نمونهگیری تصادفی ساده: روشی منصفانه برای انتخاب از جامعه آماری
مفهوم جامعه و نمونه در آمار
در هر تحقیق آماری، ابتدا با یک جامعه آماری1 روبرو هستیم. جامعه آماری به مجموعهای از همه افراد یا واحدهایی گفته میشود که میخواهیم درباره آنها اطلاعاتی به دست آوریم. برای مثال، اگر بخواهیم نظر تمام دانشآموزان یک شهر را درباره تغذیه مدرسه بدانیم، جامعه آماری ما همه دانشآموزان آن شهر است. اما بررسی همه این افراد معمولاً زمانبر، پرهزینه و گاهی غیرممکن است. به همین دلیل، از جامعه، یک نمونه2 انتخاب میکنیم که زیرمجموعهای از جامعه است و ویژگیهای آن را نمایندگی میکند.
برای اینکه نمونه بتواند تصویر درستی از کل جامعه ارائه دهد، باید به روشی انتخاب شود که از سوگیری (جانبداری) به دور باشد. بهترین راه برای جلوگیری از سوگیری، استفاده از روشهای تصادفی است. یکی از مهمترین و پایهایترین این روشها، نمونهگیری تصادفی ساده نام دارد. در این روش، به هر یک از اعضای جامعه شانس یکسان و مستقلی برای قرار گرفتن در نمونه داده میشود.
تعریف و اصول نمونهگیری تصادفی ساده
نمونهگیری تصادفی ساده3 روشی است که در آن همه اعضای جامعه شانس یکسانی برای انتخاب شدن دارند و انتخاب هر فرد مستقل از انتخاب دیگران است. این روش مانند قرعهکشی عمل میکند. برای انجام این نوع نمونهگیری، ابتدا باید یک چهارچوب نمونهگیری4 داشته باشیم؛ یعنی فهرست کاملی از همه اعضای جامعه. سپس با استفاده از ابزارهای تصادفی، افرادی را از این فهرست برمیگزینیم.
برای درک بهتر، فرض کنید یک کیسه پر از 1000 توپ داریم که هر کدام نشاندهنده یک دانشآموز است. اگر بخواهیم یک نمونه 50 نفره انتخاب کنیم، کافی است کیسه را خوب تکان دهیم و 50 توپ را به طور تصادفی بیرون بیاوریم. این کار ساده، اصول نمونهگیری تصادفی ساده را رعایت میکند.
فرمول احتمال انتخاب یک عضو خاص در نمونهگیری تصادفی ساده. اگر حجم جامعه N و حجم نمونه n باشد، این احتمال برابر $ n / N $ است.
روشهای انجام نمونهگیری تصادفی ساده
برای انجام عملی نمونهگیری تصادفی ساده، روشهای مختلفی وجود دارد که در ادامه به دو روش رایج اشاره میکنیم:
- روش قرعهکشی یا استفاده از مولدهای تصادفی فیزیکی: این همان روش کیسه توپ یا استفاده از چرخهای قرعهکشی است. برای جوامع کوچک بسیار مناسب و قابل درک است.
- استفاده از جدول اعداد تصادفی: جدولهای از پیش تعیین شدهای وجود دارند که شامل دنبالهای از اعداد 0 تا 9 هستند و به طور کاملاً تصادفی کنار هم چیده شدهاند. محقق با شمارهگذاری اعضای جامعه، اعداد مورد نیاز خود را از این جدول انتخاب میکند.
- استفاده از نرمافزارها و مولدهای اعداد تصادفی کامپیوتری: امروزه رایجترین روش است. نرمافزارهایی مانند اکسل، SPSS یا زبانهای برنامهنویسی میتوانند به سرعت اعداد تصادفی تولید کنند. برای مثال، در اکسل با تابع RANDBETWEEN(1,N) میتوان اعداد تصادفی بین 1 و N تولید کرد.
کاربرد عملی در یک پژوهش علمی
فرض کنید یک پژوهشگر مدرسه میخواهد میانگین زمان مطالعه روزانه دانشآموزان یک دبیرستان را بررسی کند. دبیرستان ما 500 دانشآموز دارد (حجم جامعه). پژوهشگر وقت و بودجه کافی برای صحبت با همه آنها را ندارد، بنابراین تصمیم میگیرد یک نمونه 50 نفره انتخاب کند.
- تهیه چهارچوب نمونهگیری: پژوهشگر از دفتر مدرسه، فهرست کامل همه 500 دانشآموز را به همراه یک شماره منحصربهفرد از 1 تا 500 تهیه میکند.
