درس ۱ · صفحهٔ ۹۷ تا ۱۱۲ · حدود ۱۵ دقیقه · تولید هوش مصنوعی
درس ۱: گردآوری دادهها
در این درس یاد میگیری جامعه و نمونه را مشخص کنی، روشهای اصلی نمونهگیری و گردآوری دادهها را تشخیص بدهی، اریبی را شناسایی کنی و متغیّر، آماره و پارامتر را از هم تمیز بدهی.
پیش از شروع
برای فهمیدن میزان مطالعهٔ دانشآموزان مدرسه، از افراد حاضر در کتابخانه سؤال میکنیم. اگر تعداد پاسخدهندگان را خیلی زیاد کنیم، آیا نتیجه حتماً به واقعیت مدرسه نزدیک میشود؟
نه لزوماً! دانشآموزان حاضر در کتابخانه ممکن است بیشتر از دیگران کتاب بخوانند؛ بنابراین روش انتخاب ما میتواند نتیجه را به سمت خاصی ببرد. زیادکردن تعداد پاسخها، بهتنهایی این ایراد را برطرف نمیکند.
از جامعه تا نمونه
از جامعه تا نمونه
فرض کن میخواهیم میزان مطالعهٔ غیردرسی دانشآموزان مدرسهات را بررسی کنیم. پیش از پرسیدن سؤال، باید روشن کنیم «دربارهٔ چه کسانی تحقیق میکنیم؟»
- واحد آماری: هر دانشآموزی که دادهٔ مربوط به او گردآوری میشود.
- جامعهٔ آماری: همهٔ دانشآموزان همان مدرسه؛ یعنی مجموعهٔ کل واحدهای مورد نظر، نه فقط دانشآموزان کلاس تو.
اگر از تکتک دانشآموزان اطلاعات بگیریم، سرشماری کردهایم. اما بررسی همه همیشه شدنی نیست؛ ممکن است وقت یا هزینهٔ کافی نداشته باشیم. در این صورت، بخشی از جامعه را با روشی مشخص انتخاب میکنیم؛ این بخش نمونه است.
هر زیرمجموعه از جامعهٔ آماری را که با روش مشخصی انتخاب شده باشد، یک نمونه مینامند.
نمونهگیری فرایند انتخاب این بخش است تا با بررسی آن، دربارهٔ کل جامعه اطلاعات به دست بیاوریم. پس «نمونه» گروه انتخابشده است، اما «نمونهگیری» کاری است که برای انتخاب آن انجام میدهیم.
کتاب درسی، صفحهٔ ۹۸
چهار راه انتخاب نمونه
چهار راه انتخاب نمونه
فرض کن میخواهیم دربارهٔ دانشآموزان یک مدرسه تحقیق کنیم. روش انتخاب آنها میتواند متفاوت باشد:
- تصادفی ساده: نام همهٔ دانشآموزان را روی برگههای یکسان مینویسیم، خوب مخلوط میکنیم و چند برگه برمیداریم؛ هر دانشآموز شانس برابری برای انتخابشدن دارد. در جامعههای بزرگ، تهیهٔ فهرست و دسترسی به افراد ممکن است دشوار باشد.
- خوشهای: چند کلاس را بهتصادف انتخاب میکنیم و همهٔ دانشآموزان کلاسهای منتخب را بررسی میکنیم؛ این کار معمولاً رفتوآمد و هزینه را کم میکند.
- طبقهای: دانشآموزان را بر اساس پایهٔ تحصیلی به طبقههای جدا تقسیم میکنیم و از هر پایه نمونهٔ تصادفی ساده میگیریم؛ پس هیچ پایهای از نمونه جا نمیماند.
- سامانمند: فهرست را به گروههای هماندازه تقسیم میکنیم. مثلاً از میان نفر اول، یک نفر را تصادفی انتخاب میکنیم و بعد با فاصلهٔ نفر جلو میرویم. اگر شروع نفر دوم باشد، نفرهای انتخاب میشوند.
تفاوت مهم را به خاطر بسپار: در خوشهای، همهٔ اعضای چند گروه؛ در طبقهای، بخشی از اعضای هر طبقه انتخاب میشوند.
کتاب درسی، صفحهٔ ۹۹
نمونهٔ بزرگ، اما گمراهکننده
نمونهٔ بزرگ، اما گمراهکننده
برای شناخت میزان مطالعهٔ دانشآموزان، فقط سراغ افراد حاضر در کتابخانه میرویم. احتمال دارد این افراد بیشتر از دیگران کتاب بخوانند؛ پس پاسخهایشان تصویری متمایل به مطالعهٔ بیشتر میسازد. این انحرافِ جهتدار را اریبی مینامیم. پرسیدن از افراد بیشتری در همان کتابخانه، مشکلِ روش انتخاب را برطرف نمیکند!
در نمونهگیری احتمالی، انتخاب با سازوکاری تصادفی انجام میشود و هر واحد آماری احتمال معلومی برای انتخابشدن دارد؛ لازم نیست این احتمال برای همه برابر باشد. انتخاب کسانی که دم دستاند یا خودشان داوطلب میشوند، لزوماً چنین ویژگیای ندارد.
حتی انتخاب تصادفی هم وقتی واحد آماری را اشتباه بگیریم کافی نیست. اگر هدف شناخت اندازهٔ خانوادهها باشد، انتخاب تصادفی افراد به خانوادههای پرجمعیت فرصت بیشتری برای حضور میدهد. باید انتخاب را بر پایهٔ خودِ خانوادهها طراحی کنیم.
