1. جمعیت –نمونه –روشهای نمونه گیری دکتر محسن عسکرشاهی دکترای آمار زيستی

2. جامعه آماری ( (statistical Population
مجموع عناصر و اعضايي كه داراي حداقل يك ويژگي مشترك باشند كه بتوان آن‌ها را ازساير جوامع متمايز كرد، جامعه آماري گويند.
جامعه آماری باید به استناد : محتوای جامعه یا عناصر آن (Content) ، واحدهای مرتبط با محتوی آن (Unit) و محدوده‌ي جغرافیای و زمان آمارگیری (Time) شناخته شود. به عنوان مثال: تمامي خانوارهای واقع در واحدهای مسکونی معمولی کشور در سال
مجموعه مقادیر مربوط به عناصر این جامعه و نه خود عناصر جامعه، مورد نظر است و از عنصري يا عضوي به عضوديگر، اين مقادير تغييرمي‌كند كه آن، صفت متغيير جامعه ناميده مي شود.
اگر بخواهیم روی قد دانشجویان یک دانشکده مطالعه کنیم. جامعه‌ي مورد نظر ما، دانشجویان دانشکده است و صفت متغير، اندازه‌ي قد آن‌ها ا ست.

3. جامعه هدف (Target Population)
جامعه هدف ، جامعه‌اي است كه مي خواهيم با كاوش وبررسي برروي صفت هايي از اعضاي آن به نتايجي دست يابيم . محدوديت هايي در عمل ممكن است دسترسي به جامعه‌ي هدف را غير قابل امكان نمايد.
هرچه فاصله جامعه ي هدف وجامعه‌ي آماري بيشتر باشد اريبي نتايج نيز بيشتر خواهد بود.
به عنوان مثال : تخمين و براوردی از سلامت رفتاري جوانان يك منطقه مد نظر است.
روش دستيابي به جوانان تلفني است وآمارگيري از آن‌ها، با انتخاب نمونه هايي از فهرست مشتركين تلفن مي باشد. جامعه هدف مي تواند تمام شهروندان جوان آن منطقه در زمان مورد نظر باشد. امّا جامعه آماري تمام جواناني است كه از فهرست تلفن مشتركين منطقه قابل دسترس است. به عبارتي دراين مورد جامعه آماري زير مجموعه‌ايي از جامعه هدف مي باشد.

4. Target Population  Sampling Population  Sample

5. واحدهای آماری ((statistical Unit
جامعه آماری بدون واحد آماری و واحد آماری بدون جامعه آماری قابل تعریف نیست.
در یک طرح آماری، عنصر یا واحد آماری، جزیی از جامعه است که اطلاعات در مورد آن جمع آوری می شود.
به عبارتي واحدهايی كه هدف بررسي ومطالعه در طرح های آماری هستند ، (و واحدهای مشاهداتی هم به آن هاگفته می شود) و اندازه گیری و ثبت اطلاعات از آن ها انجام مي گيرد ، واحد آماری نام دارد. یعنی: عناصر یا افراد جامعه که اطلاعات مورد نظر درمورد آن‌ها جمع آوری و صفت متغير ، در سطح آن ها مورد محاسبه قرار مي گیرد.

6. چارچوب (Frame)
چارچوب آماري ، فهرستي از واحدهای نمونه گیری در جامعه است و بايد به هنگام باشد.
چارچوب آماري وسيله ايي است كه واحد آماري جامعه را به تفكيك مشخص مي كند وامكان انتخاب ودسترسي به آن هارا برای کسب اطلاعات مورد نظر فراهم مي نمايد. در واقع نقش چارچوب در آمارگیری ها، فراهم كردن تعیین حدود کار آمارگیری و شناسایی واحدهای مورد مراجعه از سایر واحدها است .