- تولید اعداد تصادفی: او از یک نرمافزار آماری میخواهد که 50 عدد تصادفی بین 1 تا 500 تولید کند. نکته مهم این است که این اعداد نباید تکراری باشند (نمونهگیری بدون جایگذاری5).
- انتخاب نمونه: پژوهشگر به فهرست خود مراجعه میکند و دانشآموزانی که شماره آنها با اعداد تصادفی تولید شده مطابقت دارد را انتخاب میکند.
در این روش، هر یک از 500 دانشآموز شانس برابر $ 50/500 = 0.1 $ یا 10% را برای شرکت در پژوهش داشته است. این نمونه میتواند نماینده خوبی برای کل دانشآموزان باشد و پژوهشگر میتواند با اطمینان، میانگین زمان مطالعه نمونه را به کل جامعه تعمیم دهد.
مقایسه با سایر روشهای نمونهگیری
| ویژگی | تصادفی ساده | تصادفی طبقهبندی شده | سیستماتیک |
|---|---|---|---|
| شرط اصلی | فهرست کامل جامعه | شناخت طبقات/لایههای جامعه | فهرست کامل جامعه و ترتیب تصادفی |
| مزیت | ساده و قابل فهم، بیطرفی کامل | دقت بالاتر با حجم نمونه برابر | اجرای آسانتر از تصادفی ساده |
| عیب | نیاز به فهرست کامل، هزینهبر برای جوامع بزرگ | طراحی پیچیدهتر | احتمال تناوب در جامعه و ایجاد سوگیری |
چالشهای مفهومی
❓ چالش اول: اگر جامعهای بسیار ناهمگن باشد (مثلاً شامل گروههای بسیار ثروتمند و بسیار فقیر)، آیا نمونهگیری تصادفی ساده میتواند نماینده خوبی باشد؟
پاسخ: بله، از نظر تئوری میتواند، اما برای اطمینان از حضور همه گروهها، ممکن است نیاز به حجم نمونه بسیار بالایی داشته باشیم. در چنین شرایطی، روش نمونهگیری طبقهبندی شده که از هر گروه به نسبت، نمونه انتخاب میکند، کارآمدتر است. در نمونهگیری تصادفی ساده، این احتمال وجود دارد که تصادفاً گروهی کمنمایش داده شوند یا اصلاً نمایش داده نشوند.
❓ چالش دوم: منظور از «شانس برابر» در نمونهگیری بدون جایگذاری چیست؟ آیا با خارج شدن یک نفر از کیسه، شانس بقیه تغییر نمیکند؟
پاسخ: سوال بسیار خوبی است! «شانس برابر» به معنای شانس برابر در ابتدای فرایند نمونهگیری است. در نمونهگیری بدون جایگذاری، احتمال انتخاب هر فرد در دور اول 1/N است. اما اگر بخواهیم احتمال نهایی قرار گرفتن هر فرد در نمونه را محاسبه کنیم، باز هم این احتمال برای همه افراد یکسان و برابر n/N است. به این فرایند، «نمونهگیری تصادفی ساده بدون جایگذاری» میگوییم و رایجترین نوع است.
❓ چالش سوم: اگر چهارچوب نمونهگیری (فهرست افراد) کامل و دقیق نباشد، چه اتفاقی برای نمونهگیری تصادفی ساده میافتد؟
پاسخ: این بزرگترین آسیب برای این روش است. اگر چهارچوب نمونهگیری نقص داشته باشد (مثلاً فهرست دانشآموزان قدیمی باشد و دانشآموز جدیدی به آن اضافه نشده باشد)، حتی یک نمونهگیری کاملاً تصادفی هم نمیتواند نماینده جامعه واقعی باشد. به این خطا، «خطای پوشش» میگویند. کیفیت نمونه به کیفیت چهارچوب نمونهگیری وابسته است.
پاورقی
1 جامعه آماری (Population): مجموعه کامل از همه افراد، اشیا یا مشاهداتی که مورد علاقه آماری هستند.
2 نمونه (Sample): زیرمجموعهای از جامعه که برای اندازهگیری و مشاهده انتخاب میشود.
3 نمونهگیری تصادفی ساده (Simple Random Sampling): روشی از انتخاب نمونه که در آن هر عضو جامعه شانس مشخص و برابری برای انتخاب شدن دارد.
4 چهارچوب نمونهگیری (Sampling Frame): فهرستی از همه واحدهای موجود در جامعه که نمونه از بین آنها انتخاب میشود.
5 نمونهگیری بدون جایگذاری (Sampling without replacement): روشی که در آن هر عضو جامعه فقط یک بار میتواند انتخاب شود و پس از انتخاب، به جامعه بازگردانده نمیشود.