مفهوم نمایندگی اغلب در گزارش های آماری و در تهیه سخنرانی ها و گزارش ها یافت می شود. شاید، بدون آن، تصور هر نوع ارائه اطلاعات برای بررسی دشوار باشد.
نمایندگی - چیست؟
نمایندگی نشان می دهد که چگونه اشیا یا قطعات انتخاب شده با محتوا و معنای مجموعه داده ای که از آن انتخاب شده اند مطابقت دارند.
تعاریف دیگر
مفهوم نمایندگی را می توان در زمینه های مختلف آشکار کرد. اما در معنای خود، نمایندگی مطابقت ویژگی ها و ویژگی های واحدهای انتخاب شده از جمعیت عمومی است که به طور دقیق ویژگی های کل پایگاه داده عمومی را به عنوان یک کل منعکس می کند.
نمایندگی اطلاعات همچنین به عنوان توانایی داده های نمونه برای نشان دادن پارامترها و ویژگی های جامعه که از نقطه نظر مطالعه مهم هستند، تعریف می شود.
نمونه نماینده
اصل نمونه گیری انتخاب استمهمترین و با دقت منعکس کننده خصوصیات کل مجموعه داده است. برای این کار، از روش‌های مختلفی استفاده می‌شود که تنها با استفاده از مواد نمونه‌ای که کیفیت همه داده‌ها را توصیف می‌کنند، نتایج دقیق و یک ایده کلی از جامعه به دست آورد.
بنابراین لازم نیست کل مطالب را مطالعه کنید، بلکه کافی است نماینده نمونه را در نظر بگیرید. چیست؟ این مجموعه ای از داده های فردی است تا تصوری از حجم کل اطلاعات داشته باشید.
بسته به روش، آنها را به احتمالات و غیر محتمل تشخیص می دهند. احتمال نمونه‌ای است که با محاسبه مهم‌ترین و جالب‌ترین داده‌ها، که نماینده‌های بیشتر جمعیت عمومی هستند، ساخته می‌شود. آیا این یک انتخاب عمدی است یا یک انتخاب تصادفی، با این حال با محتوای آن قابل توجیه است.
غیر محتمل - این یکی از انواع نمونه گیری تصادفی است که طبق اصل یک قرعه کشی معمولی جمع آوری شده است. در این صورت نظر شخصی که چنین نمونه ای را تشکیل می دهد لحاظ نمی شود. فقط یک لات کور استفاده می شود.
نمونه‌گیری احتمالی
نمونه های احتمالی را نیز می توان به چند نوع تقسیم کرد:
- یکی از ساده ترین و قابل فهم ترین اصول، نمونه گیری غیرنماینده است. به عنوان مثال، این روش اغلب در نظرسنجی های اجتماعی استفاده می شود. در عین حال، شرکت کنندگان در نظرسنجی به دلایل خاصی از بین جمعیت انتخاب نمی شوند و اطلاعات از 50 نفر اول که در آن شرکت کرده اند به دست می آید.
- عمدینمونه‌ها از این جهت متفاوت هستند که تعدادی الزامات و شرایط در انتخاب دارند، اما همچنان بر تصادفی تصادفی تکیه می‌کنند و هدف دستیابی به آمار خوب را دنبال نمی‌کنند.
- نمونه‌گیری مبتنی بر سهمیه، یکی دیگر از انواع نمونه‌گیری غیراحتمالی است که اغلب برای بررسی مجموعه داده‌های بزرگ استفاده می‌شود. از شرایط و ضوابط زیادی استفاده می کند. اشیایی انتخاب می شوند که باید با آنها مطابقت داشته باشند. یعنی با استفاده از مثال یک نظرسنجی اجتماعی می توان فرض کرد که با 100 نفر مصاحبه می شود اما در تهیه گزارش آماری فقط نظر تعداد معینی از افراد که شرایط تعیین شده را داشته باشند لحاظ می شود.
