время и желание регулярно участвовать в онлайн-опросах за небольшое вознаграждение, скорее всего, значительно отличаются от остальных людей как по социально-демографическим, так и по психографическим характеристикам.
3. В-третьих, профессиональное участие в опросах приводит к так называемой профессиональной деформации, когда ответы респондентов на вопросы новых исследований обусловлены предыдущим опытом, но не жизненным, а опытом участия в других опросах.
4. Таким образом, в данном случае возникает та ситуация, когда опрашиваются не те люди, хотя по формальным характеристикам они подходят под описание целевой аудитории.
5. ВЫВОДЫ
6. Итак, чтобы получить достаточно точные данные об интересующей нас группе людей, необязательно опрашивать их всех, благодаря свойству репрезентативности выборки.
7. «Чем больше, тем лучше» – неправильный подход к формированию выборки.

Небольшая репрезентативная выборка лучше большой, но нерепрезентативной выборки. Применительно к выборке не стоит пугаться слова «случайная». Это вовсе не значит, что в исследовании будут получены случайные результаты. Напротив, случайный подход к формированию выборки делает ее максимально похожей на генеральную совокупность, а значит, репрезентативной.

При проектировании выборки следует учитывать опасность смещения структуры выборки вследствие особенностей сбора информации и других условий.

Источник: https://scanmarket.ru/blog/reprezentativnost-vyborki

Ошибки выборки

Чтобы оценить степень точности выборочного наблюдения, необходимо оценить величину ошибок, которые могут возникнуть в процессе проведения выборочного наблюдения.

Статистическое исследование может осуществляться по данным несплошного наблюдения, основная цель которого состоит в получении характеристик изучаемой совокупности по обследованной ее части. Одним из наиболее распространенных в статистике методов, применяющих несплошное наблюдение, является выборочный метод.

Под выборочным понимается метод статистического исследования, при котором обобщающие показатели изучаемой совокупности устанавливаются по некоторой ее части на основе положений случайного отбора.

При выборочном методе обследованию подвергается сравнительно небольшая часть всей изучаемой совокупности (обычно до 5 — 10%, реже до 15 — 25%). При этом подлежащая изучению статистическая совокупность, из которой производится отбор части единиц, называется генеральной совокупностью.

Отобранная из генеральной совокупности некоторая часть единиц, подвергающаяся обследованию, называется выборочной совокупностью
или просто выборкой.

Значение выборочного метода состоит в  том, что при минимальной численности обследуемых единиц проведение исследования осуществляется в более короткие сроки и с минимальными затратами труда и средств. Это повышает оперативность статистической информации, уменьшает ошибки регистрации.

В проведении ряда исследований выборочный метод является единственно возможным, например, при контроле качества продукции (товара), если проверка сопровождается уничтожением или разложением на составные части обследуемых образцов (определение сахаристости фруктов, клейковины печеного хлеба, установление носкости обуви, прочности тканей на разрыв и т.д.).

• Проведение исследования социально — экономических явлений выборочным методом складывается из ряда последовательных этапов:
• 1) обоснование (в соответствии с задачами исследования) целесообразности применения выборочного метода;
• 2) составление программы проведения статистического исследования выборочным методом;
• 3) решение организационных вопросов сбора и обработки исходной     информации;

4) установление доли выборки, т.е. части подлежащих обследованию единиц генеральной совокупности;

1. 5) обоснование способов формирования выборочной совокупности;
2. 6) осуществление отбора единиц из генеральной совокупности для их обследования;
3. 7) фиксация в отобранных единицах (пробах) изучаемых признаков;
4. статистическая обработка полученной в выборке информации с определением обобщающих характеристик изучаемых признаков;
5. 9) определение количественной оценки ошибки выборки;
6. 10) распространение обобщающих выборочных характеристик на генеральную совокупность.
7. В генеральной совокупности доля единиц, обладающих изучаемым признаком, называется генеральной долей (обозначается р), а средняя величина изучаемого варьирующего признака — генеральной средней (обозначается ).
8. В выборочной совокупности долю изучаемого признака называют выборочной долей, или частостью (обозначается ), а среднюю  величину в выборке — выборочной средней (обозначается ).
9. Пример.

