แนวคิดของการเป็นตัวแทนมักพบในการรายงานทางสถิติและในการจัดทำสุนทรพจน์และรายงาน บางทีหากไม่มีข้อมูลดังกล่าว ก็เป็นเรื่องยากที่จะจินตนาการถึงการนำเสนอข้อมูลเพื่อการตรวจสอบ
การเป็นตัวแทน - คืออะไร
การเป็นตัวแทนสะท้อนให้เห็นว่าวัตถุหรือชิ้นส่วนที่เลือกนั้นสอดคล้องกับเนื้อหาและความหมายของชุดข้อมูลที่เลือกมาอย่างไร
คำจำกัดความอื่นๆ
แนวคิดของการเป็นตัวแทนสามารถเปิดเผยได้ในบริบทต่างๆ แต่ในความหมาย ความเป็นตัวแทนคือความสอดคล้องของคุณลักษณะและคุณสมบัติของหน่วยที่เลือกจากประชากรทั่วไป ซึ่งสะท้อนถึงลักษณะของฐานข้อมูลทั่วไปทั้งหมดอย่างถูกต้องแม่นยำ
ความเป็นตัวแทนของข้อมูลยังถูกกำหนดให้เป็นความสามารถของข้อมูลตัวอย่างเพื่อแสดงพารามิเตอร์และคุณสมบัติของประชากรที่มีความสำคัญจากมุมมองของการศึกษา
ตัวอย่างตัวแทน
หลักการสุ่มตัวอย่างคือการเลือกที่สำคัญที่สุดและสะท้อนถึงคุณสมบัติของชุดข้อมูลทั้งหมดได้อย่างแม่นยำ สำหรับสิ่งนี้ มีการใช้วิธีการต่างๆ เพื่อให้ได้ผลลัพธ์ที่ถูกต้องและเป็นแนวคิดทั่วไปของประชากร โดยใช้ตัวอย่างวัสดุที่อธิบายคุณภาพของข้อมูลทั้งหมดเท่านั้น
ดังนั้น ไม่จำเป็นต้องศึกษาเนื้อหาทั้งหมด แต่ก็เพียงพอแล้วที่จะพิจารณาความเป็นตัวแทนของกลุ่มตัวอย่าง มันคืออะไร? นี่คือการเลือกข้อมูลแต่ละส่วนเพื่อให้มีแนวคิดเกี่ยวกับมวลรวมของข้อมูล
ขึ้นอยู่กับวิธีการ แยกแยะว่าน่าจะเป็นไปได้และไม่น่าจะเป็นไปได้ ความน่าจะเป็นคือตัวอย่างที่สร้างขึ้นโดยการคำนวณข้อมูลที่สำคัญที่สุดและน่าสนใจ ซึ่งเป็นตัวแทนของประชากรทั่วไปเพิ่มเติม มันคือการเลือกโดยเจตนาหรือการเลือกแบบสุ่ม กระนั้นมีเหตุผลโดยเนื้อหา
ไม่น่าจะเป็นไปได้ - นี่เป็นหนึ่งในการสุ่มตัวอย่างแบบต่างๆ ที่รวบรวมตามหลักการของลอตเตอรีปกติ ในกรณีนี้จะไม่คำนึงถึงความคิดเห็นของผู้ที่สร้างตัวอย่างดังกล่าว ใช้บอดเท่านั้น
สุ่มตัวอย่างความน่าจะเป็น
ตัวอย่างความน่าจะเป็นสามารถแบ่งออกเป็นหลายประเภท:
- หลักการที่ง่ายและเข้าใจได้ง่ายที่สุดอย่างหนึ่งคือการสุ่มตัวอย่างแบบไม่เป็นตัวแทน ตัวอย่างเช่น วิธีนี้มักใช้ในการสำรวจทางสังคม ในเวลาเดียวกัน ผู้เข้าร่วมการสำรวจจะไม่ถูกเลือกจากฝูงชนในพื้นที่ใดโดยเฉพาะ และข้อมูลจะได้รับจาก 50 คนแรกที่เข้าร่วมในนั้น
- ตั้งใจตัวอย่างต่างกันตรงที่มีข้อกำหนดและเงื่อนไขจำนวนหนึ่งในการเลือก แต่ยังคงอาศัยความบังเอิญแบบสุ่มไม่บรรลุเป้าหมายในการบรรลุสถิติที่ดี
