TIPI DI CAMPIONAMENTO PROBABILISTICO E NON PROBABILISTICO (ESEMPI) - VOCABOLARIO CULTURALE - 2026

I tipi di campionamento sono i vari modi di estrarre dati da una parte del totale, un potente strumento statistico la cui funzione è quella di determinare quale parte della popolazione o dell'universo è necessario esaminare, fare inferenze e ottenere informazioni su di essa.

Il campionamento è molto importante quando non puoi o non vuoi analizzare l'intera popolazione. Si noti che il termine "popolazione" non si riferisce solo a un grande gruppo di persone o esseri viventi, ma in generale al totale degli elementi che verranno studiati in un dato problema.

Figura 1. Il campionamento è importante per selezionare un campione rappresentativo da un universo. Fonte: Pixabay.

In base al tipo di campionamento scelto viene selezionata la parte di popolazione ritenuta più rappresentativa, sempre in coerenza con gli obiettivi.

Naturalmente, quando viene presa solo una parte dell'universo dei dati, è possibile perdere alcuni dettagli e omettere informazioni, motivo per cui i risultati non saranno accurati come dovrebbero essere. Questo è noto come errore di campionamento.

L'idea è quella di semplificare il più possibile l'universo dei dati, scegliendo il campione più rappresentativo in grado di fornire la massima informazione, per garantire la validità dei risultati.

Tipi di probabilità o campionamento casuale

Un campionamento probabilistico si basa sulla probabilità che i soggetti del campione debbano essere selezionati. In questo modo, ad ogni elemento della popolazione viene data una possibilità nota di essere scelto, che ovviamente deve essere maggiore di 0.

Questo è estremamente importante, perché può accadere che da un universo di dati sia stato selezionato un campione non sufficientemente rappresentativo dell'insieme.

In tal caso, i risultati saranno parziali, poiché alcune parti della popolazione saranno più favorite rispetto ad altre. Per evitare pregiudizi, di cui esistono diverse categorie, un'opzione è lasciare che il caso selezioni il campione e quindi dare a ciascun elemento una probabilità diversa da zero di essere selezionato.

Campionamento casuale semplice

Questo è un modo semplice per garantire che il caso faccia il suo lavoro. Ad esempio, se si tratta di selezionare alcuni bambini in una classe per partecipare a un evento artistico scolastico, tutti i nomi dei bambini vengono posti su schede piegate identiche, mescolati in un cappello e una manciata estratta a caso.

Tutti i bambini della classe costituiscono la popolazione e la manciata di schede che sono state estratte dal cappello è il campione.

Il successo della procedura sta nel fare un elenco completo di tutti i bambini, in modo che nessuno sia escluso. In un piccolo corso questo non è un problema; Ma quando vuoi selezionare un campione da una popolazione più ampia, devi perfezionare il metodo.

È possibile eseguire un semplice campionamento casuale con sostituzione o sostituzione. Ad esempio, se estraiamo un elemento dalla popolazione e lo restituiamo dopo averlo selezionato ed esaminato, l'universo dei nostri elementi rimane sempre lo stesso per tutto lo studio.

Se, al contrario, si studia l'elemento scelto, non si restituisce altro, si campiona senza sostituzione. Questo deve essere preso in considerazione quando si calcola la probabilità di un elemento di essere selezionato.

Campionamento casuale sistematico

Per effettuare questo campionamento è necessario anche elencare N elementi e determinare anche la dimensione del campione, che chiameremo n. L'elenco è chiamato frame di campionamento.

Ora è definito l'intervallo di salto, che è indicato dalla lettera k ed è calcolato in questo modo:

Viene scelto un numero casuale - a caso - compreso tra 1 e k, chiamato ro random start. Questo è il primo individuo nell'elenco ad essere selezionato e da lì vengono scelti i seguenti elementi nell'elenco.

Un esempio: supponiamo di avere un elenco di 2000 studenti di un'università e di voler ottenere un campione di 100 studenti per partecipare a un congresso.

La prima cosa da fare è trovare il valore di k:

Dopo aver diviso il numero totale di studenti in 100 frammenti di 20 studenti, viene preso uno dei frammenti e viene scelto un numero casuale tra 1 e 20, ad esempio 12. Pertanto il dodicesimo studente della nostra lista è il avvio casuale.

Il prossimo studente da selezionare deve essere 12 + 20 = 22, quindi 42, poi 62 e così via, fino a quando tutti i 100 non sono stati completati.

Come puoi vedere, è un metodo veloce da applicare e che di solito dà ottimi risultati, senza la necessità di mettere i 2000 nomi in un cappello e prenderne 100, purché non ci siano periodicità nella popolazione, che danno luogo a bias. .

Campionamento casuale stratificato

Figura 2. Nel campionamento casuale stratificato, la popolazione è suddivisa in segmenti chiamati strati. Fonte: Pixabay.

Nel semplice campionamento casuale, ogni elemento della popolazione ha la stessa probabilità di essere selezionato. Ma questo potrebbe non essere sempre vero, soprattutto quando ci sono più complessità da considerare.

Per eseguire uno schema di campionamento casuale stratificato, la popolazione deve essere suddivisa in gruppi con caratteristiche simili. Questi sono gli strati. Gli strati vengono quindi prelevati e da ciascuno vengono scelti semplici campioni casuali, che vengono quindi combinati per formare il campione finale.

Gli strati vengono determinati prima del campionamento, studiando le caratteristiche dell'universo dei dati.

