نمونه برداری برینشی

نمونه­ برداری برینشی-موسسه چشم انداز هزاره سوم ملل شیرازآموزش کاربردی GIS و RS

نویسنده :ساره حدادی :نویسنده کتاب های آمار فضایی

درباره ساره حدادی:

ساره حدادی پژوهشگر آمار فضایی در موسسه چشم انداز هزاره سوم ملل میباشد. مدرک کارشناسی و کارشناسی ارشد خود را به ترتیب در سال 1388 و 1392 در رشته آمار و آمار ریاضی اخذ کرده. اکنون وی دانشجوی دکترای رشته آمار دانشگاه بیرجند است. ایشان از سال 1394 فعالیت خود را با موسسه چشم انداز آغاز نموده است. وی مولف 4 کتاب و چندین مقاله در زمینه آمار فضایی است.
آمار فضایی و کاربردهای آن یکی از موضوعات مورد علاقه وی میباشد.
یکی از ویژگی اصلی ایشان سخت کوشی برای درک مباحثی است که به آن علاقه مند است.

برای نمونه ­برداری از هر جامعه، روش­های مختلف نمونه ­برداری وجود دارد که یکی از آن­ها روش نمونه­ برداری برینشی و در نتیجه استفاده از طرح نمونه ­برداری برینشی است. این روش دارای کاربردهای فراوان است و همان طور که ناب (2007-آ) نیز اشاره می­ کند، یکی از دلایل استفادۀ زیاد از روش­های نمونه ­برداری برینشی در اداره­های آمار و مراکز امور اقتصادی و کشاورزی، به ویژه در آمارگیری از کارگاه ­های صنعتی (هیلپینن،2006) و در محاسبۀ انواع شاخص ­های اقتصادی، مانند شاخص قیمت مصرف ­کننده و شاخص قیمت تولید­کننده (هان و دیگران،1999) صرف نظر از مشکلات به وجود آمده برای برآوردگرهای ارائه شده در آن­ها (مانند اریبی)، سادگی اجرا و مقرون به صرفه بودن آن است.

در شکل اولیۀ این روش، که از آن به عنوان نمونه­ برداری برینشی نوع اول تبدیل­ یافته (نمونه ­برداری، حذف) یاد می­شود، برخلاف روش­های معمول نمونه­ برداری که در آن­ها فرض می­شود تمام اعضای جامعه، شانس مثبتی برای حضور در نمونه دارند، بخشی از جامعه به صورت آگاهانه از مطالعه حذف شده است (قسمت برش داده شده) و هیچ شانسی برای حضور در نمونه ندارند. ناب (2007-ب) و سرندال و دیگران (1997) نمونه ­برداری برینشی نوع اول تبدیل­یافته را به صورت زیر تعریف می­کنند:

در روش نمونه ­برداری برینشی، به کمک مکانیسم تصادفی، نمونۀ مورد نظر را فقط از بخشی از جامعه که با نشان داده می ­شود گردآوری می­ کنیم، به طوری که برای هر در حالی که برای مابقی جامعه ( که از آن به قسمت برش داده شده یاد می­ شود و با نشان داده می­ شود)، یعنی داریم که در آن احتمال گزینش عضو

جامعه در نمونه است.

یکی از فرضیات اصلی در به کارگیری روش­های نمونه­برداری برینشی، آن است که قسمت حذف شده در طول بررسی دستخوش تغییرات جدی نشود. اما همان طور که استیل و فی (1995) توضیح می­دهند، هرگاه بخشی از جامعه برای حضور در نمونه هیچ شانسی نداشته باشد و برآوردیابی بر اساس داده­های به دست آمده از قسمت باقی مانده و مدلی از آنچه در دست است صورت گیرد، همواره این احتمال وجود دارد که در طول بررسی آن بخش از جامعه که به دلایل مختلف ( مثلاً تاثیر کم بر مقدار پارامتر مورد بررسی) از بررسی حذف گردیده است، دستخوش تغییرات زیاد شود و نادیده گرفتن آن منجر به خطاهای جدی در نتایج تحقیقات گردد، هر چند احتمال چنین اتفاقی کم باشد. این مسئله بخشی از خطاهای آمارگیری در طرح­های نمونه­برداری برینشی را نشان می­دهد که در عمل نیز به آن توجه زیادی نمی­شود و تا کنون نیز در مورد بررسی­های قابل توجهی صورت نگرفته است. بنابراین به نظر می­رسد در عمل، استفاده از این روش در آمارگیری­ها به خاطر عواملی نظیر کاهش هزینه، سادگی اجرا و مواردی از این قبیل باشد و نه برای افزایش دقت برآورد. از دیگر عوامل استفاده از نمونه­برداری برینشی آن است که گاهی به دلیل شرایط اقتصادی، قابلیت دسترسی، امکانات و مواردی از این قبیل، مجبور به انتخاب نمونه در مکان­هایی هستیم که آمارگیر و سایر شرایط لازم برای آمارگیری فراهم است. در چنین شرایطی استفاده از نمونه­گیری برینشی اجتناب­ناپذیر است و علاوه بر هزینۀ کمتر و انعطاف بیش­تر، زمان دسترسی به نتایج آمارگیری در آن کمتر است.