7. 1- سرشماری : اگر تک تک افراد جامعه مورد بررسی قرار گیرد و صفت مورد مطالعه برای تمام افراد جامعه اندازه گیری شود سرشماری انجام گرفته است
2- نمونه گیری : در صورتی که قسمتی از جامعه به عنوان نمونه مورد بررسی قرار گیرد نمونه گیری انجام گرفته است

8. دلايل نمونه برداري :
.1نمونه سريعتر از جمعيت مطالعه مي شود و نتايج سريعتر قابل استفاده مي شود.
2-مطالعات يك نمونه به مراتب ارزانتر از مطالعه تمام افراد يك جمعيت است. زيرا زير مجموعه اي از جمعيت مورد اندازه گيري و آزمايش قرار مي گيرد.

9. 3-در بعضي اوقات ، مطالعه تمام افراد در يك جمعيت امكان ندارد
3-در بعضي اوقات ، مطالعه تمام افراد در يك جمعيت امكان ندارد. ممكن است در برخي حالات، مراحل اجرايي مطالعه ( از قبيل اندازه گيري ) موجب از بين رفتن شي ء يا موجود تحت مطالعه باشد.
مثال : براي تهيه غضروف در سگ از طريق مطالعه بافت شناسي، حيوان كشته مي شود و نمونه هاي لازم جهت مطالعه بافت شناسي از غضروف تهيه مي شود. در اين مطالعه ، بررسي كل جمعيت نياز به كشتن تمام سگها دارد كه امكان پذير نمي باشد.

10. 4-نتايج نمونه نسبت به نتايج جمعيت ،‌اغلب از صحت بيشتري برخوردار است
4-نتايج نمونه نسبت به نتايج جمعيت ،‌اغلب از صحت بيشتري برخوردار است. زيرا براي نمونه زمان و منابع بيشتري مي توان صرف نمود.
5-اگر نمونه ها به طور درستي انتخاب شوند، براي برآورد اشتباهات نتايج آماري از روشهاي مناسب احتمالات مي توان استفاده كرد.

11. 6-نمونه ها مي توانند به ترتيبي انتخاب شوند كه موجب كاهش ناهماهنگي بشود.
مثالاً در مورد بررسي تأثير يك برنامه آموزشي ، نمونه را مي توان از نظر عوامل مختلف مثل سن، سابقه كار، رشته، .... به صورت همگن انتخاب كرد.

12. انواع نمونه گيري احتمالي: همه افراد جامعه شانس حضور در نمونه را دارند
غير احتمالي: همه افراد جامعه شانس حضور ندارند.
مثال
نمونه گيري از رانندگان تاكسي در خصوص ساعت كاري

13. نمونه گيري

14. هر يك از اشياء يا افراد داراي احتمال و شانس مساوي هستند.
روشهاي نمونه برداري
نمونه برداري تصادفي ساده
Simple random sampling
هر يك از اشياء يا افراد داراي احتمال و شانس مساوي هستند.

15. -فهرست كامل از افراد (واحدهاي جامعه )
-دادن شماره به افراد
-اندازه نمونه مشخص گردد.
-واحدهاي نمونه از طريق قرعه كشي يا جدول اعداد تصادفي انتخاب گردند.

16. Simple random sampling

17. Table of random numbers

18. نمونه گيري تصادفي منظم يا سيستماتيك
Systematic random sample
فهرست افراد تهيه مي شود و بر اساس ضريب K يك نفر انتخاب مي شود.
= K
تعداد كل افراد
تعداد نمونه

19. نمونه گيري تصادفي منظم يا سيستماتيك
مثال: مي خواهيم شيوع پوسيدگي دندان (برمبناي DMF) را در بين 1200 نفر دانش آموزان يك مدرسه تعيين كنيم.
فهرست دانش آموزان مدرسه را تهيه كنيم
دانش آموزان را از 1 تا 1200 شماره گذاري كنيم
اگر حجم نمونه 60 نفر باشد، بايستي با توجه به 20 = 60 / 1200، از هر 20 نفر يكي انتخاب كنيم.
يك عدد تصادفي بين 1 تا 20 انتخاب مي كنيم (مثلاً 8)
سپس 20 تا 20 تا به عدد فوق (8) اضافه مي كنيم به اين ترتيب نمونه اول فرد شماره 8، بعدي 28، بعدي 48 و .... خواهند بود.