نمونه‌های احتمال
برای نمونه‌های احتمالی، تعدادی پارامتر محاسبه می‌شود که اشیاء موجود در نمونه با آنها مطابقت دارند، و از میان آنها، به روش‌های مختلف، دقیقاً آن واقعیت‌ها و داده‌هایی را می‌توان به عنوان نماینده داده‌های نمونه ارائه کرد. انتخاب شد. این روش‌های محاسبه داده‌های لازم می‌تواند به صورت زیر باشد:
نمونه‌گیری تصادفی ساده. به این معنی است که از بین بخش انتخاب شده، مقدار داده مورد نیاز به روش قرعه کشی کاملا تصادفی انتخاب می شود که نمونه ای نماینده خواهد بود
نمونه‌گیری سیستماتیک و تصادفی امکان ایجاد سیستمی برای محاسبه داده‌های لازم بر اساس یک بخش انتخابی تصادفی را فراهم می‌کند. بنابراین، اگر اولین عدد تصادفی که نشان‌دهنده شماره توالی داده‌های انتخاب‌شده از کل جمعیت 5 باشد، عدد بعدیداده هایی که باید انتخاب شوند می توانند مثلاً 15، 25، 35 و غیره باشند. این مثال به وضوح توضیح می دهد که حتی یک انتخاب تصادفی نیز می تواند بر اساس محاسبات سیستماتیک داده های ورودی لازم باشد
نمونه مصرف کنندگان
نمونه‌گیری عمدی روشی است که هر بخش جداگانه را در نظر می‌گیرد و بر اساس ارزیابی آن، جمعیتی جمع‌آوری می‌شود که ویژگی‌ها و ویژگی‌های پایگاه داده کلی را منعکس می‌کند. به این ترتیب داده های بیشتری جمع آوری می شود که نیازهای یک نمونه نماینده را برآورده می کند. انتخاب تعدادی از گزینه ها که در تعداد کل گنجانده نمی شوند، آسان است، بدون از دست دادن کیفیت داده های انتخاب شده که کل جمعیت را نشان می دهد. به این ترتیب بازنمایی نتایج تحقیق مشخص می شود.
اندازه نمونه
آخرین موضوعی که باید به آن پرداخته شود، حجم نمونه برای یک نماینده جامعه است. حجم نمونه همیشه به تعداد منابع در جامعه عمومی بستگی ندارد. با این حال، نمایندگی جمعیت نمونه مستقیماً به این بستگی دارد که نتیجه باید به چند بخش تقسیم شود. هر چه تعداد این بخش‌ها بیشتر باشد، داده‌های بیشتری به نمونه به دست آمده وارد می‌شود. اگر نتایج نیاز به یک نماد کلی داشته باشد و به جزئیات نیاز نداشته باشد، بر این اساس، نمونه کوچکتر می شود، زیرا بدون وارد شدن به جزئیات، اطلاعات به صورت سطحی تر ارائه می شود، به این معنی که خواندن آن کلی خواهد بود.
مفهوم اشتباهنمایندگی
خطای نمایندگی یک تناقض خاص بین ویژگی های جامعه و داده های نمونه است. هنگام انجام هر مطالعه نمونه ای، به دست آوردن داده های کاملاً دقیق غیرممکن است، همانطور که در مطالعه کامل جمعیت های عمومی و نمونه ای که تنها با بخشی از اطلاعات و پارامترها ارائه می شود، در حالی که مطالعه دقیق تر تنها زمانی امکان پذیر است که کل جامعه مطالعه شود. بنابراین، برخی نادرستی ها و خطاها اجتناب ناپذیر هستند.
انواع خطا
تشخیص برخی از خطاهایی که هنگام کامپایل یک نمونه نماینده رخ می دهد:
- سیستماتیک.
- تصادفی.
- عمدی.
- ناخواسته.
- استاندارد.
- Limit.
دلیل ظهور خطاهای تصادفی ممکن است ماهیت ناپیوسته مطالعه جمعیت عمومی باشد. به طور معمول، خطای تصادفی نمایندگی از اندازه و ماهیت ناچیز است.
در همین حال، خطاهای سیستماتیک زمانی رخ می دهد که قوانین انتخاب داده ها از جمعیت عمومی نقض شود.
میانگین خطا تفاوت بین میانگین نمونه و جامعه اساسی است. این به تعداد واحدهای نمونه بستگی ندارد. با حجم نمونه نسبت معکوس دارد. سپس هر چه حجم بزرگتر باشد، مقدار خطای متوسط کوچکتر است.