При контрольной проверке качества хлебобулочных изделий проведено 5%-ное выборочное обследование партии нарезных батонов из муки высшего сорта. При этом из 100 отобранных в выборку батонов 90 шт. соответствовали требованиям стандарта. Средний вес одного батона в выборке составлял 500,5 г при среднем квадратическом отклонении г.

• На основе полученных в выборке данных нужно установить возможные значения доли стандартных изделий и среднего веса одного изделия во всей партии.
• Прежде всего устанавливаются характеристики выборочной совокупности. Выборочная доля, или частость,  определяется из отношения единиц, обладающих изучаемым признаком m, к общей численности единиц выборочной совокупности n:

Поскольку из 100 изделий, попавших в выборку n, 90 ед. оказались стандартными m, то показатель частости равен: = 90:100=0,9.

Средний вес изделия в выборке х = 500,5 г определен взвешиванием. Но полученные показатели частости (0,9) и средней величины (500,5 г) характеризуют долю стандартной продукции и средний вес одного изделия лишь в выборке. Дляопределения соответствующих показателей для всей партии товара надо установить возможные при этом значения ошибки выборки.

Ошибка выборки — это объективно возникающее расхождение между характеристиками выборки и генеральной совокупности. Она зависит от ряда факторов: степени вариации изучаемого признака, численности выборки, методом отбора единиц в выборочную совокупность, принятого уровня достоверности результата исследования.

1. Определение ошибки выборочной средней.
2. При случайном повторном отборе средняя ошибка выборочной средней рассчитывается по формуле:
3. ,
4. где  — средняя ошибка выборочной средней;
5. — дисперсия выборочной совокупности;
6. n — численность выборки.
7. При бесповторном отборе она рассчитывается по формуле:
8. ,
9. где N — численность генеральной совокупности.
10. Определение ошибки выборочной доли.
11. При повторном отборе средняя ошибка выборочной доли рассчитывается по формуле:

• где  — выборочная  доля единиц, обладающих изучаемым признаком;
•  — число единиц, обладающих изучаемым признаком;
•  — численность выборки.
• При бесповторном способе отбора средняя ошибка выборочной доли определяется по формулам:

1. Предельная ошибка выборки  связана со средней ошибкой выборки  отношением:
2. .
3. При этом t как коэффициент кратности средней ошибки выборки зависит от значения вероятности Р, с которой гарантируется величина предельной ошибки выборки.
4. Предельная ошибка выборки при бесповторном отборе определяется по следующим формулам:

Предельная ошибка выборки при повторном отборе определяется по формуле:

.

Источник: https://www.ekonomstat.ru/lektsii-po-distsipline-statistika/36-obshhaja-teorija-statistiki-lekcii/834-oshibki-vyborki.html

116. Ошибка репрезентативности, методика вычисления ошибки средней и относительной величины

В статистике выделяют два основных метода исследования – сплошной и выборочный. При проведении выборочного исследования обязательным является соблюдение следующих требований: репрезентативность выборочной совокупности и достаточное число единиц наблюдений.

При выборе единиц наблюдения возможны Ошибки смещения, т. е. такие события, появление которых не может быть точно предсказуемым. Эти ошибки являются объектив­ными и закономерными.

При определении степени точности выборочно­го исследования оценивается величина ошибки, которая может прои­зойти в процессе выборки – Случайная ошибка репрезентативности (M) – Является фактической разностью между средними или относительными величинами, полученными при проведении выборочного исследования и аналогичными величинами, которые были бы получены при проведении исследования на гене­ральной совокупности.

