Τι είναι ο πληθυσμός στις στατιστικές;

Στις στατιστικές, ο όρος πληθυσμός χρησιμοποιείται για να περιγράψει τα θέματα μιας συγκεκριμένης μελέτης - οτιδήποτε ή ο καθένας που αποτελεί αντικείμενο στατιστικής παρατήρησης. Πληθυσμοί μπορεί να είναι μεγάλο ή μικρό σε μέγεθος και να ορίζεται από οποιοδήποτε αριθμό χαρακτηριστικών, αν και οι ομάδες αυτές τυπικά ορίζονται συγκεκριμένα αντί για αόριστα - για παράδειγμα, έναν πληθυσμό γυναικών άνω των 18 ετών που αγοράζουν καφέ στο Starbucks παρά έναν πληθυσμό γυναικών 18.

Οι στατιστικοί πληθυσμοί χρησιμοποιούνται για να παρατηρούν συμπεριφορές, τάσεις και πρότυπα στον τρόπο με τον οποίο τα άτομα σε μια καθορισμένη ομάδα αλληλεπιδρούν με τον κόσμο γύρω τους, επιτρέποντας στατιστικολόγοι να συνάγουν συμπεράσματα σχετικά με τα χαρακτηριστικά των υποκειμένων μελέτης, αν και αυτά τα θέματα είναι συνήθως άνθρωποι, ζώα και φυτά και ακόμη και αντικείμενα όπως τα αστέρια.

Το Στατιστικό Γραφείο της Αυστραλιανής Κυβέρνησης επισημαίνει:

Είναι σημαντικό να κατανοήσετε τον στοχευόμενο πληθυσμό που μελετάται, ώστε να μπορείτε να καταλάβετε ποιος ή ποια στοιχεία αναφέρονται. Εάν δεν έχετε ορίσει σαφώς ποιος ή τι θέλετε στον πληθυσμό σας, μπορείτε να καταλήξετε σε δεδομένα που δεν είναι χρήσιμα για εσάς.

instagram viewer

Υπάρχουν φυσικά ορισμένοι περιορισμοί στη μελέτη των πληθυσμών, κυρίως επειδή είναι σπάνιο να είναι σε θέση να παρατηρούν όλα τα άτομα σε μια δεδομένη ομάδα. Για το λόγο αυτό, οι επιστήμονες που χρησιμοποιούν στατιστικά στοιχεία μελετούν επίσης υποπληθυσμούς και λαμβάνουν στατιστικά δείγματα μικρών μερίδων μεγαλύτερους πληθυσμούς να αναλύσουν με μεγαλύτερη ακρίβεια το πλήρες φάσμα των συμπεριφορών και των χαρακτηριστικών του πληθυσμού μεγάλο.

Ένας στατιστικός πληθυσμός είναι οποιαδήποτε ομάδα ατόμων που αποτελούν το αντικείμενο μελέτης, που σημαίνει ότι σχεδόν οτιδήποτε μπορεί συνθέτουν έναν πληθυσμό, εφόσον τα άτομα μπορούν να ομαδοποιηθούν με ένα κοινό χαρακτηριστικό, ή μερικές φορές δύο κοινά χαρακτηριστικά. Για παράδειγμα, σε μια μελέτη που προσπαθεί να καθορίσει το σημαίνω το βάρος όλων των 20χρονων ανδρών στις Ηνωμένες Πολιτείες, ο πληθυσμός θα είναι όλα τα 20χρονα αρσενικά στις Ηνωμένες Πολιτείες.

Ένα άλλο παράδειγμα είναι μια μελέτη που διερευνά πόσα άτομα ζουν στην Αργεντινή όπου ο πληθυσμός θα είναι κάθε άτομο που ζει στην Αργεντινή, ανεξάρτητα από την ιδιότητα του πολίτη, την ηλικία ή το φύλο. Αντίθετα, ο πληθυσμός σε μια ξεχωριστή μελέτη που ρώτησε πόσοι άνδρες κάτω των 25 ετών ζούσαν στην Αργεντινή μπορεί να είναι όλοι άνδρες ηλικίας 24 ετών και κάτω, που ζουν στην Αργεντινή ανεξάρτητα από την ιδιότητα του πολίτη.

Οι στατιστικοί πληθυσμοί μπορεί να είναι τόσο ασαφείς ή συγκεκριμένοι όσο επιθυμεί ο στατιστικολόγος. τελικά εξαρτάται από το στόχο της έρευνας που διεξάγεται. Ένας αγρότης αγελάδων δεν θα ήθελε να γνωρίζει τα στατιστικά στοιχεία σχετικά με τον αριθμό των κόκκινων θηλυκών αγελάδων που κατέχει. Αντίθετα, θα ήθελε να μάθει τα στοιχεία για το πόσα θηλυκά αγελάδες έχει, που είναι ακόμα σε θέση να παράγουν μόσχους. Αυτός ο γεωργός θα ήθελε να επιλέξει τον τελευταίο ως πληθυσμό της μελέτης του.