خطای حاشیه ای بزرگترین تفاوت ممکن بین میانگین مقادیر نمونه گرفته شده و کل جامعه است. چنین خطایی به عنوان حداکثر خطاهای احتمالی مشخص می شودتحت شرایط خاص ظاهر آنها.
اشتباهات عمدی و غیر عمدی نمایندگی
خطاهای افست داده می تواند عمدی یا غیرعمدی باشد.
پس دلایل بروز خطاهای عمدی رویکرد انتخاب داده ها با روش تعیین روند است. خطاهای غیر عمدی حتی در مرحله تهیه یک مشاهده نمونه رخ می دهد و یک نمونه نماینده را تشکیل می دهد. برای جلوگیری از چنین خطاهایی، لازم است یک چارچوب نمونه‌گیری مناسب برای فهرست‌بندی واحدهای نمونه‌گیری ایجاد شود. باید به طور کامل اهداف نمونه گیری را برآورده کند، قابل اعتماد باشد و تمام جنبه های مطالعه را پوشش دهد.
روایی، پایایی، نمایندگی. محاسبه خطا
خطای نمایندگی (Mm) میانگین حسابی (M) را محاسبه کنید.
انحراف استاندارد: اندازه نمونه (>30).
خطای نمایندگی (Mr) و مقدار نسبی (R): حجم نمونه (n>30).
در صورتی که باید جامعه‌ای را مطالعه کنید که تعداد نمونه‌ها کم و کمتر از 30 واحد باشد، تعداد مشاهدات یک واحد کمتر می‌شود.
اندازه خطا با حجم نمونه نسبت مستقیم دارد. معرف بودن اطلاعات و محاسبه میزان امکان پیش‌بینی دقیق نشان‌دهنده مقدار مشخصی از خطای نهایی است.
سیستم های نمایندگی
نه تنها یک نمونه معرف در فرآیند ارزیابی ارائه اطلاعات استفاده می شود، بلکه شخص دریافت کننده اطلاعات،از سیستم های نمایندگی استفاده می کند. بنابراین، مغز مقدار معینی از اطلاعات را پردازش می کند و یک نمونه نماینده از کل جریان اطلاعات ایجاد می کند تا به طور کیفی و سریع داده های ارسال شده را ارزیابی کند و ماهیت موضوع را درک کند. به این سوال پاسخ دهید: "نمایندگی - چیست؟" - در مقیاس آگاهی انسان بسیار ساده است. برای انجام این کار، مغز از تمام اندام های حسی تابع استفاده می کند، بسته به اینکه چه نوع اطلاعاتی باید از جریان عمومی جدا شود. بنابراین، آنها تشخیص می دهند:
- سیستم بازنمایی بصری، که در آن اندام های ادراک بصری چشم درگیر هستند. افرادی که اغلب از چنین سیستمی استفاده می کنند، بصری نامیده می شوند. با کمک این سیستم، فرد اطلاعاتی را که به شکل تصویر می آید پردازش می کند.
- سیستم بازنمایی شنیداری. عضو اصلی مورد استفاده شنوایی است. اطلاعات ارائه شده در قالب فایل های صوتی یا گفتار توسط این سیستم خاص پردازش می شود. افرادی که اطلاعات را از طریق گوش بهتر درک می کنند، شنوایی نامیده می شوند.
- سیستم بازنمایی جنبشی پردازش جریان اطلاعات با درک آن از طریق کانال های بویایی و لمسی است.
سیستم بازنمایی دیجیتال همراه با سایرین به عنوان وسیله ای برای به دست آوردن اطلاعات از بیرون استفاده می شود. این یک درک ذهنی-منطقی و درک داده های دریافتی است
بنابراین، نمایندگی - چیست؟ یک انتخاب ساده از یک مجموعه یارویه جدایی ناپذیر در پردازش اطلاعات؟ قطعاً می‌توان گفت که نمایندگی تا حد زیادی درک ما از جریان‌های داده را تعیین می‌کند و به جداسازی مهم‌ترین و مهم‌ترین آنها از آن کمک می‌کند.