• Оценка достоверности результатов исследования предусматривает определение:
• 1. ошибки репрезентативности
• 2. доверительных границ средних (или относительных) величин в генеральной совокупности
• 3. достоверности разности средних (или относительных) величин (по критерию t)
• Расчет ошибки репрезентативности (mм) средней арифмети­ческой величины (М):
• , где σ – среднее квадратическое отклонение; n – численность выборки (>30).
• Расчет ошибки репрезентативности (mР) относительной величины (Р):
• , где Р – соответствующая относительная величина (рассчитанная, например, в %);
• Q =100 – Ρ% – величина, обратная Р; n – численность выборки (n>30)

В клинических и экспериментальных работах довольно часто приходится использовать Малую выборку, Когда число наблюдений меньше или равно 30. При малой выборке для расчета ошибок репрезентатив­ности, как средних, так и относительных величин, Число наблюде­ний уменьшается на единицу, т. е.

Величина ошибки репрезентативности зависит от объема выборки: чем больше число наблюдений, тем меньше ошибка. Для оценки достоверности выборочного показателя принят следующий подход: показатель (или средняя величина) должен в 3 раза превышать свою ошибку, в этом случае он считается достоверным.

Знание величины ошибки недостаточно для того, чтобы быть уве­ренным в результатах выборочного исследования, так как конкрет­ная ошибка выборочного исследования может быть значительно больше (или меньше) величины средней ошибки репрезентативности.

Для оп­ределения точности, с которой исследователь желает получить ре­зультат, в статистике используется такое понятие, как вероят­ность безошибочного прогноза, которая является характеристикой надежности результатов выборочных медико-биологических статистических исследований.

Обычно, при проведении медико-биологических статистических исследований используют вероятность безошибочного прогноза 95% или 99%.

В наиболее ответственных случаях, когда необходимо сделать особенно важные выводы в теоретическом или практическом отношении, используют вероятность безошибочного прогноза 99,7%

1. Определенной степени вероятности безошибочного прогноза соот­ветствует определенная величина Предельной ошибки случайной выборки (Δ – дельта), которая определяется по формуле:
2. Δ=t * m, где t – доверительный коэффициент, который при большой выборке при вероятности безо­шибочного прогноза 95% равен 2,6; при вероятности безоши­бочного прогноза 99% – 3,0; при вероятности безошибочно­го прогноза 99,7% – 3,3, а при малой выборке определяется по специальной таблице значений t Стьюдента.
3. Используя предельную ошибку выборки (Δ), можно определить До­верительные границы, в которых с определенной вероятностью безо­шибочного прогноза заключено действительное значение статистичес­кой величины, Характеризующей всю генеральную совокупность (сред­ней или относительной).
4. Для определения доверительных границ используются следующие формулы:
5. 1) для средних величин:

Мвыб – средняя величина, Полученная при проведении исследова­ния на выборочной совокупности; t – доверительный коэффициент, значение которого определяет­ся степенью вероятности безошибочного прогноза, с кото­рой исследователь желает получить результат; mM – ошибка репрезентативности средней величины.

2) для относительных величин:

Доверительные границы показывают, в каких пределах может колебаться размер выборочного показателя в зависимости от причин случайного характера.

При малом числе наблюдений (n

Источник: https://uchenie.net/116-oshibka-reprezentativnosti-metodika-vychisleniya-oshibki-srednej-i-otnositelnoj-velichiny/

Ошибки репрезентативности. Ошибки выборки

Любое выборочное наблюдение ставит своей задачей определение среднего размера признака или доли единиц, обладающих данным признаком, и распространение полученных характеристик выборочной совокупности на генеральную совокупность.

Ошибки репрезентативности возникают вследствие различия структуры выборочной и генеральной совокупности.

Структура генеральной совокупности вполне однозначна, и ей соответствует вполне определенное значение среднего размера (или доли) изучаемого признака. Выборочная же совокупность формируется на основе случайного отбора, в силу этого ее состав отличается от состава генеральной совокупности, отличается, естественно, и значение среднего размера (или доли) изучаемого признака.

