In der Statistik und Überblick-Methodik ist Stichprobenerhebung mit der Auswahl an einer Teilmenge von Personen aus einer Bevölkerung beschäftigt, um Eigenschaften der ganzen Bevölkerung zu schätzen.

Forscher überblicken selten die komplette Bevölkerung, weil die Kosten einer Volkszählung zu hoch sind. Die drei Hauptvorteile der Stichprobenerhebung bestehen darin, dass die Kosten niedriger sind, ist Datenerfassung schneller, und da die Datei kleiner ist, ist es möglich, Gleichartigkeit zu sichern und die Genauigkeit und Qualität der Daten zu verbessern.

Jede Beobachtung misst einen oder mehr Eigenschaften (wie Gewicht, Position, Farbe) von erkennbaren Körpern bemerkenswert als unabhängige Gegenstände oder Personen. In der Überblick-Stichprobenerhebung können Gewichte auf die Daten angewandt werden, um sich für das Beispieldesign, besonders geschichtete Stichprobenerhebung (das Blockieren) anzupassen. Ergebnisse von Wahrscheinlichkeitstheorie und statistischer Theorie werden verwendet, um Praxis zu führen. In der medizinischen und Geschäftsforschung wird Stichprobenerhebung weit verwendet, um Information über eine Bevölkerung zu sammeln.

Prozess

Der ausfallende Prozess umfasst mehrere Stufen:

• Das Definieren der Bevölkerung der Sorge
• Das Spezifizieren eines ausfallenden Rahmens, einer Reihe von Sachen oder Ereignisse, die möglich sind, zu messen
• Das Spezifizieren einer ausfallenden Methode, um Sachen oder Ereignisse vom Rahmen auszuwählen
• Die Bestimmung der Beispielgröße
• Das Einführen des ausfallenden Plans
• Die Stichprobenerhebung und Datensammeln

Bevölkerungsdefinition

Erfolgreiche statistische Praxis basiert auf der eingestellten Problem-Definition. In der Stichprobenerhebung schließt das das Definieren der Bevölkerung ein, von der unsere Probe gezogen wird. Eine Bevölkerung kann als das Umfassen aller Leute definiert werden, oder Sachen mit der charakteristischen möchte verstehen. Weil es sehr selten genug Zeit oder Geld gibt, um Information von jedem zu sammeln, oder alles in einer Bevölkerung die Absicht Entdeckung einer repräsentativen Stichprobe (oder Teilmenge) dieser Bevölkerung wird.

Manchmal ist das, das eine Bevölkerung definiert, offensichtlich. Zum Beispiel muss ein Hersteller entscheiden, ob eine Gruppe des Materials von der Produktion hoch genug Qualität ist, die dem Kunden zu veröffentlichen ist, oder für das Stück verurteilt werden oder wegen der schlechten Qualität nacharbeiten sollte. In diesem Fall ist die Gruppe die Bevölkerung.

Obwohl die Bevölkerung von Interesse häufig aus physischen Gegenständen besteht, manchmal brauchen wir zur Probe mit der Zeit, dem Raum oder einer Kombination dieser Dimensionen. Zum Beispiel konnte eine Untersuchung der Supermarkt-Stellenbesetzung Abreise-Linienlänge in verschiedenen Zeiten untersuchen, oder eine Studie auf gefährdeten Pinguinen könnte zum Ziel haben, ihren Gebrauch von verschiedenen Jagdrevieren mit der Zeit zu verstehen. Für die Zeitdimension kann der Fokus auf Perioden oder getrennten Gelegenheiten sein.

In anderen Fällen kann unsere 'Bevölkerung' noch weniger greifbar sein. Zum Beispiel hat Joseph Jagger das Verhalten von Roulette-Rädern an einem Kasino in Monte Carlo studiert, und hat das verwendet, um ein voreingenommenes Rad zu identifizieren. In diesem Fall war die 'Bevölkerung', die Jagger hat untersuchen wollen, das gesamte Verhalten des Rades (d. h. der Wahrscheinlichkeitsvertrieb seiner Ergebnisse zu Ende ungeheuer viele Proben), während seine 'Probe' von beobachteten Ergebnissen von diesem Rad gebildet wurde. Ähnliche Rücksichten entstehen, wenn sie wiederholte Maße von einer physischen Eigenschaft wie das elektrische Leitvermögen von Kupfer nehmen.

