Dispense VERIFICATO
campionamento 2
91 visualizzazioni
Nessun voto ancora
Di cosa parla
Riassunto AI · si legge in un minuto
Questo documento esplora le principali tecniche di campionamento in statistica sociale. Inizia con il campionamento casuale (random sampling), spiegando come le unità siano selezionate con probabilità nota. Prosegue distinguendo il campionamento con reintroduzione da quello senza (in blocco), evidenziando le implicazioni sulla variabilità. Si approfondisce poi la stratificazione, cruciale per migliorare la precisione delle stime attraverso la suddivisione della popolazione in sottogruppi omogenei e l'allocazione delle unità campionarie. Vengono illustrate le differenze tra campionamento a grappoli (cluster sampling), efficace per l'eterogeneità interna ai grappoli, e il campionamento a più stadi, che combina diverse tecniche. Si parla anche del campionamento per aree e multifase, utili per ridurre costi e complessità. Infine, vengono affrontati i bias, i vincoli esterni come i costi e le loro influenze sulla strategia campionaria, con un esempio pratico dall'indagine Istat “I cittadini e il tempo libero”.
Leggi il riassunto completo
- Campionamento Casuale (Random Sampling): Ogni unità della popolazione ha una chance nota e non nulla di essere scelta. Per popolazioni ampie, si utilizzano tavole di numeri aleatori o generatori pseudo-aleatori.
- Campionamento con Reintroduzione: Teorico, implica reinserire l'unità estratta per future estrazioni. Raramente usato nella pratica (es. sondaggi pre-elettorali) poiché un'unità può essere selezionata più volte.
- Campionamento in Blocco (Senza Reintroduzione): L'unità estratta viene messa da parte, riducendo la variabilità dei risultati. Ininfluisce sull'ordine di selezione; coincide con campionamento con reintroduzione per popolazioni molto grandi.
- Stratificazione: Tecnica per migliorare la precisione delle stime suddividendo la popolazione in strati omogenei (es. genere, età, territorio). Il campionamento viene effettuato separatamente in ogni strato.
- La frazione campionaria (n/N) può essere la stessa in ogni strato o diversa a seconda della variabilità o dei costi.
- Permette di controllare la variabilità dovuta alle caratteristiche di stratificazione.
- Nelle indagini multiscopo, la stratificazione si basa su variabili strutturali (genere, età, ripartizione geografica).
- Campionamento a Grappoli (Cluster Sampling): Utile quando le unità all'interno dei grappoli sono eterogenee, ma i grappoli sono omogenei tra loro. Si campionano i grappoli e si rilevano tutte (o parte) le unità al loro interno. Vantaggioso per ridurre tempi e costi.
- Campionamento a più Stadi: Considera la popolazione composta da unità primarie, secondarie, ecc., con campionamento a ogni stadio. È una strategia complessa che può combinare stratificazione e campionamento a grappoli per esigenze statistiche e organizzative (es. indagini multiscopo).
- Campionamento per Aree: Utilizzato quando non sono disponibili liste complete, si basa sulla suddivisione del territorio in piccole aree (blocchi) come unità campionarie.
- Campionamento Multifase: Mira a ridurre costi e complessità della rilevazione. Un questionario semplificato viene somministrato a un campione ampio, e un sotto-campione più ristretto riceve un questionario più dettagliato o una scheda di rilevazione approfondita.
- Bias e Vincoli Esterni: Errori sistematici possono derivare dalla mancanza di casualità, liste incomplete o non-risposte. Il costo delle interviste è un vincolo esterno che influenza fortemente la scelta della strategia campionaria.
- Esempio – ISTAT, Indagine “I cittadini e il tempo libero”: Indagine multiscopo con campionamento a due stadi.
- Primo stadio: Comuni, stratificati per territorio e dimensione demografica, distinti in auto-rappresentativi (AR) e non auto-rappresentativi (NAR).
- Secondo stadio: Famiglie, estratte sistematicamente dai registri anagrafici.
- L'allocazione del campione è un compromesso per garantire affidabilità sia a livello nazionale che regionale.
- Il campionamento sistematico è corretto se la lista non presenta gerarchie o ciclicità.
- I risultati devono essere riponderati se le ampiezze campionarie variano negli strati per ricostruire la composizione complessiva della popolazione.
Riassunto generato con l'intelligenza artificiale a partire dagli appunti. Come lo facciamo
Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.
Studia questi appunti con l'AI
Riassunto e domande d'esame sono gratis: chiedili e ti mandiamo un'email quando sono pronti.
In preparazione: di solito è pronto in giornata.
Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.
Simula l'esame con domande costruite su questi appunti.