Если из одной и той же генеральной совокупности производится несколько выборок, то в каждую из них попадут разные единицы и, следовательно, каждой выборочной совокупности будет соответствовать своя средняя. Отсюда следует важный вывод: выборочная средняя, в отличие от генеральной, – величина переменная. Переменной или случайной величиной будет и ошибка репрезентативности.

В практических статистических работах выборочное наблюдение проводится один раз, поэтому фактически приходится иметь дело с одной из множества выборочных средних, но с какой именно – сказать невозможно.

Чтобы получить суждение о точности результатов выборочного наблюдения, математическая статистика дает формулу средней ошибки, т.е.

средней величины из всех возможных ошибок при бесчисленном множестве случайных выборок.

При бесконечно большом числе выборок получится кривая частот, которая представляет кривую выборочного распределения.

Рассмотрим выборочное распределение средней величины.

Такое распределение будет являться нормальным или приближаться к нему по мере увеличения объема выборки независимо от того, имеет или не имеет нормальное распределение та генеральная совокупность, из которой взяты выборки.

С увеличением числа выборок средняя для всех выборок будет приближаться к генеральной средней. По выборочному распределению может быть рассчитана средняя квадратическая ошибка репрезентативности:

Среднее квадратическое отклонение выборочных средних от генеральной средней называется средней ошибкой выборочной средней (средней ошибкой выборки для средней величины признака):

Поскольку, как правило, генеральная средняя неизвестна, этой формулой нельзя воспользоваться. Кроме того, в социально-экономических исследованиях выборки из одной и той же совокупности не производятся многократно. Поэтому используют нижеприведенную формулу, исходя из того, что средняя ошибка выборки зависит от колеблемости признака в генеральной совокупности и числа отобранных единиц.

Средняя ошибка выборки для средней величины признака определяется по формуле:

где s2г – дисперсия количественного признака в генеральной совокупности.

Следовательно, средняя ошибка выборки тем больше, чем больше вариация в генеральной совокупности, и тем меньше, чем больше объем выборки.

Т.о. можно утверждать, что отклонение выборочной средней от генеральной средней в среднем равно . Ошибка конкретной выборки может принимать различные значения, но ее отношение к средней ошибке практически не превышает , если величина объема выборки достаточно большая .

• Отношение ошибки конкретной выборки к средней квадратической ошибке называется нормированным отклонением :
• .
• Распределение нормированного отклонения выборочной средней от генеральной средней при численности выборки определяется следующим уравнением:
• (1)

Данное уравнение называют стандартным уравнением нормальной кривой. Величина достигает максимума при , в этом случае .

На рис. приведен график кривой распределения нормированных отклонений ошибок выборочных средних .

Рис.

Ординаты соответствуют плотностям вероятности при том или ином значении . Для того, чтобы определить вероятность значений в интервале от до , следует найти отношение части площади кривой, заключенной между ординатами, соответствующими и ко всей площади кривой. Вся площадь под кривой нормального распределения вероятностей принимается за единицу.

1. Площадь нормальной кривой, заключенную между ординатами и , определяют, интегрируя функцию (1) – интеграл Лапласа.
2. Имеются таблицы интеграла Лапласа, которые содержат значения вероятностей для нормированных отклонений . Значения функции Ф(t) табулированы при разных значениях, например:
3. при t=1 P(D£ m) = Ф(1) = 0,683;
4. при t=2 P(D£2m) = Ф(2) = 0,9545;

при t=3 P(D£3m) = Ф(3) = 0,9973 и т.д.

• Это вероятность того, что ошибка попадет в заданные пределы.
• В общем виде
• D=tm

характеризует предельную ошибку выборки, показывающую максимально возможное расхождение выборочной и генеральной характеристик при заданной вероятности этого утверждения. Т.о. о величине ошибки можно судить с определенной вероятностью.