Diese Situation entsteht häufig, wenn wir Kenntnisse über das Ursache-System suchen, dessen die beobachtete Bevölkerung ein Ergebnis ist. In solchen Fällen, Theorie probierend, kann die beobachtete Bevölkerung als eine Probe von einer größeren 'Superbevölkerung' behandeln. Zum Beispiel könnte ein Forscher studieren die Erfolg-Rate eines neuen 'hat verlassen', Programm auf einer Testgruppe von 100 Patienten zu rauchen, um die Effekten des Programms vorauszusagen, wenn es landesweit bereitgestellt wurde. Hier ist die Superbevölkerung "jeder im Land, gegeben Zugang zu dieser Behandlung" - eine Gruppe, die noch nicht besteht, da das Programm für alle nicht noch verfügbar ist.

Bemerken Sie auch, dass die Bevölkerung, von der die Probe gezogen wird, dasselbe als die Bevölkerung nicht sein kann, über die wir wirklich Information wollen. Häufig dort ist groß, aber nicht ganzes Übergreifen zwischen diesen zwei Gruppen, die erwartet sind, Probleme usw. (sieh unten) einzurahmen. Manchmal können sie - zum Beispiel völlig getrennt sein, wir könnten Ratten studieren, um ein besseres Verstehen der menschlichen Gesundheit zu bekommen, oder wir Aufzeichnungen von 2008 geborenen Leuten studieren könnten, um Vorhersagen über Leute geboren 2009 zu machen.

Zeit, die im Bilden der probierten Bevölkerung und Bevölkerung der genauen Sorge ausgegeben ist, wird häufig gut verbracht, weil es viele Themen, Zweideutigkeiten und Fragen aufbringt, die in dieser Bühne sonst überblickt worden sein würden.

Stichprobenerhebung des Rahmens

Im aufrichtigsten Fall, wie das Verurteilen einer Gruppe des Materials von der Produktion (Annahme, die durch die Menge ausfällt), ist es möglich, jeden einzelnen Artikel in der Bevölkerung zu identifizieren und zu messen und irgendwelche von ihnen in unserer Probe einzuschließen. Jedoch im allgemeineren Fall ist das nicht möglich. Es gibt keine Weise, alle Ratten im Satz aller Ratten zu identifizieren. Wo Abstimmung nicht obligatorisch ist, gibt es keine Weise sich zu identifizieren, welche Leute wirklich bei einer bevorstehenden Wahl (vor der Wahl) stimmen werden. Diese ungenauen Bevölkerungen sind der Stichprobenerhebung auf einige der Weisen unten nicht zugänglich, und auf den wir statistische Theorie anwenden konnten.

Als ein Heilmittel suchen wir einen ausfallenden Rahmen, der das Eigentum hat, dass wir jedes einzelne Element identifizieren und irgendwelchen in unsere Probe einschließen können. Der aufrichtigste Typ des Rahmens ist eine Liste von Elementen der Bevölkerung (vorzugsweise die komplette Bevölkerung) mit der passenden Kontakt-Information. Zum Beispiel, in einer Meinungsumfrage, schließen mögliche ausfallende Rahmen ein Wahlregister und ein Telefonbuch ein.

Wahrscheinlichkeit und Nichtwahrscheinlichkeitsstichprobenerhebung

Ein Wahrscheinlichkeitsstichprobenerhebungsschema ist dasjenige, in dem jede Einheit in der Bevölkerung eine Chance (größer hat als Null) davon, in der Probe ausgewählt zu werden, und diese Wahrscheinlichkeit genau bestimmt werden kann. Die Kombination dieser Charakterzüge macht es möglich, unvoreingenommene Schätzungen von Bevölkerungssummen, durch die Gewichtung von probierten Einheiten gemäß ihrer Wahrscheinlichkeit der Auswahl zu erzeugen.

Beispiel: Wir wollen das Gesamteinkommen von Erwachsenen schätzen, die in einer gegebenen Straße leben. Wir besuchen jeden Haushalt in dieser Straße, erkennen alle Erwachsenen, die dort, und zufällig ausgesucht ein Erwachsener von jedem Haushalt leben. (Zum Beispiel können wir jede Person eine Zufallszahl zuteilen, die von einer Rechteckverteilung zwischen 0 und 1 erzeugt ist, und die Person mit der höchsten Zahl in jedem Haushalt auswählen). Wir interviewen dann die ausgewählte Person und finden ihr Einkommen.

