样品的代表性

Vyborka-这套随着人口的研究分析相应的程序获取的数据的。 代表性 - 在其整个零件的这个属性的播放演示。 在另一方面，它是一个整体的想法蔓延，这部分包括的可能性。

的量度，它由这样的事实：样品应该彻底和可靠地反映症状的整体，它是部分 - 样品的代表性。 它也可以被定义为样本的属性最充分代表人群的特点，从的研究目标点显著。

假设总人口 - 学校（从30个教学班，30名学生每个班900人）的所有学生。 研究的对象 - 学生吸烟的比例。 样本组由90名学生的 高中， 更不用说本一个整体大于90名学生相同的，其中将包括来自每个类3学生的样品。 主要的原因 - 分配不均的青睐。 因此，在第一种情况下的样本的代表性将是低的。 在第二种情况下 - 高。

在社会学中，说是有样品和其代表性的代表性。

举个例子，一个方便的样品可以导致一个经典案例，这在总统选举期间发生在1936年在美国。

杂志“Literari文摘”，这在这个非常成功地预测了以往的选举结果，这一次他们的预测犯了一个错误，虽然发送书面问题几百万的用户，以及从电话簿和车辆登记列表中进行选择谁的受访者。 在第四轮投票中，其中返回填充，表决结果如下：57％由共和党候选人阿尔夫·兰登叫为指导，41％表示支持现任总统的偏好 - 民主党人富兰克林·罗斯福。

事实上，在选举中获胜的罗斯福，谁拿下的得票率60％。 错误“Literari文摘”是下一个。 他们想提高样本的代表性。 而且因为他们知道，他们的大部分用户的认同自己是共和党人，他们决定扩大由于受访者的样本，他们所选择的电话簿和汽车登记名单。 但他们并没有考虑到当前的现实，实际上抢走了共和党的甚至更多的支持者，因为在大萧条有汽车和手机能买得起中产阶级和上层阶级。 而这些人大多是共和党人，民主党人没有。

有不同类型的采样的：简单随机，串行，典型的，机械和组合。

简单随机抽样是从随机正在研究一整套的单位，没有任何系统的选择。

机械取样用于当在人口有序的，例如，存在的单元的某些序列 （登记号 的员工，选举名单中，公寓和住宅等的受访者的电话号码的号码）。

典型的选择用于当整个集合可以按类型被划分成组。 当使用这种群体可以是，例如，教育程度，年龄，社会团体，企业的研究 - 一个分支或一个单独的组织等。

当单元在小系列或一组组合序列的选择是有用的。 本系列产品可批量成品，学校班级中， 劳工团体 和其他团体。

合并后的样品包括以不同的组合使用以前所有类型的样品。