1. Так, при t=2 возможная ошибка D не превысит 2m, что гарантируется с вероятностью 0,9545. Это значит, что в 9545 выборках из 10000 подобных максимальная ошибка не выйдет за пределы ±2m,
2. где – это коэффициент доверия.
3. При проведении выборочного учета массовых социально-экономических явлений считается достаточным максимальный размах ошибки выборки ±3m.
4. На практике наиболее часто пользуются значениями вероятности Р=0,95 (t=1,96), Р=0,99 (t=2,58) и Р=0,999 (t=3,28), гарантирующими репрезентативность выборки соответственно с ошибкой 5; 1; 0,1%.

Предельная ошибка выборки позволяет определять предельные значения характеристик генеральной совокупности при заданной вероятности, т.е. их доверительные интервалы.

Поэтому вероятность Р называется доверительной, она представляет собой вероятность того, что ошибка выборки не превысит некоторую заданную величину D, т.е. генеральная средняя находится где-то в пределах

• (от до ),
• генеральная доля – в пределах
• (от w–D до w+D).
• Как мы определили выше, средняя ошибка выборки для средней величины признака определяется по формуле:
• ,
• где s2г – дисперсия количественного признака в генеральной совокупности.
• Если при выборочном наблюдении изучению подлежит альтернативный признак, то средняя ошибка выборки для доли единиц, обладающих данным признаком, определяется по теореме Я. Бернулли:
• ,
• где p – доля единиц, обладающих данным качеством, в генеральной совокупности; p(1-p) – дисперсия альтернативного признака в генеральной совокупности.

Приведенные формулы средних ошибок выборки практически непригодны для расчета. В них фигурирует дисперсия признака в генеральной совокупности, которая неизвестна, как неизвестна и генеральная доля, генеральная средняя. Поскольку в теории вероятности доказано, что

,

то при большом объеме выборки дисперсии генеральной s2г и выборочной s2 совокупностей равны. ( ). Это дает основание исчислять среднюю ошибку выборки по значениям выборочной дисперсии s2 для средней и w(1–w) для доли признака:

1. , ,
2. где w – доля признака в выборочной совокупности.
3. Наряду с абсолютной величиной предельной ошибки выборки рассчитывается и относительная ошибка выборки, которая определяется отношением предельной ошибки средней или доли к соответствующей характеристике выборочной совокупности:
4. ; .

При проведении выборочного наблюдения в экономических исследованиях преимущественно стремятся к тому, чтобы относительная ошибка репрезентативности выборки не превышала 5 … 10%.

Вывод формул , ,

исходит из схемы повторной выборки. На практике повторная выборка, при которой численность генеральной совокупности остается неизменной (т.е.отобранная единица возвращается в генеральную совокупность и снова может быть отобрана), встречается редко (например, при изучении населения в качестве пользователей, пациентов, избирателей).

• Обычно отбор организуется по схеме бесповторной выборки, при которой отобранная единица после обследования в генеральную совокупность не возвращается и в дальнейшей выборке не участвует.
• При бесповторной выборке численность генеральной совокупности в процессе отбора сокращается на
• 1–n/N, где n/N – доля отобранных единиц.
• В связи с этим формулы ошибки выборки приобретают следующий вид:
• ; .
• Так как доля единиц генеральной совокупности, не попавших в выборку (1–n/N), всегда меньше единицы, то ошибка выборки при бесповторном отборе при прочих равных условиях меньше, чем при повторном отборе.

Источник: https://infopedia.su/10x41a.html

2.2.2. Стихийная выборка

Исследователь при
применении данного метода в некоторой
степени контролирует выборку (например,
публикуя анкету в журнале, он обращается
только к читателям этого журнала), но
решение о включении в выборку принимает
сам респондент.

То есть, её размер заранее
часто не известен, а определяется
конкретным условием — активностью
респондентов. Значит, нельзя и заранее
определить структуру массива респондентов,
которые заполнят и вернут анкеты.

Поэтому
этот метод не претендует на репрезентативность
выборки, а выводы исследования очень
часто распространяются только на
опрошенную совокупность.