Leute, die selbstständig leben, werden gewiss ausgewählt, so fügen wir einfach ihr Einkommen zu unserer Schätzung der Summe hinzu. Aber eine Person, die in einem Haushalt von zwei Erwachsenen lebt, hat nur ein in zwei Chance der Auswahl. Um das zu widerspiegeln, wenn wir zu solch einem Haushalt kommen, würden wir das Einkommen der ausgewählten Person zweimal zur Summe aufzählen. (Die Person, die von diesem Haushalt ausgewählt wird, kann als auch das Vertreten der Person lose angesehen werden, die nicht ausgewählt wird.)

Im obengenannten Beispiel hat nicht jeder dieselbe Wahrscheinlichkeit der Auswahl; was es macht, ist eine Wahrscheinlichkeitsprobe die Tatsache, dass die Wahrscheinlichkeit jeder Person bekannt ist. Wenn jedes Element in der Bevölkerung wirklich dieselbe Wahrscheinlichkeit der Auswahl hat, ist das als eine 'gleiche Wahrscheinlichkeit der Auswahl' (EPS) Design bekannt. Solche Designs werden auch 'Selbstgewichtung' genannt, weil alle probierten Einheiten dasselbe Gewicht gegeben werden.

Wahrscheinlichkeitsstichprobenerhebung schließt ein: Einfache Zufällige Stichprobenerhebung, Systematische Stichprobenerhebung, Geschichtete Stichprobenerhebung, Wahrscheinlichkeit, die zur Größe-Stichprobenerhebung, und Traube oder Mehrstufenstichprobenerhebung proportional ist. Diese verschiedenen Wege der Wahrscheinlichkeitsstichprobenerhebung haben zwei Dinge gemeinsam:

1. Jedes Element hat eine bekannte Nichtnullwahrscheinlichkeit, probiert zu werden, und
2. schließt zufällige Auswahl an einem Punkt ein.

Nichtwahrscheinlichkeitsstichprobenerhebung ist jede ausfallende Methode, wo einige Elemente der Bevölkerung keine Chance der Auswahl haben (diese werden manchmal 'aus dem Einschluss'/'undercovered' genannt), oder wo die Wahrscheinlichkeit der Auswahl nicht genau bestimmt werden kann. Es schließt die Auswahl an Elementen ein, die auf Annahmen bezüglich der Bevölkerung von Interesse gestützt sind, die die Kriterien für die Auswahl bildet. Folglich, weil die Auswahl an Elementen nichtzufällig ist, erlaubt Nichtwahrscheinlichkeitsstichprobenerhebung die Bewertung von Stichprobenfehlern nicht. Diese Bedingungen verursachen Ausschluss-Neigung, Grenzen darauf legend, wie viel Auskunft eine Probe über die Bevölkerung geben kann. Die Information über die Beziehung zwischen Probe und Bevölkerung wird beschränkt, es schwierig machend, von der Probe bis die Bevölkerung zu extrapolieren.

Beispiel: Wir besuchen jeden Haushalt in einer gegebenen Straße, und interviewen die erste Person, um die Tür zu öffnen. In jedem Haushalt mit mehr als einem Bewohner ist das eine Nichtwahrscheinlichkeitsprobe, weil einige Menschen mit größerer Wahrscheinlichkeit die Tür öffnen werden (z.B eine arbeitslose Person, die den grössten Teil ihrer Zeit verbringt, zuhause wird mit größerer Wahrscheinlichkeit antworten als ein verwendeter housemate, wer bei der Arbeit sein könnte, wenn der Interviewer ruft) und es nicht praktisch ist, um diese Wahrscheinlichkeiten zu berechnen.

Nichtwahrscheinlichkeitsstichprobenerhebungsmethoden schließen zufällige Stichprobenerhebung, Quote-Stichprobenerhebung und zweckmäßige Stichprobenerhebung ein. Außerdem können Nichtansprecheffekten jedes Wahrscheinlichkeitsdesign in ein Nichtwahrscheinlichkeitsdesign verwandeln, wenn die Eigenschaften der Nichtantwort nicht gut verstanden werden, da Nichtantwort effektiv die Wahrscheinlichkeit jedes Elements davon modifiziert, probiert zu werden.

