Met statistieken, kunt mensen weloverwogen beslissingen nemen. Als een onderzoek vindt een percentage van werknemers in een industrie ontvangt een blessure, jonge werknemers misschien factor die bij het kiezen van een carrière. Bemonstering van populaties, waarin onderzoekers willekeurig deelnemers selecteren, kan worden duur en tijdrovend, vooral met grote populaties. Echter systematische bemonstering--een proces waarin de onderzoekers een representatief monster met behulp van een gestandaardiseerde selectieproces selecteren--statistici te besparen geld. Bijvoorbeeld, zou een video op te slaan elke 10e klant weer een video om te voltooien van een enquête.
Snel en handig
Bemonstering is afhankelijk van de willekeurige selectie van individuen of objecten. Onderzoekers standaardiseren hoe ze bestellen de eenheden in de populatie. Bijvoorbeeld, kan een inspecteur kijken elke derde partij van pinda's. Systematische monsters zijn zeer eenvoudig, snel en handig voor degenen die al een lijst met eenheden in de populatie. Statistici profiteren van het gebruik van systematische bemonstering bij de studie van grote populaties omdat systematische bemonstering betrekking heeft op het gebied van bemonstering uniform. Bijvoorbeeld, als een ministerie van buitenlandse zaken hoe bewoners gebruik zonnebrandcrème bestudeert, moet de afdeling idealiter proeven van de hele staat in plaats van bemonstering van een paar gemeentes.
Periodiciteit
Gebeurtenissen die zich voordoen met regelmatige tussenpozen hebben periodiciteit. Bijvoorbeeld, heeft een tv-show die voor het eerst elke dinsdag om 8 uur uitgezonden periodiciteit. In een studie wellicht de bemonsterde bevolking periodiciteit kenmerken. Bijvoorbeeld misschien zalm zwemmen op de rivier op de dezelfde tijd elk jaar. Onderzoekers misschien ook merken dat een patroon periodiciteit. Bijvoorbeeld, kunnen er meer beren in een regio als de zalm op de rivier zwemmen. Maar de periodiciteit van de steekproef mogelijk niet overeen met het patroon periodiciteit.
Een ander voorbeeld, misschien een statisticus willekeurig gezondheid clubleden voor een studie. De geselecteerde deelnemers kunnen echter niet de werkelijke verhoudingen van leden van de club van de gezondheid van de bevolking vertegenwoordigen. Het geselecteerde monster kan gebeuren voor iedereen er zijn diabetes, terwijl niet iedereen die naar gezondheid clubs gaat diabetes heeft. Maar situaties waarin de deelnemers van de steekproef hebben kenmerken die enorm verschillend van de normen voor de bemonsterde bevolking zijn zijn onwaarschijnlijk en herhalen van de studie op een later tijdstip zal onthullen de afwijkingen in de studie.
Gemiddeld monsters samen
Volgens de website van Stony Brook University, kunnen vinden meerdere monsters en het herhalen van de studie verhogen de kansen dat de algemene resultaten van de studie nauwkeurig zullen. Bijvoorbeeld, kan een onderzoeker de prevalentie van een bepaalde ziekte onder aardappelen studie door behandeling van aardappelen op vier verschillende aardappel boerderijen. Een boerderij wellicht een ongewoon hoog aantal ziekteverwekkers vanwege slechte landbouwpraktijken. Wanneer de onderzoekers vier verschillende boerderijen voor een tweede studie selecteert en het gemiddelde van de resultaten van de eerste en de tweede boerderij, make-up de abnormale boerderij slechts 12,5% van de gemiddelde resultaten, in plaats van 25 procent.
Bias
Systematische bemonstering is een soort van kanssteekproeven, wat betekent dat de onderzoeker erop toezien moet dat het monster ook alle leden van de bevolking vertegenwoordigt. Als dat niet het geval is, zal de statisticus resultaten, die zijn resultaten die van de feitelijke kenmerken van de bevolking afwijken hebben scheef. Bijvoorbeeld, kan een studie van het college verslag dat 70 procent van de bewoners in Missouri verzetten tegen de hervorming van de immigratie. Echter, het college voert de enquête door studenten die het college vragen. De resultaten zullen worden vertekend beeld geven, omdat het onderzoek zal niet alle Missouri maar alleen de studenten vertegenwoordigen.
Statistici kunnen voorkomen dat vooringenomenheid als ze Selecteer eenheden voor het monster op een systematische manier. Bijvoorbeeld, in plaats van zich het baseren alleen op de studenten, zou kunnen onderzoekers noemen elke 100ste resident in het interne telefoonboek om hen vragen over immigratie hervorming vermeld.
