Population, Sample, and Observations
- หน้าแรก
- Population, Sample, and Observations
🎲 Random Sample (การสุ่มตัวอย่างแบบสุ่มง่าย)
🔹แนวคิด:
ทุกหน่วยในประชากรมีโอกาสถูกเลือกเท่ากันและการเลือกของแต่ละหน่วยไม่ขึ้นกับกัน
🔹 วิธีการ:
- ใช้การจับฉลาก
- ใช้โปรแกรมหรือเครื่องมือสุ่ม เช่น Excel, หรือแอปพลิเคชันสุ่มตัวเลข
🔹 ตัวอย่าง:
สมมติว่าโรงเรียนมีนักเรียน 1,000 คน และคุณต้องการสุ่ม 50 คน → ใช้วิธีจับฉลากรายชื่อหรือสุ่มจาก Excel เพื่อเลือก 50 คนโดยไม่มีเงื่อนไขพิเศษ
🧩 Stratified Sample (การสุ่มแบบแบ่งชั้น/กลุ่ม)
🔹แนวคิด:
แบ่งประชากรออกเป็นกลุ่มย่อย (Strata) ตามลักษณะเฉพาะ เช่น เพศ, อายุ, ระดับชั้น แล้วสุ่มตัวอย่างจากแต่ละกลุ่มให้สัดส่วนใกล้เคียงกับประชากรจริง
🔹 เหมาะสำหรับ:
กรณีที่ต้องการความหลากหลายและเป็นตัวแทนของทุกกลุ่ม
🔹 ตัวอย่าง:
มีนักเรียนในโรงเรียน 1,000 คน:
- ม.ต้น 600 คน
- ม.ปลาย 400 คน
คุณอยากสุ่ม 100 คน:
- สุ่มจาก ม.ต้น 60 คน (เพราะ 600/1000 = 60%)
- สุ่มจาก ม.ปลาย 40 คน
🔁 Systematic Sample (การสุ่มแบบเป็นระบบ)
🔹แนวคิด:
เลือกจากประชากรในลำดับที่แน่นอน เช่น ทุก ๆ คนที่ n
🔹 วิธีการ:
- จัดลำดับทุกหน่วยในประชากร (อาจเรียงตามลำดับชื่อ, รหัส ฯลฯ)
- เลือกจุดเริ่มต้นแบบสุ่ม
- เลือกทุก ๆ ลำดับที่ n เช่น ทุก ๆ คนที่ 5
🔹 ตัวอย่าง:
มีรายชื่อนักศึกษา 1,000 คน ต้องการเลือก 100 คน → เลือกทุก ๆ คนที่ 10
เริ่มต้นจากคนที่ 4 → ได้คนที่ 4, 14, 24, 34, ...
🏘️ Cluster Sample (การสุ่มแบบกลุ่ม)
🔹แนวคิด:
แบ่งประชากรเป็นกลุ่ม (Cluster) โดยที่แต่ละกลุ่มมีลักษณะคล้าย ๆ กัน จากนั้นสุ่มเลือก "บางกลุ่ม" มา ทั้งหมด
🔹 เหมาะสำหรับ:
กรณีที่ประชากรกระจายเป็นกลุ่มตามพื้นที่หรือหน่วยงาน เช่น โรงเรียน, จังหวัด, เขต
🔹 ตัวอย่าง:
สมมุติว่ามี 10 โรงเรียนในจังหวัด A → เลือกมา 3 โรงเรียนแบบสุ่ม แล้วสำรวจนักเรียน "ทุกคน" ใน 3 โรงเรียนที่เลือกมา