Stichprobenerhebung von Methoden

Innerhalb von einigen der Typen des Rahmens, der oben identifiziert ist, kann eine Vielfalt von ausfallenden Methoden individuell oder in der Kombination verwendet werden. Faktoren, die allgemein die Wahl zwischen diesen Designs beeinflussen, schließen ein:

• Natur und Qualität des Rahmens
• Verfügbarkeit der Hilfsinformation über Einheiten auf dem Rahmen
• Genauigkeitsvoraussetzungen und das Bedürfnis, Genauigkeit zu messen
• Ob die ausführliche Analyse der Probe erwartet wird
• Kosten-Sorgen / betriebliche Sorgen

Einfache zufällige Stichprobenerhebung

In einer einfachen zufälligen Probe ('SRS') einer gegebenen Größe werden alle diese Teilmengen des Rahmens eine gleiche Wahrscheinlichkeit gegeben. Jedes Element des Rahmens hat so eine gleiche Wahrscheinlichkeit der Auswahl: Der Rahmen wird nicht unterteilt oder verteilt. Außerdem hat jedes gegebene Paar von Elementen dieselbe Chance der Auswahl wie jedes andere solches Paar (und ähnlich dafür verdreifacht sich, und so weiter). Das minimiert Neigung und vereinfacht Analyse von Ergebnissen. Insbesondere die Abweichung zwischen individuellen Ergebnissen innerhalb der Probe ist ein guter Hinweis der Abweichung in der gesamten Bevölkerung, die es relativ leicht macht, die Genauigkeit von Ergebnissen zu schätzen.

Jedoch kann SRS für den Stichprobenfehler verwundbar sein, weil die Zufälligkeit der Auswahl auf eine Probe hinauslaufen kann, die das Make-Up der Bevölkerung nicht widerspiegelt. Zum Beispiel wird eine einfache zufällige Probe von zehn Menschen aus einem gegebenen Land durchschnittlich fünf Männer und fünf Frauen erzeugen, aber jede gegebene Probe wird wahrscheinlich ein Geschlecht und underrepresent der andere übervertreten. Systematische und geschichtete Techniken, die unten besprochen sind, versuchen, dieses Problem durch das Verwenden der Information über die Bevölkerung zu überwinden, um eine mehr repräsentative Stichprobe zu wählen.

SRS kann auch beschwerlich und langweilig sein, wenn er von einer ungewöhnlich großen Zielbevölkerung ausfällt. In einigen Fällen interessieren sich Ermittlungsbeamte für zu Untergruppen der Bevölkerung spezifische Forschungsfragen. Zum Beispiel könnten sich Forscher für das Überprüfen interessieren, ob die kognitive Fähigkeit als ein Prophet der Arbeitsleistung über Rassengruppen ebenso anwendbar ist. SRS kann die Bedürfnisse nach Forschern in dieser Situation nicht anpassen, weil es Subproben der Bevölkerung nicht zur Verfügung stellt. Geschichtete Stichprobenerhebung, die unten besprochen wird, richtet diese Schwäche von SRS.

Einfache zufällige Stichprobenerhebung ist immer ein EPS Design (gleiche Wahrscheinlichkeit der Auswahl), aber nicht alle EPS Designs sind einfache zufällige Stichprobenerhebung.

Systematische Stichprobenerhebung

Systematische Stichprobenerhebung verlässt sich auf das Ordnen der Zielbevölkerung gemäß einem Einrichtungsschema und dann dem Auswählen von Elementen regelmäßig durch diese geordnete Liste. Systematische Stichprobenerhebung ist mit einem zufälligen Anfang verbunden und fährt dann mit der Auswahl an jedem kth Element von da an vorwärts fort. In diesem Fall, k = (Bevölkerungsgröße der Größe/Probe). Es ist wichtig, dass der Startpunkt automatisch in der Liste nicht erst ist, aber stattdessen aus dem ersten zum kth Element in der Liste zufällig gewählt wird. Ein einfaches Beispiel würde jeden 10. Namen vom Telefonbuch ('jede 10.' Probe, auch gekennzeichnet als auswählen sollen, 'mit einem Hopser 10' ausfallend).