پس پیش از پرسیدن «چند نمونه داریم؟»، بپرس: «چه کسانی و چگونه انتخاب شدهاند؟»
کتاب درسی، صفحهٔ ۱۰۴
دادهها را از کجا بیاوریم؟
دادهها را از کجا بیاوریم؟
فرض کن افراد نمونه را انتخاب کردهای؛ حالا اطلاعات مورد نیاز را چگونه به دست میآوری؟ انتخاب نمونه با گردآوری دادهها فرق دارد: اولی مشخص میکند چه کسانی بررسی شوند، دومی مشخص میکند اطلاعاتشان چگونه تهیه شود.
چهار راه اصلی داریم:
- مشاهده: بدون نیاز به پاسخ فرد، چیزی را میشماریم یا اندازه میگیریم؛ مثلاً قد دانشآموزان را با قدسنج ثبت میکنیم. پس مشاهده فقط نگاهکردن نیست!
- پرسشنامه: پاسخگو سؤالهای از پیش آمادهشده را پاسخ میدهد؛ مثلاً ساعت خواب شب گذشتهاش را در یک فرم مینویسد.
- مصاحبه: آمارگیر با پاسخگو گفتوگو میکند؛ این روش وقتی مفید است که برای شناخت موضوع به توضیح و پرسشهای بیشتر نیاز داریم.
- دادگان: از اطلاعاتی استفاده میکنیم که قبلاً ذخیره شدهاند؛ مثل نمرههای ثبتشده در سامانهٔ مدرسه.
بهترین روش به هدف و امکانات بستگی دارد. مثلاً برای بررسی نمرههای سال گذشته، اگر اطلاعات کامل در سامانه موجود باشد، لازم نیست دوباره از دانشآموزان دربارهٔ نمرههایشان سؤال کنیم.
کتاب درسی، صفحهٔ ۱۰۷
از متغیّر تا آماره و پارامتر
از متغیّر تا آماره و پارامتر
فرض کن میخواهیم قد دانشآموزان یک مدرسه را بررسی کنیم. متغیّر همان ویژگی مورد بررسی، یعنی «قد» است؛ قدی که برای هر دانشآموز ثبت میکنیم، یک داده است.
متغیّر کمّی مقدار عددی میگیرد و انجام محاسباتی مانند میانگینگیری برای آن معنا دارد؛ مثل قد و وزن. متغیّر کیفی برای دستهبندی است؛ مثل ملیّت. دقت کن: اگر به ملیّتها کد عددی بدهیم، باز هم کیفیاند؛ میانگین این کدها معنایی ندارد!
حالا میانگین قد را در نظر بگیر:
- میانگین قد همهٔ دانشآموزان مدرسه، یک پارامتر است؛ چون کل جامعه را توصیف میکند.
- میانگین قد دانشآموزان یک نمونه، یک آماره است؛ چون از دادههای نمونه به دست میآید.
برای یک جامعهٔ مشخص و ثابت، پارامتر ثابت است، هرچند مقدارش را ندانیم؛ اما آماره ممکن است با عوضشدن نمونه تغییر کند. وقتی بررسی همه ممکن نیست، از آماره برای تخمین پارامتر استفاده میکنیم؛ این همان پلِ نمونه به جامعه در آمار استنباطی است.
کتاب درسی، صفحهٔ ۱۰۹
مثال حلشده
در مدرسهای، دو کلاسِ نفره و دو کلاسِ نفره وجود دارد. کلاسِ بیش از نفر را «پرجمعیت» مینامیم. چند درصد کلاسها پرجمعیتاند؟ اگر یک دانشآموز را بهتصادف انتخاب کنیم، احتمال اینکه در کلاس پرجمعیت باشد چقدر است؟ این تفاوت چه ایرادی را در بررسی اندازهٔ کلاسها با پرسیدن از دانشآموزان نشان میدهد؟
واحد آماریِ بررسی اندازهٔ کلاسها، «کلاس» است. در این مدرسه کلاس داریم که کلاس آن پرجمعیتاند.
درصد واقعی کلاسهای پرجمعیت برابر است با .
تعداد کل دانشآموزان برابر است با و تعداد دانشآموزان کلاسهای پرجمعیت است.
پس با انتخاب تصادفی یک دانشآموز، احتمال اینکه کلاس او پرجمعیت باشد برابر است با .
کلاسهای پرجمعیت دانشآموزان بیشتری دارند و در این روش بیشتر دیده میشوند؛ تصادفیبودن انتخاب دانشآموز، به معنی شانس برابر انتخاب کلاسها نیست. برای بررسی کلاسها، میتوان از فهرست خودِ کلاسها نمونهٔ تصادفی ساده گرفت.
نکات مهم
- برای انتخاب نمونه، ابتدا واحد آماری و جامعه را مشخص میکنیم و سپس روشی مانند تصادفی ساده، خوشهای، طبقهای یا سامانمند را متناسب با هدف و امکانات به کار میبریم.
- دادهها را میتوان با مشاهده، پرسشنامه، مصاحبه یا دادگان گردآوری کرد، اما بزرگکردن نمونه بهتنهایی اریبیِ روش انتخاب را برطرف نمیکند.
- ویژگی مورد بررسی متغیّر کمّی یا کیفی است و مشخصهٔ عددیِ نمونه را آماره و مشخصهٔ عددیِ جامعه را پارامتر مینامیم.