Сферы применения
стихийной выборки:

1. анкеты, публикуемые в газетах и журналах;

2. почтовые опросы1;

3. опросы покупателей в залах супермаркетов;

4. опрос пассажиров на остановках и в общественном транспорте2.

2.3. Многоступенчатая и одноступенчатая выборки

Выборка делится
на одноступенчатую и многоступенчатую
по количеству ступеней в отборе.
Одноступенчатая выборка предполагает,
что из генеральной совокупности сразу
осуществляется отбор респондентов для
опроса.

Процедура же многоступенчатой
выборки включает несколько ступеней,
при этом на каждой из них единица отбора
меняется. «Различают единицы отбора
первой ступени (первичные единицы),
единицы отбора вторичной ступени
(вторичные единицы) и так далее.

Объекты
самой нижней ступени, с которых ведется
непосредственный сбор информации,
называются единицами наблюдения»3.
Например, задача исследования – изучение
свободного времени студентов всей
страны.

Процедура будет
строиться следующим образом:

1. отбор регионов;

2. отбор города в них, где есть вузы;

3. отбор учебных заведений, в которых будет проводиться исследование;

4. выбор академических групп;

5. отбор студентов.

Многоступенчатая
выборка осуществляется не в локальных
масштабах, а в региональных, общенациональных,
международных. Использовать одноступенчатую
выборку в таких масштабах нерационально,
да и очень дорого обойдётся такое
исследование. Многоступенчатая выборка
в этом плане экономична и упрощает
подход к выбору объекта.

• Но нужно
  учитывать, что чем больше ступеней в
  выборке, тем больше будет ошибка
  репрезентативности, возрастёт вероятность
  погрешностей, что приведёт к искажению
  результатов исследования4.
• Рассмотрев
  некоторые типы выборок, необходимо
  также уяснить, что такое объем выборки
  и какие бывают ошибки выборки и как их
  избежать.
• В
  формировании выборочной совокупности
  важную роль играет определение ее объема
  и обеспечение репрезентативности.

«Если тип выборки
говорит о том, как попадают люди в
выборочную совокупность, то объём
выборки сообщает о том, какое их
количество попало сюда»2. То есть объем выборки – это количество
единиц попавших в выборочную совокупность.

И очень важно, чтобы выборка была
репрезентативной, то есть не искажала
представлений о генеральной совокупности
вцелом3.

«Требования репрезентативности выборки
означают, что по выделенным параметрам
(критериям) состав обследуемых должен
приближаться к соответствующим пропорциям
в генеральной совокупности»4.

Одна из ключевых
проблем, встающих, как правило, перед
социологом, решающим: доверять полученным
в ходе него данным или нет, это то, сколько
же человек должно быть опрошено для
того, чтобы получить действительно
репрезентативную информацию.

К сожалению,
единой и четкой формулы, используя
которую можно было бы рассчитать
оптимальный объем выборочной совокупности,
не существует в природе. И объясняется
это весьма просто.

Дело в том, что
определение объема выборочной совокупности
– это проблема не столько статистическая,
сколько содержательная.

Иными словами,
объем выборочной совокупности зависит
от множества факторов, основные из них
следующие:

1. затраты на сбор информации, включая временные;

2. стремление к определённой статистической достоверности результатов, которую надеется получить исследователь;

3. ценность и новизна информации, получаемой в результате опроса5.

Объем
выборки обусловлен степенью однородности
или неоднородности, генеральной
совокупности, количеством характеризующих
ее признаков.

Однородной считается совокупность,
в которой контролируемый признак,
например уровень грамотности, распределён
равномерно, то есть не образует пустот
и сгущений, тогда опросив лишь несколько
человек, можно сделать вывод о том, что
большинство людей грамотны.

Чем более
однородна генеральная совокупность,
тем меньше объем выборки. Например,
«допустим, мы осуществляем отбор из
генеральной совокупности в 2000 человек,
контролируя состав выборочной совокупности
по признаку «пол»»: 70% мужчин и 30% женщин.