So lange der Startpunkt randomized ist, ist systematische Stichprobenerhebung ein Typ der Wahrscheinlichkeitsstichprobenerhebung. Es ist leicht durchzuführen, und die veranlasste Schichtung kann es effizient machen, wenn die Variable, durch die die Liste bestellt wird, mit der Variable von Interesse aufeinander bezogen wird. 'Jede 10.' Stichprobenerhebung ist für die effiziente Stichprobenerhebung von Datenbanken besonders nützlich.

Nehmen Sie zum Beispiel an, dass wir Beispielleuten von einer langen Straße wünschen, die in einem schlechten Gebiet (Haus Nr. 1) anfängt und in einem teuren Bezirk (Haus Nr. 1000) endet. Eine einfache zufällige Auswahl an Adressen von dieser Straße konnte mit zu vielen vom hohen Ende und zu wenigen vom niedrigen Ende (oder umgekehrt) leicht enden, zu einer unrepräsentativen Stichprobe führend. Das Auswählen (z.B). jede Zahl der 10. Straße stellt die Straße entlang sicher, dass die Probe gleichmäßig entlang der Straße ausgebreitet wird, alle diese Bezirke vertretend. (Bemerken Sie, dass, wenn wir immer im Haus #1 und Ende an #991 anfangen, die Probe zum niedrigen Ende ein bisschen beeinflusst wird; durch das zufällige Auswählen des Anfangs zwischen #1 und #10 wird diese Neigung beseitigt.

Jedoch ist systematische Stichprobenerhebung für Periodizitäten in der Liste besonders verwundbar. Wenn Periodizität da ist und die Periode ein Vielfache oder Faktor des verwendeten Zwischenraums ist, wird die Probe besonders wahrscheinlich die gesamte Bevölkerung unvertretend sein, das Schema weniger genau machend, als einfache zufällige Stichprobenerhebung.

Denken Sie zum Beispiel eine Straße, wo die ungeradzahligen Häuser alle auf der nördlichen (teuren) Seite der Straße sind, und die sogar numerierten Häuser alle auf der südlichen (preiswerten) Seite sind. Laut des ausfallenden Schemas, das oben gegeben ist, ist es unmöglich, eine repräsentative Stichprobe zu bekommen; entweder die probierten Häuser werden alle von der ungeradzahligen, teuren Seite sein, oder sie werden alle von der sogar gezählten, preiswerten Seite sein.

Ein anderer Nachteil der systematischen Stichprobenerhebung besteht darin, dass sogar in Drehbüchern, wo es genauer ist als SRS, seine theoretischen Eigenschaften es schwierig machen, diese Genauigkeit zu messen. (In den zwei Beispielen der systematischen Stichprobenerhebung, die oben gegeben werden, ist viel vom potenziellen Stichprobenfehler wegen der Schwankung zwischen benachbarten Häusern - aber weil diese Methode nie zwei benachbarte Häuser auswählt, wird die Probe uns keine Information über diese Schwankung geben.)

Wie beschrieben, oben ist systematische Stichprobenerhebung eine EPS Methode, weil alle Elemente dieselbe Wahrscheinlichkeit der Auswahl (im Beispiel angeführt, jeder zehnte) haben. Es ist nicht 'einfache zufällige Stichprobenerhebung', weil verschiedene Teilmengen derselben Größe verschiedene Auswahl-Wahrscheinlichkeiten - z.B haben, hat der Satz {4,14,24..., 994} ein in zehn Wahrscheinlichkeit der Auswahl, aber der Satz {4,13,24,34...} hat Nullwahrscheinlichkeit der Auswahl.

Systematische Stichprobenerhebung kann auch an eine Non-EPS-Annäherung angepasst werden; für ein Beispiel, sieh Diskussion von PPS Proben unten.

Geschichtete Stichprobenerhebung

Wo die Bevölkerung mehrere verschiedene Kategorien umarmt, kann der Rahmen durch diese Kategorien in getrennte "Schichten" organisiert werden. Jede Schicht wird dann als eine unabhängige Subbevölkerung probiert, aus der individuelle Elemente zufällig ausgewählt werden können. Es gibt mehrere potenzielle Vorteile für die geschichtete Stichprobenerhebung.