- การสุ่มตัวอย่างตามโควตาเป็นอีกรูปแบบหนึ่งของการสุ่มตัวอย่างที่ไม่น่าจะเป็นที่มักใช้เพื่อตรวจสอบชุดข้อมูลขนาดใหญ่ ใช้ข้อกำหนดและเงื่อนไขเป็นจำนวนมาก มีการเลือกวัตถุที่ควรสอดคล้องกับพวกเขา กล่าวคือโดยใช้ตัวอย่างการสำรวจทางสังคม สันนิษฐานได้ว่าจะมีการสัมภาษณ์ 100 คน แต่จะพิจารณาเฉพาะความคิดเห็นของคนจำนวนหนึ่งที่จะมีคุณสมบัติตรงตามข้อกำหนดที่กำหนดไว้เท่านั้นเมื่อรวบรวมรายงานทางสถิติ
ตัวอย่างความน่าจะเป็น
สำหรับตัวอย่างความน่าจะเป็น จะมีการคำนวณพารามิเตอร์จำนวนหนึ่งซึ่งวัตถุในกลุ่มตัวอย่างจะสอดคล้องกัน และในจำนวนนั้น ข้อเท็จจริงและข้อมูลเหล่านั้นจะแสดงให้เห็นได้อย่างแม่นยำซึ่งจะแสดงเป็นตัวแทนของข้อมูลตัวอย่างได้อย่างแม่นยำ เลือก วิธีการคำนวณข้อมูลที่จำเป็นเหล่านี้สามารถ:
สุ่มตัวอย่างอย่างง่าย ประกอบด้วยความจริงที่ว่าในกลุ่มที่เลือก จำนวนข้อมูลที่ต้องการจะถูกเลือกโดยวิธีการสุ่มจับสลากทั้งหมด ซึ่งจะเป็นตัวอย่างที่เป็นตัวแทน
การสุ่มตัวอย่างอย่างเป็นระบบและสุ่มทำให้สามารถสร้างระบบสำหรับการคำนวณข้อมูลที่จำเป็นตามกลุ่มที่เลือกแบบสุ่ม ดังนั้น หากตัวเลขสุ่มตัวแรกที่ระบุหมายเลขลำดับของข้อมูลที่เลือกจากจำนวนประชากรทั้งหมดคือ 5 เลขสุ่มตัวแรกที่ระบุลำดับของข้อมูลคือ 5ข้อมูลที่เลือกได้ เช่น 15, 25, 35 เป็นต้น ตัวอย่างนี้อธิบายอย่างชัดเจนว่าแม้แต่การเลือกแบบสุ่มก็ขึ้นอยู่กับการคำนวณข้อมูลที่ป้อนเข้าที่จำเป็นอย่างเป็นระบบ
ตัวอย่างผู้บริโภค
การสุ่มตัวอย่างโดยเจตนาเป็นวิธีการที่พิจารณาแต่ละกลุ่มและจากการประเมินนั้น ประชากรจะถูกรวบรวมที่สะท้อนถึงลักษณะและคุณสมบัติของฐานข้อมูลโดยรวม ด้วยวิธีนี้ จะมีการรวบรวมข้อมูลเพิ่มเติมที่ตรงตามข้อกำหนดของกลุ่มตัวอย่างที่เป็นตัวแทน ง่ายต่อการเลือกตัวเลือกจำนวนหนึ่งที่ไม่รวมอยู่ในจำนวนทั้งหมด โดยไม่สูญเสียคุณภาพของข้อมูลที่เลือกซึ่งแสดงถึงประชากรทั้งหมด ด้วยวิธีนี้ ตัวแทนของผลการศึกษาจะถูกกำหนด
ขนาดตัวอย่าง
ไม่ใช่ปัญหาสุดท้ายที่จะแก้ไขคือขนาดกลุ่มตัวอย่างสำหรับการเป็นตัวแทนของประชากร ขนาดกลุ่มตัวอย่างไม่ได้ขึ้นอยู่กับจำนวนแหล่งที่มาของประชากรทั่วไปเสมอไป อย่างไรก็ตาม ความเป็นตัวแทนของประชากรกลุ่มตัวอย่างโดยตรงขึ้นอยู่กับจำนวนผลลัพธ์ที่ควรแบ่งออกเป็นส่วนต่างๆ ยิ่งเซ็กเมนต์ดังกล่าวมากเท่าใด ข้อมูลก็จะยิ่งเข้าสู่กลุ่มตัวอย่างมากขึ้นเท่านั้น หากผลลัพธ์ต้องการสัญกรณ์ทั่วไปและไม่ต้องการข้อมูลเฉพาะ ดังนั้น ตัวอย่างจะเล็กลง เพราะโดยไม่ต้องลงรายละเอียด ข้อมูลจะถูกนำเสนออย่างผิวเผินมากขึ้น ซึ่งหมายความว่าการอ่านจะเป็นแบบทั่วไป