20.
……..

21. Systematic sampling

22. نمونه گيري منظم يا سيستماتيك

23. نمونه گيري طبقه اي تصادفي
Stratified random sample
در ابتدا جمعيت به طبقاتي تقسيم مي شود كه در هر طبقه افراد مشابه و يكساني قرار دارند. سپس از هر طبقه تعدادي نمونه نسبت به هر طبقه در جامعه مشخص باشد.
شهرستان نفر جمعيت
20% شهري
80% روستائي

24. نمونه گيري طبقه بندي شده (stratified)
ميزان دسترسي خانواده هاي به آب آشاميدني سالم
جمع نمونه محاسبه شده نفر است.
80 نفر شهر
320 نفر روستا

25. نمونه گيري طبقه بندي شده (stratified)
جامعه را به تعدادي طبقه افراز مي كنيم
بين طبقه ها نبايد هم پوشاني وجود داشته باشد
هيچ فردي از جامعه نبايستي بيرون از طبقه بندي قرار بگيرد
از هر طبقه تعدادي نمونه انتخاب مي كنيم
يافته هاي حاصل از طبقات را روي هم مي ريزيم

26. نمونه گيري طبقه بندي شده
مزايا
اگر داخل طبقه ها افراد به هم شبيه باشند، كارايي اين روش از روش تصادفي ساده بيشتر است
به علت وجود داده هاي مجزا از هر يك از طبقات، امكان تحليل جداگانه براي هر يك از طبقه ها وجود دارد
معايب
اگر صفت مورد نظر درداخل طبقه ها هتروژن باشد، اين روش مناسب نيست
محاسبه خطاي نمونه گيري (به دست آوردن SE) مشكل است

27. نمونه گيري خوشه اي (cluster)
جامعه را به تعدادي گروه (خوشه) از واحدها تقسيم مي كنيم
تعدادي از خوشه ها را به طور تصادفي انتخاب مي كنيم
در هر خوشه همه واحدها (يا تعدادي از آنها) را انتخاب مي كنيم
هر چقدر داخل خوشه ها افراد كمتر به هم شبيه (هتروژنيتي بيشتر)
باشند نمونه گيري خوشه اي موفقتر است

28. نمونه گيري خوشه اي مزايا معايب
در اين روش نيازي به داشتن فهرست كامل واحدهاي نمونه گيري (چارچوب نمونه گيري) نيست.
هزينه مسافرت و منابع مورد نياز براي جمع آوري داده ها كمتر است
معايب
اگر هموژنيتي صفت مورد نظر درداخل خوشه ها خيلي زياد باشد، اين روش مناسب نيست.
نسبت به نمونه گیری تصادفی ساده، برای دستیابی به دقت (precision) مشابه به حجم نمونه بالاتری نیاز دارد.
محاسبه خطاي نمونه گيري (به دست آوردن SE) مشكل است

29. منزلهاي شهر به بلوكهايي (بر اساس ويژگي خاص) تقسيم مي شود و لذا يك بلوك به عنوان يك خوشه بطور تصادفي انتخاب مي گردد و تمام منزلها در آن بلوك (يا تعدادي از منزلهاي آن بلوك ) بررسي مي گردد.
انتخاب گروههايي از افراد به جاي انتخاب تك تك آنها واحدهاي جغرافيايي (شهر ، روستا ...) واحدهاي سازماني (گروههاي آموزشي )

30. Cluster sampling
Section 1
Section 2
Section 3
Section 5
Section 4 30

31. نمونه گيري چند مرحله اي
در جمعيتهاي بزرگ با ويژگي هاي گوناگون ، نمونه گيري را مي توان در دو يا چند مرحله انجام داد. در تحقيقاتي كه در سطح جامعه انجام ميگيرد ، غالباً از اين روش نمونه برداري استفاده شده و با انتخاب روستاهاي مختلف ، از مناطق مختلف، با افراد انتخاب شده مصاحبه بعمل مي آورند.