برای مثال، در مطالعۀ میزان بهره­وری واحدها و بنگاه­های اقتصادی با شاخص­هایی از این قبیل، ممکن است واحدها یا بنگاه­های اقتصادی­ای وجود داشته باشند که سهم آن­ها از مجموع کل بهره­وری در جامعه، کم یا قابل چشم­پوشی باشد (مثلاً بنگاه­های اقتصادی با تعداد کارکنان کمتر از 5 نفر) و در مقابل، بنگاه­های اقتصادی­ای وجود داشته باشند که حضور نداشتن آن­ها در آمارگیری­ها قابلیت اعتماد نتایج به دست آمده را با سوالات جدی مواجه سازد. در این موارد، اغلب از روش­های نمونه­برداری برینشی استفاده می­شود (مرکز آمار کانادا، 2001). داده­های کارگاهی عمدتاً داده­هایی با توزیع بسیار چوله می­باشند و منطقی است که در آمارگیری از کارگاه­های صنعتی، بخشی از جامعه به طور کامل در آمارگیری لحاظ شود و بخش دیگر به علت تأثیرات اندک و قابل چشم­پوشی در شاخص­های مورد نظر و با توجه به عوامل اشاره شده در بالا از بررسی حذف شود. در روش­های نمونه­برداری برینشی و در برآورد پارامتر مورد نظر، عموماً دو نوع رویکرد در خصوص مقادیر صفت Y در قسمت حذف شده مورد استفاده قرار می­ گیرد که عبارت ­اند از:

– رویکرد حذف، که در آن، واحدهایی از جامعه که در ناحیۀ برش قرار می­ گیرند به طور کل از بررسی حذف می­ شوند و مقادیر Y مربوط به آن­ها هیچ گونه نقشی در برآورد پارامتر مورد نظر ندارند.

– رویکرد مدل­ یار، که در آن پس از تعیین آستانۀ برش و تشکیل طبقۀ از طریق اطلاعات کمکی و با در نظر گرفتن برآوردهای نسبتی و رگرسیونی یا هر نوع برآوردگر مناسب دیگر، مجموع (یا میانگین) مقادیر صفت Y برای قسمت حذف شده برآورد می­گردد و از آن در برآورد پارامتر مورد نظر استفاده می­ شود.

یک مسئله مهم در خصوص نمونه ­برداری برینشی، ایجاد تغییرات جدید در آن یا برآوردگرهای به دست آمده از آن است به طوری که بتوان بدون افزایش زیاد در هزینه و از بین بردن سادگی اجرای آن، صحت و دقت نتایج به دست آمده را افزایش داد. همان طور که رویال (1970) نشان می ­دهد، در جوامع با چولگی زیاد، مانند کارگاه­ های صنعتی، برای اندازه نمونۀ n، حداقل واریانس برای برآوردها زمانی حاصل می­شود که کارگاه­ های بزرگ یا بسیار بزرگ در نمونه حاضر باشند. این نکته یکی از انگیزه ­های اصلی برای استفاده از روش نمونه ­برداری برینشی با الگوی سرشماری، نمونه ­گیری و حذف است که از آن به عنوان روش نمونه­ گیری برینشی نوع سوم یاد می­ شود.

درباره‌ی سعید جوی زاده

دکتر سعید جوی زاده مدیر موسسه علمی تحقیقاتی چشم انداز هزاره سوم ملل و عاشق مجموعه علوم جغرافیایی است. وی معتقد است که دشمنان اصلی بشریت ترس، شک و بی هدفی هستند. کارشناسی جغرافیای طبیعی را در سال 1381 از دانشگاه یزد، کارشناسی ارشد جغرافیای طبیعی گرایش اقلیم شناسی محیطی را از دانشگاه خوارزمی در سال 1384 و مدرک دکتری خود را در سال 1398 در رشته اقلیم شناسی از دانشگاه خوارزمی اخذ کرده است. عنوان رساله ایشان "تحلیل فضایی خشکسالی در ایران" است. او متخصص سیستم های اطلاعات جغرافیایی(GIS) و سنجش از دور(RS) وآمار فضایی است. از سال 1381 مشغول تدریس در دانشگاه ها و مراکز دولتی و خصوصی است. وی همه ساله کارگاه های تخصصی را برای علاقه مندان به GIS و RS برگزار می کند. کتاب هایی مفید و کاربردی را در زمینه سیستم های اطلاعات جغرافیایی و سنجش از دور و آمار فضایی را به رشته تحریر درآورده است. هم اکنون نیز بروی سیستم های پهباد و برنامه نویسی پیشرفته در سیستم های اطلاعات جغرافیایی و سنجش از دور مشغول به فعالیت است. علاوه بر این سعید جوی زاده علاقه مند به مطالعات خشکسالی و بلایای طبیعی است و در زمینه خشکسالی نیز کتاب های متعددی را به رشته تحریر درآورده است. از آرزوهای دکتر جوی زاده همه گیر شدن سیستم های اطلاعات جغرافیایی و سنجش از دور و آمار فضایی در بین مردم و نهاد هادی تصمیم گیری است.

همچنین ببینید

آموزش کاربردی زمین آمار (Geostatistic)

الگوریتم بهینه سازی نوردیدن و کاربرد آن در نمونه برداری فضایی

الگوریتم بهینه سازی نوردیدن و کاربرد آن در نمونه برداری فضایی-موسسه چشم انداز نویسنده :ساره …

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

تماس با ما

Open chat
Powered by
× چگونه می‌توانم به شما کمک کنم؟