แนวคิดที่ผิดพลาดตัวแทน
ข้อผิดพลาดในการเป็นตัวแทนคือความคลาดเคลื่อนเฉพาะระหว่างลักษณะของประชากรและข้อมูลกลุ่มตัวอย่าง เมื่อทำการศึกษาตัวอย่างใดๆ เป็นไปไม่ได้เลยที่จะได้ข้อมูลที่แม่นยำอย่างแท้จริง เช่นในการศึกษาประชากรทั่วไปทั้งหมดและกลุ่มตัวอย่างที่มีข้อมูลและพารามิเตอร์เพียงบางส่วนเท่านั้น ในขณะที่การศึกษาที่มีรายละเอียดมากขึ้นจะทำได้ก็ต่อเมื่อศึกษาประชากรทั้งหมดเท่านั้น ดังนั้นความไม่ถูกต้องและข้อผิดพลาดบางอย่างจึงหลีกเลี่ยงไม่ได้
ประเภทของข้อผิดพลาด
แยกแยะข้อผิดพลาดบางอย่างที่เกิดขึ้นเมื่อรวบรวมตัวอย่างที่เป็นตัวแทน:
- เป็นระบบ
- สุ่ม
- เจตนา
- ไม่ได้ตั้งใจ
- มาตรฐาน
- จำกัด
สาเหตุของข้อผิดพลาดแบบสุ่มอาจเป็นลักษณะที่ไม่ต่อเนื่องของการศึกษาประชากรทั่วไป โดยปกติข้อผิดพลาดแบบสุ่มของการเป็นตัวแทนจะมีขนาดและลักษณะเล็กน้อยเล็กน้อย
ในขณะเดียวกัน ข้อผิดพลาดอย่างเป็นระบบเกิดขึ้นเมื่อกฎการเลือกข้อมูลจากประชากรทั่วไปถูกละเมิด
ค่าคลาดเคลื่อนคือความแตกต่างระหว่างค่าเฉลี่ยตัวอย่างกับประชากรต้นแบบ ไม่ขึ้นอยู่กับจำนวนหน่วยในตัวอย่าง เป็นสัดส่วนผกผันกับขนาดกลุ่มตัวอย่าง ยิ่งมีปริมาณมาก ค่าความผิดพลาดเฉลี่ยก็จะยิ่งน้อยลง
ข้อผิดพลาดเล็กน้อยคือความแตกต่างที่เป็นไปได้มากที่สุดระหว่างค่าเฉลี่ยของกลุ่มตัวอย่างที่ถ่ายกับประชากรทั้งหมด ข้อผิดพลาดดังกล่าวมีลักษณะเป็นข้อผิดพลาดที่น่าจะเป็นไปได้สูงสุดภายใต้เงื่อนไขที่กำหนด
การเป็นตัวแทนโดยตั้งใจและไม่ตั้งใจ
ข้อผิดพลาดในการออฟเซ็ตข้อมูลอาจเกิดขึ้นโดยตั้งใจหรือไม่ตั้งใจ
จากนั้นสาเหตุของข้อผิดพลาดโดยเจตนาคือแนวทางในการเลือกข้อมูลโดยวิธีการกำหนดแนวโน้ม ข้อผิดพลาดที่ไม่ได้ตั้งใจเกิดขึ้นแม้ในขั้นตอนการเตรียมการสังเกตตัวอย่าง โดยสร้างตัวอย่างที่เป็นตัวแทน เพื่อหลีกเลี่ยงข้อผิดพลาดดังกล่าว จำเป็นต้องสร้างกรอบการสุ่มตัวอย่างที่ดีสำหรับการแสดงรายการหน่วยสุ่มตัวอย่าง ต้องบรรลุวัตถุประสงค์ของการสุ่มตัวอย่าง เชื่อถือได้ ครอบคลุมทุกด้านของการศึกษา
ความถูกต้อง ความน่าเชื่อถือ ความเป็นตัวแทน การคำนวณผิดพลาด
คำนวณความผิดพลาดในการเป็นตัวแทน (Mm) ของค่าเฉลี่ยเลขคณิต (M)
ส่วนเบี่ยงเบนมาตรฐาน: ขนาดตัวอย่าง (>30).
