1 Χρησιμοποιήστε ένα μεγάλο μέγεθος του δείγματος καθώς ο χρόνος και τα ταμεία επιτρέπουν . Εάν χρησιμοποιείτε ένα μικρότερο μέγεθος δείγματος , είναι πιο πιθανό ότι το δείγμα σας θα συγκεντρωθούν γύρω από μια μέση που δεν αντιπροσωπεύει τον πληθυσμό σας . Αντίθετα , το μεγαλύτερο δείγμα σας είναι , τόσο μεγαλύτερη είναι η πιθανότητα ότι θα ταιριάζει με στατιστικά τον πληθυσμό . 2
Χρησιμοποιήστε τυχαία δειγματοληψία . Στην ιδανική περίπτωση , κάθε σημείο δεδομένων του πληθυσμού θα πρέπει να έχουν ίσες πιθανότητες να βρεθούν στο δείγμα σας . Εάν αυτό δεν συμβαίνει , οι εκτιμήσεις σας θα είναι μεροληπτική. Για παράδειγμα , αν θέλουμε να εκτιμήσουμε την μέση καθαρή αξία των ανθρώπων στη χώρα σας , και να συλλέγουν μόνο τα στοιχεία του δείγματος από την πλουσιότερη πόλη , το δείγμα σας θα είναι πιθανότατα υπερεκτιμά το μέσο πληθυσμό.
Εικόνων 3
Κατάργηση των ακραίων τιμών . Μια ακραία τιμή είναι ένα σημείο δεδομένων που βρίσκεται μακριά από τον κεντρικό σύμπλεγμα . Παρόλο που εκπροσωπούν νόμιμα σημεία δεδομένων από το δείγμα σας , μπορεί να θέλετε να καταργήσετε τους , σε ορισμένες περιπτώσεις , όπως όταν το μέγεθος του δείγματος σας είναι αρκετά μικρή , ή όταν για κάποιο λόγο πρέπει να χρησιμοποιήσουν τη μέση τιμή αντί άλλου μέτρου της κεντρικής τάσης , όπως το διάμεσο . Για παράδειγμα , αν καθαρή έρευνα αξίζει να σας περιλαμβάνονται 10 άτομα - 9 μεσαίας τάξης , και ο Bill Gates - εκτιμήσεις για το μέσο μισθό είναι πιθανό να είναι φουσκωμένα , έτσι ώστε να μπορεί να αντιμετωπίσει αυτό με την αφαίρεση των ακραίων τιμών
Η .
εικόνων
Πνευματικά δικαιώματα © Γνώση Υπολογιστών Όλα τα δικαιώματα κατοχυρωμένα