Erstens kann das Teilen der Bevölkerung in verschiedene, unabhängige Schichten Forschern ermöglichen, Schlussfolgerungen über spezifische Untergruppen zu ziehen, die in einer mehr verallgemeinerten zufälligen Probe verloren werden können.

Zweitens kann das Verwenden einer geschichteten ausfallenden Methode zu effizienteren statistischen Schätzungen führen (vorausgesetzt, dass Schichten gestützt auf der Relevanz zum fraglichen Kriterium, statt der Verfügbarkeit der Proben ausgewählt werden). Selbst wenn eine geschichtete ausfallende Annäherung zu vergrößerter statistischer Leistungsfähigkeit nicht führt, wird solch eine Taktik auf weniger Leistungsfähigkeit nicht hinauslaufen, als einfache zufällige Stichprobenerhebung würde, vorausgesetzt, dass jede Schicht zur Größe der Gruppe in der Bevölkerung proportional ist.

Drittens ist es manchmal der Fall, dass Daten für die Person, vorher existierenden Schichten innerhalb einer Bevölkerung mehr sogleich verfügbar sind als für die gesamte Bevölkerung; in solchen Fällen, mit einer geschichteten ausfallenden Annäherung kann günstiger sein als das Anhäufen von Daten über Gruppen (obwohl das uneins mit der vorher bekannten Wichtigkeit davon potenziell sein kann, für das Kriterium relevante Schichten zu verwerten).

Schließlich, da jede Schicht als eine unabhängige Bevölkerung behandelt wird, können verschiedene ausfallende Annäherungen auf verschiedene Schichten angewandt werden, potenziell Forschern ermöglichend, die Annäherung am besten angepasst (oder am rentabelsten) für jede identifizierte Untergruppe innerhalb der Bevölkerung zu verwenden.

Es, gibt jedoch, einige potenzielle Nachteile zum Verwenden geschichteter Stichprobenerhebung. Erstens können das Identifizieren von Schichten und das Einführen solch einer Annäherung die Kosten und Kompliziertheit der Beispielauswahl, sowie des Führens zu vergrößerter Kompliziertheit von Bevölkerungsschätzungen vergrößern. Zweitens, wenn das Überprüfen vielfacher Kriterien, das Schichten von Variablen mit einigen, aber nicht mit anderen verbunden sein können, weiter das Design komplizierend, und potenziell das Dienstprogramm der Schichten reduzierend. Schließlich, in einigen Fällen (wie Designs mit einer Vielzahl von Schichten oder denjenigen mit einer angegebenen minimalen Beispielgröße pro Gruppe), kann geschichtete Stichprobenerhebung eine größere Probe potenziell verlangen, als andere Methoden würde (obwohl in den meisten Fällen die erforderliche Beispielgröße nicht größer sein würde, als es für die einfache zufällige Stichprobenerhebung erforderlich wäre.

Eine geschichtete ausfallende Annäherung ist am wirksamsten, wenn drei Bedingungen entsprochen werden:

1. Die Veränderlichkeit innerhalb von Schichten wird minimiert
2. Die Veränderlichkeit zwischen Schichten wird maximiert
3. Die Variablen, auf die die Bevölkerung geschichtet ist, werden mit der gewünschten abhängigen Variable stark aufeinander bezogen.

Vorteile gegenüber anderen ausfallenden Methoden

1. Konzentriert sich auf wichtige Subbevölkerungen und ignoriert irrelevante.
2. Erlaubt Gebrauch des verschiedenen Stichprobenverfahrens für verschiedene Subbevölkerungen.
3. Verbessert die Genauigkeit/Leistungsfähigkeit der Bewertung.
4. Erlaubt das größere Ausgleichen der statistischen Macht von Tests von Unterschieden zwischen Schichten durch die Stichprobenerhebung von gleichen Anzahlen von Schichten, die sich weit in der Größe ändern.

Nachteile

1. Verlangt Auswahl an relevanten Schichtungsvariablen, die schwierig sein können.

Ist

1. nicht nützlich, wenn es keine homogenen Untergruppen gibt.
2. Kann teuer sein, um durchzuführen.