32. « بررسي ميزان استفاده از توالتهاي بهداشتي در يك منطقه »
منطقه 6 دهستان . هر دهستان 9 روستا.
نمونه مورد نياز طي چهار مرحله انتخاب مي شود.

33. 1-با استفاده از نمونه گيري تصادفي ساده 3 تا از 6 دهستان انتخاب مي كنيم.
2-در هر دهستان 5 روستا با روش تصادفي انتخاب مي كنيم.
3-در هر روستا 10 خانوار

34. بر انتخاب 10 خانوار در روستا :
-به مركز روستا خواهيم رفت
-جهتي را بطور تصادفي از پيش انتخاب مي كنيم.
-بطرف جهت حركت مي كنيم از هر سه يا 5 خانه يكي را انتخاب مي كنيم.
-از قبل قرار ميگذاريم اگر كسي درخانه نبود خانه بعدي انتخاب مي كنيم.
-قبلاً بايد تصميم بگيريم در هر خانه با چه كسي مصاحبه كنيم.

35. نمونه گيري غيرتصادفي (غير احتمالي ) :
-نمونه گيري سهميه اي (يا نمونه هاي آسان )
1-ابتدا اطلاعاتي راجع به ويژگيهاي شناخته شده جمعيت شامل سن، جنس، طبقه اجتماعي، ... بدست آوريد.
2-از هر زيرگروه تعدادي نمونه اتفاقي از قبل تعيين شده انتخاب كنيد.

36. حجم نمونه
Sample Size

37. عوامل موثر بر حجم نمونه میزان دقت مورد نیاز روش نمونه گیری نوع پژوهش
یکنواختی جامعه
هزینه و در دسترس بودن
محدودیت ها

38. عوامل موثر بر تعداد حداقل نمونه مورد نیاز
پراکندگی یا یکنواختی
دقت مورد نیاز
اطمینان مورد نیاز
اندازه جامعه؟

39. محاسبه حداقل حجم نمونه براي برآورد نسبت (صفت كيفي)
α : احتمال خطاي نوع اول؛
اگر %05 = α باشد Z1- α/2 برابر 1.96 است
p : تخمين نسبت (proportion) صفت مورد نظر
ِd: خطاي قابل قبول در برآورد نسبت مورد نظر

40. فرض : اطلاعاتي كه در مورد شيوع حاملگي هاي ناخواسته در يك بخش بدست آورديم .
با توجه به تجارب قبل : ميزان حاملگي ناخواسته ،‌40%
حدود اطمينان 95%
سطح دقت %

41. 368 = 6/0 × 4/0 × 2 (1096) = n
2 (05/0)
در صورت نداشتن P % = P ميگيريم كه بيشترين حجم نمونه
d روتين خطا % ، 5%
قاعدتاً بايد كمتر از P باشد.

42. محاسبه حداقل حجم نمونه براي برآورد ميانگين (صفت كمي)
α : احتمال خطاي نوع اول؛
اگر 0.05= α باشد Z1- α/2 برابر 1.96 است
σ : انحراف معيار (SD) صفت مورد نظر
ِِd: خطاي قابل قبول در برآورد ميانگين

43. مثال : براي برآورد متوسط وزن نوزادان در بدو تولد انجام بدهيم و با استفاده از تجربيات گذشته بدانيم كه انحراف معيار وزن نوزادان 120 گرم است. اگر خطاي برآورد را (20 گرم) سطح اطمينان 95 درصد
نفر 138= n (120) × 2 (1.96) = n
2 (20 )

44. مقادير Z برای حدود اطمينان متفاوت
حدود اطمينان Z = % حدود اطمينان % Z =

45. به طور كلي حجم يا اندازه بزرگتر نمونه، هميشه به معناي بهتر بودن كيفيت پژوهش نيست.
بنا بر اين پژوهشگر بايد حجم يا اندازه مناسب نمونه را قبل از شروع پژوهش مشخص كند.
نمونه معرف ، نمونه اي است كه داراي كليه خصوصيات مهم جامعه اي باشد كه نمونه از آن انتخاب شده است.

46. موفق باشيد