ข้อผิดพลาดในการเป็นตัวแทน (Mr) และค่าสัมพัทธ์ (R): ขนาดตัวอย่าง (n>30).
กรณีที่คุณต้องศึกษาประชากรที่มีจำนวนตัวอย่างน้อยและน้อยกว่า 30 หน่วย จำนวนการสังเกตจะลดลงหนึ่งหน่วย
ขนาดของข้อผิดพลาดเป็นสัดส่วนโดยตรงกับขนาดของตัวอย่าง ความเป็นตัวแทนของข้อมูลและการคำนวณระดับความเป็นไปได้ของการคาดการณ์ที่แม่นยำสะท้อนถึงข้อผิดพลาดส่วนเพิ่มจำนวนหนึ่ง
ระบบตัวแทน
ไม่ใช่เพียงตัวอย่างที่ใช้ในการประเมินการนำเสนอข้อมูลเท่านั้น แต่ยังรวมถึงผู้ที่ได้รับข้อมูลด้วยตัวเขาเองใช้ระบบตัวแทน ดังนั้นสมองจึงประมวลผลข้อมูลจำนวนหนึ่งโดยสร้างตัวอย่างที่เป็นตัวแทนจากกระแสข้อมูลทั้งหมดเพื่อประเมินข้อมูลที่ส่งมาในคุณภาพและรวดเร็วและทำความเข้าใจสาระสำคัญของปัญหา ตอบคำถาม: "การเป็นตัวแทน - มันคืออะไร" - ในระดับจิตสำนึกของมนุษย์นั้นค่อนข้างง่าย การทำเช่นนี้ สมองใช้อวัยวะรับความรู้สึกที่ยอมจำนนทั้งหมด ขึ้นอยู่กับว่าข้อมูลประเภทใดจำเป็นต้องแยกออกจากกระแสทั่วไป ดังนั้นพวกเขาจึงแยกแยะ:
- ระบบการแสดงภาพ ที่เกี่ยวข้องกับอวัยวะของการรับรู้ทางสายตา ผู้ที่ใช้ระบบดังกล่าวบ่อยครั้งจะเรียกว่าภาพ ด้วยความช่วยเหลือของระบบนี้ บุคคลจะประมวลผลข้อมูลที่มาในรูปแบบของภาพ
- ระบบเสียงแทน. อวัยวะหลักที่ใช้คือการได้ยิน ข้อมูลที่ให้ในรูปแบบของไฟล์เสียงหรือคำพูดจะถูกประมวลผลโดยระบบเฉพาะนี้ คนที่รับรู้ข้อมูลได้ดีกว่าทางหูเรียกว่าการได้ยิน
- ระบบการแสดงภาพทางการเคลื่อนไหวคือการประมวลผลการไหลของข้อมูลโดยการรับรู้ผ่านช่องทางการรับกลิ่นและสัมผัส
ใช้ระบบการแสดงแทนดิจิทัลร่วมกับผู้อื่นเพื่อรับข้อมูลจากภายนอก นี่คือการรับรู้เชิงอัตนัยและความเข้าใจในข้อมูลที่ได้รับ
แล้วตัวแทน - มันคืออะไร? การเลือกอย่างง่ายจากชุดหรือขั้นตอนสำคัญในการประมวลผลข้อมูล? เราสามารถพูดได้อย่างแน่นอนว่าความเป็นตัวแทนนั้นกำหนดการรับรู้ของเราเกี่ยวกับกระแสข้อมูลเป็นส่วนใหญ่ ซึ่งช่วยแยกสิ่งที่สำคัญและสำคัญที่สุดออกจากมัน