Postschichtung

Schichtung wird manchmal eingeführt nach der Stichprobenerhebung führen einen Prozess genannt "Postschichtung" stufenweise ein. Diese Annäherung wird normalerweise wegen eines Mangels an vorherigen Kenntnissen einer passenden sich gliedernden Variable durchgeführt, oder wenn der Experimentator an der notwendigen Information Mangel hat, um eine sich gliedernde Variable während der ausfallenden Phase zu schaffen. Obwohl die Methode gegen die Fallen des Postens hoc Annäherungen empfindlich ist, kann es mehrere Vorteile in der richtigen Situation zur Verfügung stellen. Durchführung folgt gewöhnlich einer einfachen zufälligen Probe. Zusätzlich zum Berücksichtigen der Schichtung auf einer Hilfsvariable kann Postschichtung verwendet werden, um Gewichtung durchzuführen, die die Präzision Schätzungen einer Probe verbessern kann.

Überstichprobenerhebung

Wahl-basierte Stichprobenerhebung ist eine der geschichteten ausfallenden Strategien. In der Wahl-basierten Stichprobenerhebung sind die Daten auf dem Ziel geschichtet, und eine Probe wird von jeder Schicht genommen, so dass die seltene Zielklasse in der Probe mehr vertreten wird. Auf das Modell wird dann auf dieser voreingenommenen Probe gebaut. Die Effekten der Eingangsvariablen auf dem Ziel werden häufig mit mehr Präzision mit der Wahl-basierten Probe geschätzt, selbst wenn eine kleinere gesamte Beispielgröße im Vergleich zu einer zufälligen Probe genommen wird. Die Ergebnisse müssen gewöhnlich angepasst werden, um für die Überstichprobenerhebung zu korrigieren.

Zur Größe-Stichprobenerhebung proportionale Wahrscheinlichkeit

In einigen Fällen hat der Beispielentwerfer Zugang zu einem ""oder" variablen Hilfsgröße-Maß", geglaubt, zur Variable von Interesse für jedes Element in der Bevölkerung aufeinander bezogen zu werden. Diese Daten können verwendet werden, um Genauigkeit im Beispieldesign zu verbessern. Eine Auswahl ist, die Hilfsvariable als eine Basis für die Schichtung, wie besprochen, oben zu verwenden.

Eine andere Auswahl ist Wahrscheinlichkeit, die zur Größe ('PPS') Stichprobenerhebung proportional ist, in der die Auswahl-Wahrscheinlichkeit für jedes Element veranlasst wird, zu seinem Größe-Maß, bis zu einem Maximum 1 proportional zu sein. In einem einfachen PPS Design können diese Auswahl-Wahrscheinlichkeiten dann als die Basis für Poisson verwendet werden, der ausfällt. Jedoch hat das den Nachteil der variablen Beispielgröße, und verschiedene Teile der Bevölkerung können noch über - oder unterrepräsentiert wegen der zufälligen Veränderung in Auswahlen sein. Um dieses Problem zu richten, kann PPS mit einer systematischen Annäherung verbunden werden.

Beispiel: Nehmen Sie An, dass wir sechs Schulen mit Bevölkerungen 150, 180, 200, 220, 260, und 490 Studenten beziehungsweise (Gesamt-1500-Studenten) haben, und wir Studentenbevölkerung als die Basis für eine PPS Probe der Größe drei verwenden wollen. Um das zu tun, konnten wir die ersten Schulnummern 1 bis 150, die zweite Schule 151 bis 330 (= 150 + 180), die dritte Schule 331 bis 530, und so weiter zur letzten Schule (1011 bis 1500) zuteilen. Wir erzeugen dann einen zufälligen Anfang zwischen 1 und 500 (gleich 1500/3) und Zählung durch die Schulbevölkerungen durch Vielfachen 500. Wenn unser zufälliger Anfang 137 wäre, würden wir die Schulen auswählen, die zugeteilte Nummern 137, 637, und 1137, d. h. die ersten, vierten und sechsten Schulen gewesen sind.

Die PPS-Annäherung kann Genauigkeit für eine gegebene Beispielgröße durch das Konzentrieren der Probe auf große Elemente verbessern, die den größten Einfluss auf Bevölkerungsschätzungen haben. PPS Stichprobenerhebung wird für Überblicke über Geschäfte allgemein verwendet, wo sich Element-Größe außerordentlich ändert und Hilfsinformation häufig - zum Beispiel verfügbar ist, könnte ein Überblick, der versucht, die Zahl von in Hotels ausgegebenen Gast-Nächten zu messen, die Zahl jedes Hotels von Zimmern als eine Hilfsvariable verwenden. In einigen Fällen kann ein älteres Maß der Variable von Interesse als eine Hilfsvariable verwendet werden, wenn man versucht, aktuellere Schätzungen zu erzeugen.