Согласно теории вероятности, можно
предположить, что примерно среди каждых
десяти отбираемых респондентов встретятся
три женщины. Если мы хотим опросить по
крайней мерее 90 женщин, то исходя из
вышеупомянутого соотношения, нам
необходимо отобрать не менее 300 человек.

А теперь предположим, что в генеральной
совокупности 90% мужчин и 10% женщин. В
этом случае, чтобы в выборочную
совокупность попало 90 женщин, необходимо
отобрать уже не менее 900 человек»1.
Из примера видно, что объем выборки
зависит от разброса признака (дисперсии),
и его нужно вычислять по признаку,
дисперсия значений которого наибольшая.

«Степень
однородности социального объекта
зависит, в сущности, от того, насколько
детально мы намерены его исследовать.
Практически любой, самый «элементарный»
объект оказывается чрезвычайно сложным.

Лишь в анализе мы представляем его как
относительно простой, выделяя те или
иные его свойства.

Чем более основательным
и детальным будет анализ, чем больше
свойств данного объекта мы намерены
принять во внимание в их сочетании, а
не изолированно, тем больше должен быть
объем выборки»2.

Существуют, так
называемые «правила левой руки» для
определения размера выборки (таблица
1)»3:

Размер выборки растёт	Размер выборки уменьшается
— при необходимости опубликовать данные для отдельных подгрупп (размеры подвыборок при этом суммируются, и выборка в целом растёт пропорционально числу подгрупп);	— при исследовании организаций, институтов и прочих «первичных единиц отбора», если сравнительно невелика величина генеральной совокупности, из которой производится отбор(например, совокупности сотрудников рекламных агентств, школьников, пациентов и т.п.);
— при проведении общенациональных обследований, когда велика генеральная совокупность;	— при проведении локальных и региональных исследований;

Источник: https://studfile.net/preview/5996791/page:7/

Ошибки выборки

Расхождения между величиной какого-либо показателя, найденного посредством статистического наблюдения, и действительными его размерами называются ошибками наблюдения. В зависимости от причин возникновения различают ошибки регистрации и ошибки ре- пр ез ентативн о сти.

Ошибки регистрации возникают в результате неправильного установления фактов или ошибочной записи в процессе наблюдения или опроса. Они бывают случайными или систематическими.

Случайные ошибки регистрации могут быть допущены как опрашиваемыми в их ответах, так и регистраторами. Систематические ошибки могут быть и преднамеренными, и непреднамеренными. Преднамеренные — сознательные, тенденциозные искажения действительного положения дела.

Непреднамеренные вызываются различными случайными причинами (небрежность, невнимательность).

Ошибки репрезентативности (представительности) возникают в результате неполного обследования и в случае, если обследуемая совокупность недостаточно полно воспроизводит генеральную совокупность. Они могут быть случайными и систематическими.

Случайные ошибки репрезентативности — это отклонения, возникающие при несплошном наблюдении из-за того, что совокупность отобранных единиц наблюдения (выборка) неполно воспроизводит всю совокупность в целом. Систематические ошибки репрезентативности — это отклонения, возникающие вследствие нарушения принципов случайного отбора единиц.

Ошибки репрезентативности органически присущи выборочному наблюдению и возникают в силу того, что выборочная совокупность не полностью воспроизводит генеральную.

Избежать ошибок репрезентативности нельзя, однако, пользуясь методами теории вероятностей, основанными на использовании предельных теорем закона больших чисел, эти ошибки можно свести к минимальным значениям, границы которых устанавливаются с достаточно большой точностью.

Ошибки выборки — разность между характеристиками выборочной и генеральной совокупности. Для среднего значения ошибка будет определяться по формуле

Величина называется предельной ошибкой выборки.

Предельная ошибка выборки — величина случайная. Исследованию закономерностей случайных ошибок выборки посвящены предельные теоремы закона больших чисел. Наиболее полно эти закономерности раскрыты в теоремах П.Л. Чебышева и А.М. Ляпунова.