Queste caratteristiche possono essere lo stato civile, l'età, il luogo in cui vivi, ad esempio la popolazione urbana, suburbana e rurale, la professione, il livello di istruzione, il sesso e molti altri.

In ogni caso, ci si aspetta che le caratteristiche di ogni strato siano molto distintive, cioè che ogni strato sia omogeneo.

All'interno del campionamento stratificato si distinguono due categorie, a seconda che la dimensione del campione di ogni strato sia o meno proporzionale alla sua dimensione.

Campionamento a grappolo casuale

I metodi sopra descritti selezionano direttamente gli elementi del campione, ma nel campionamento a grappolo, un gruppo di elementi viene scelto dalla popolazione e questi saranno l'unità di campionamento, che viene chiamata cluster.

Esempi di cluster sono i dipartimenti di un'università, entità geografiche come province, città, contee o comuni, che hanno tutti la stessa probabilità di essere selezionati. In caso di scelta di un'entità geografica, si parla di campionamento per aree.

Una volta scelti i cluster, da lì si scelgono gli elementi da analizzare. Pertanto, la procedura può avere più fasi.

Questo metodo ha alcune somiglianze con il metodo casuale stratificato, tranne per il fatto che qui alcuni cluster sono selezionati dal totale, mentre nel metodo precedente sono stati studiati tutti gli strati della popolazione.

Tipi di campionamento non probabilistico

Il campionamento probabilistico può essere molto costoso in alcune situazioni, poiché è necessario investire tempo e risorse per trovare campioni veramente rappresentativi.

Accade anche spesso che non ci sia un quadro di campionamento completo - la lista -, quindi non è possibile determinare la probabilità di selezionare un elemento.

Per questi casi vengono utilizzati tipi di campionamento non probabilistico, con i quali si ottengono anche informazioni, sebbene non vi siano garanzie di precisione nei risultati.

Quando si applica questo tipo di campionamento, è comunque necessario seguire alcuni criteri al momento della selezione, cercando che il campione sia il più adeguato possibile.

Praticità di campionamento

Si tratta di un tipo di campionamento abbastanza elementare, in cui gli elementi del campione vengono scelti in base alla loro disponibilità, ovvero selezionando gli individui più a portata di mano. Ha il vantaggio di essere un metodo a bassissimo costo, grazie alla sua velocità e convenienza.

Ma come detto, non c'è certezza di ottenere informazioni affidabili sui risultati. A volte viene utilizzato per effettuare sondaggi rapidi e brevi prima di un'elezione o per chiedere informazioni sulle preferenze dei clienti per determinati prodotti.

Ad esempio, un sondaggista può recarsi all'uscita di tre dei centri commerciali più vicini a casa sua e chiedere a chi parte per quale candidato voterebbe. Oppure un insegnante può esaminare i propri studenti, perché hanno accesso immediato a loro.

Sebbene sembri che i risultati di tale procedura siano privi di valore, accade che potrebbero riflettere bene la popolazione, purché ci siano buone ragioni per presumere che il bias non sia molto ampio.

Tuttavia, non è così semplice, perché gli studenti di un certo insegnante potrebbero non costituire un campione rappresentativo del resto del corpo studentesco. E il più delle volte, i sondaggisti nei centri commerciali tendono a intervistare le persone dall'aspetto più attraente.

Campionamento delle quote

Per campionare per quote è necessario avere una buona conoscenza preliminare degli strati di popolazione, al fine di avere un'idea di quali siano gli elementi più rappresentativi. Ma non è governato dal criterio di casualità del campionamento stratificato.

In questo tipo di campionamento è necessario impostare "quote", da cui il nome del metodo. Queste quote consistono nel raccogliere una serie di elementi con determinate condizioni, ad esempio 15 donne di età compresa tra 25 e 50 anni, che non fumano e possiedono anche un'auto.

Una volta determinata la quota, vengono scelte le prime persone che soddisfano le condizioni stabilite. I criteri per questo ultimo passaggio possono essere a discrezione dell'investigatore. Qui puoi vedere la differenza con il metodo di campionamento stratificato, che è casuale.

Si tratta però di un metodo low cost che risulta vantaggioso se, come dicevamo, la popolazione studiata è ben nota.

Campionamento a palle di neve

La procedura da seguire in questo stile di campionamento è quella di selezionare alcune persone che guidano gli altri, e queste a loro volta ad altri, fino a quando il campione non è della dimensione di cui il ricercatore ha bisogno.

Questa è una procedura che può essere utile per caratterizzare alcune popolazioni con tratti abbastanza specifici. Esempi: detenuti in una prigione o persone con determinate malattie.

Campionamento discrezionale

Infine ecco il ricercatore che decide i criteri da utilizzare per scegliere il suo campione, in base alle sue conoscenze. Può essere utile quando è necessario aggiungere allo studio alcuni soggetti che, utilizzando un metodo casuale, non hanno potuto partecipare.

Riferimenti

1. Berenson, M. 1985. Statistics for Management and Economics, Concepts and Applications. Editoriale Interamericana.
2. Statistiche. Campionamento. Estratto da: enciclopediaeconomica.com.
3. Statistiche. Campionamento. Recupero da: Estadistica.mat.uson.mx.
4. Esplorabile. Campionamento a grappolo. Estratto da: explorable.com.
5. Moore, D. 2005. Statistica di base applicata. 2 °. Edizione.
6. Netquest. Campionamento di probabilità: campionamento stratificato. Estratto da: netquest.com.
7. Wikipedia. Campionamento. Estratto da: es.wikipedia.org