Υπάρχουν πολλοί τρόποι με τους οποίους μπορείτε να χρησιμοποιήσετε δεδομένα πληθυσμού στα στατιστικά στοιχεία. ΣτατιστικάShowHowto.com εξηγεί ένα διασκεδαστικό σενάριο όπου αντισταθείτε στον πειρασμό και περπατήστε σε ένα κατάστημα καραμελών, όπου ο ιδιοκτήτης μπορεί να προσφέρει μερικά δείγματα των προϊόντων της. Θα φάγατε μία καραμέλα από κάθε δείγμα. δεν θα θέλατε να φάτε ένα δείγμα από κάθε καραμέλα στο κατάστημα. Αυτό θα απαιτούσε δειγματοληψία από εκατοντάδες βάζα και πιθανότατα θα σας έκανε αρκετά άρρωστους. Αντ 'αυτού, ο στατιστικός ιστότοπος εξηγεί:

"Μπορείτε να στηρίξετε τη γνώμη σας για τη γραμμή καραμελών ολόκληρου του καταστήματος στα (μόνο) δείγματα που πρέπει να προσφέρουν. Η ίδια λογική ισχύει και για τις περισσότερες έρευνες στα στατιστικά στοιχεία. Θα θελήσετε μόνο να πάρετε δείγμα ολόκληρου του πληθυσμού ("πληθυσμός" σε αυτό το παράδειγμα θα είναι ολόκληρη η γραμμή καραμελών). Το αποτέλεσμα είναι στατιστικό στοιχείο για τον πληθυσμό αυτό. "

Το στατιστικό γραφείο της Αυστραλιανής Κυβέρνησης δίνει μερικά άλλα παραδείγματα, τα οποία έχουν τροποποιηθεί ελαφρώς εδώ. Φανταστείτε ότι θέλετε να μελετήσετε μόνο ανθρώπους που ζουν στις Ηνωμένες Πολιτείες που γεννήθηκαν overeas - ένα ζεστό πολιτικό θέμα σήμερα υπό το πρίσμα της έντονης εθνικής συζήτησης για τη μετανάστευση. Αντ 'αυτού, ωστόσο, εσείς κατά λάθος εξετάσατε όλους τους ανθρώπους που γεννήθηκαν σε αυτή τη χώρα. Τα δεδομένα περιλαμβάνουν πολλούς ανθρώπους που δεν θέλετε να σπουδάσετε. "Θα μπορούσατε να καταλήξετε σε δεδομένα που δεν χρειάζεστε επειδή ο πληθυσμός στόχος σας δεν ήταν σαφώς καθορισμένος, σημειώνει το γραφείο στατιστικών στοιχείων.

Μια άλλη σχετική μελέτη θα μπορούσε να είναι μια ματιά σε όλα τα παιδιά πρωτοβάθμιας εκπαίδευσης που έπιναν σόδα. Θα πρέπει να ορίσετε σαφώς τον πληθυσμό-στόχο ως "παιδιά πρωτοβάθμιας εκπαίδευσης" και "αυτούς που πίνουν ποπ σόδα", αλλιώς, εσείς θα μπορούσαν να καταλήξουν σε δεδομένα που περιελάμβαναν όλα τα παιδιά του σχολείου (όχι μόνο τους μαθητές της πρωτοβάθμιας τάξης) ή / και όλους εκείνους που έπιναν σόδα κρότος. Η συμπερίληψη παλαιότερων παιδιών ή / και όσων δεν πίνουν ποπ σόδα θα ανακάμψει τα αποτελέσματά σας και πιθανώς θα καταστήσει τη μελέτη ακατάλληλη.

Αν και ο συνολικός πληθυσμός είναι αυτό που οι επιστήμονες επιθυμούν να μελετήσουν, είναι πολύ σπάνιο να είναι σε θέση να προβεί σε απογραφή κάθε μεμονωμένου μέλους του πληθυσμού. Λόγω περιορισμών πόρων, χρόνου και προσβασιμότητας, είναι σχεδόν αδύνατο να πραγματοποιηθεί μέτρηση σε κάθε θέμα. Ως αποτέλεσμα, πολλοί στατιστικοί, κοινωνικοί επιστήμονες και άλλοι χρησιμοποιούν επαγωγική στατιστική, όπου οι επιστήμονες είναι σε θέση να μελετήσουν μόνο ένα μικρό μέρος του πληθυσμού και να παρατηρήσουν ακόμα και απτά αποτελέσματα.

Αντί να πραγματοποιούν μετρήσεις σε κάθε μέλος του πληθυσμού, οι επιστήμονες θεωρούν ένα υποσύνολο αυτού του πληθυσμού που ονομάζεται a στατιστικό δείγμα. Αυτά τα δείγματα παρέχουν μετρήσεις των ατόμων που ενημερώνουν τους επιστήμονες για τις αντίστοιχες μετρήσεις στο που μπορεί να επαναληφθεί και να συγκριθεί με διαφορετικά στατιστικά δείγματα για να περιγράψει με ακρίβεια το σύνολο πληθυσμός.

Το ερώτημα σχετικά με το ποια υποσύνολα πληθυσμού θα έπρεπε να επιλεγεί είναι, επομένως, εξαιρετικά σημαντικό στη μελέτη των στατιστικών στοιχείων, και υπάρχουν διάφοροι διαφορετικοί τρόποι για να επιλέξετε ένα δείγμα, πολλοί από τους οποίους δεν θα παράγουν κανένα νόημα Αποτελέσματα. Για το λόγο αυτό, οι επιστήμονες είναι συνεχώς επιφυλακτικοί για ενδεχόμενους υποπληθυσμούς επειδή αυτοί συνήθως επιτυγχάνουν καλύτερα αποτελέσματα όταν αναγνωρίζουν το μείγμα τύπων ατόμων στους πληθυσμούς που βρίσκονται μελετημένος.

Διαφορετικές τεχνικές δειγματοληψίας, όπως το σχηματισμό στρωματοποιημένα δείγματα, μπορούν να βοηθήσουν στην αντιμετώπιση των υποπληθυσμών και πολλές από αυτές τις τεχνικές υποθέτουν ότι ένας συγκεκριμένος τύπος δείγματος, ονομάζεται a απλό τυχαίο δείγμα, έχει επιλεγεί από τον πληθυσμό.