Теорему П.Л. Чебышева применительно к рассматриваемому методу можно сформулировать следующим образом: при достаточно большом числе независимых наблюдений можно с вероятностью, близкой к единице (т.е.

почти с достоверностью), утверждать, что отклонение выборочной средней от генеральной будет сколько угодно малым. В теореме П.Л. Чебышева доказано, что величина ошибки не должна превышать tp .

В свою очередь величина Р, выражающая среднее квадратическое отклонение выборочной средней от генеральной средней, зависит от колеблемости признака в генеральной совокупности о- и числа отобранных единиц п. Эта зависимость выражается формулой

• где Р зависит также от способа производства выборки.
• Величину М = о2 называют средней ошибкой выборки. В этом V п
• выражении а2 — генеральная дисперсия, п — объем выборочной совокупности.

Рассмотрим, как влияет на величину средней ошибки число отбираемых единиц п. Логически нетрудно убедиться, что при отборе большого числа единиц расхождения между средними будут меньше, т.е.

существует обратная связь между средней ошибкой выборки и числом отобранных единиц.

При этом здесь образуется не просто обратная математическая зависимость, а такая зависимость, которая показывает, что квадрат расхождения между средними обратно пропорционален числу отобранных единиц.

Увеличение колеблемости признака влечет за собой увеличение среднего квадратического отклонения, а, следовательно, и ошибки. Если предположить, что все единицы будут иметь одинаковую величину признака, то среднее квадратическое отклонение станет равно нулю и ошибка выборки также исчезнет.

Тогда нет необходимости применять выборку. Однако следует иметь в виду, что величина колеблемости признака в генеральной совокупности не известна, поскольку не известны размеры единиц в ней. Можно рассчитать лишь колеблемость признака в выборочной совокупности.

Соотношение между дисперсиями генеральной и выборочной совокупности выражается формулой

Поскольку величина п при достаточно больших п близка к 1, п — 1

можно приближенно считать, что выборочная дисперсия равна генеральной дисперсии, т.е. Орен ж •

Следовательно, средняя ошибка выборки показывает, какие возможны отклонения характеристик выборочной совокупности от соответствующих характеристик генеральной совокупности. Однако о величине этой ошибки можно судить с определенной вероятностью. На величину вероятности указывает множитель t.

Теорема А.М. Ляпунова. А.М. Ляпунов доказал, что распределение выборочных средних (следовательно, и их отклонений от генеральной средней) при достаточно большом числе независимых наблюдений приближенно нормально при условии, что генеральная совокупность обладает конечной средней и ограниченной дисперсией.

Математически теорему Ляпунова можно записать так:

1. Где
2. где я = 3,14 — математическая постоянная;
3. — предельная ошибка выборки, которая дает возможность выяснить, в каких пределах находится величина генеральной средней.
4. Значения этого интеграла для различных значений коэффициента доверия t вычислены и приводятся в специальных математических таблицах. В частности, при:

Поскольку t указывает на вероятность расхождения х — х , т.е.

на вероятность того, на какую величину генеральная средняя будет отличаться от выборочной средней, то это может быть прочитано так: с вероятностью 0,683 можно утверждать, что разность между выборочной и генеральной средними не превышает одной величины средней ошибки выборки.

Другими словами, в 68,3% случаев ошибка репрезентативности не выйдет за пределы ±Ц. С вероятностью 0,954 можно утверждать, что ошибка репрезентативности не превышает ± 2р (т.е. в 95% случаев). С вероятностью 0,997, т.е.

довольно близкой к единице, можно ожидать, что разность между выборочной и генеральной средней не превзойдет трехкратной средней ошибки выборки и т.д.

• Логически связь здесь выглядит довольно ясно: чем больше пределы, в которых допускается возможная ошибка, тем с большей вероятностью судят о ее величине.
• Зная выборочную среднюю величину признака (х) и предельную ошибку выборки можно определить границы (пределы), в
• которых заключена генеральная средняя

Источник: https://bstudy.net/710108/ekonomika/oshibki_vyborki