Traube-Stichprobenerhebung

Manchmal ist es rentabler, um Befragte in Gruppen ('Trauben') auszuwählen. Stichprobenerhebung wird häufig durch die Erdkunde, oder vor Zeitabschnitten gebündelt. (Fast alle Proben sind in einem Sinn 'gebündelt' rechtzeitig - obwohl das in der Analyse selten in Betracht gezogen wird.) Zum Beispiel, als wir Haushalte innerhalb einer Stadt überblickt haben, könnten wir beschließen, 100 Stadtblöcke auszuwählen und dann jeden Haushalt innerhalb der ausgewählten Blöcke zu interviewen.

Das Sammeln kann Reisen und Verwaltungskosten reduzieren. Im Beispiel oben kann ein Interviewer eine einzelne Reise machen, um mehrere Haushalte in einem Block zu besuchen, anstatt zu einem verschiedenen Block für jeden Haushalt fahren zu müssen.

Es bedeutet auch, dass man keinen ausfallenden Rahmen braucht, der alle Elemente in der Zielbevölkerung verzeichnet. Statt dessen können Trauben aus einem Rahmen des Traube-Niveaus, mit einem Rahmen des Element-Niveaus geschaffen nur für die ausgewählten Trauben gewählt werden. Im Beispiel oben verlangt die Probe nur eine Stadtkarte des Block-Niveaus für anfängliche Auswahlen, und dann eine Haushaltsniveau-Karte der 100 ausgewählten Blöcke, aber nicht eine Haushaltsniveau-Karte der ganzen Stadt.

Traube, die allgemein ausfällt, vergrößert die Veränderlichkeit von Beispielschätzungen über dieser der einfachen zufälligen Stichprobenerhebung je nachdem, wie sich die Trauben zwischen sich im Vergleich zur Schwankung innerhalb der Traube unterscheiden. Deshalb verlangt Traube-Stichprobenerhebung eine größere Probe, als SRS, um dasselbe Niveau der Genauigkeit zu erreichen - aber Ersparnisse vom Sammeln zu kosten, noch das eine preiswertere Auswahl machen könnte.

Traube-Stichprobenerhebung wird als Mehrstufenstichprobenerhebung allgemein durchgeführt. Das ist eine komplizierte Form der Traube, die ausfällt, in dem zwei oder mehr Niveaus von Einheiten ein im anderen eingebettet werden. Die erste Stufe besteht daraus, die Trauben zu bauen, die an die Probe davon gewöhnt sein werden. In der zweiten Bühne wird eine Probe von primären Einheiten von jeder Traube zufällig ausgewählt (anstatt alle Einheiten zu verwenden, die in allen ausgewählten Trauben enthalten sind). In folgenden Stufen, in jeder jener ausgewählten Trauben, werden zusätzliche Proben von Einheiten und so weiter ausgewählt. Alle äußersten Einheiten (Personen, zum Beispiel) ausgewählt am letzten Schritt dieses Verfahrens werden dann überblickt. Diese Technik ist so im Wesentlichen der Prozess, zufällige Subproben zu nehmen, zufälligen Proben voranzugehen.

Mehrstufenstichprobenerhebung kann ausfallende Kosten wesentlich reduzieren, wo die ganze Bevölkerungsliste würde gebaut werden müssen (bevor andere ausfallende Methoden angewandt werden konnten). Durch das Beseitigen der Arbeit, die am Beschreiben von Trauben beteiligt ist, die nicht ausgewählt werden, kann Mehrstufenstichprobenerhebung die großen mit der traditionellen Traube-Stichprobenerhebung vereinigten Kosten reduzieren.

Quote-Stichprobenerhebung

In der Quote-Stichprobenerhebung wird die Bevölkerung zuerst in gegenseitig exklusive Untergruppen, ebenso in der geschichteten Stichprobenerhebung segmentiert. Dann wird Urteil verwendet, um die Themen oder Einheiten von jedem auf einem angegebenen Verhältnis gestützten Segment auszuwählen. Zum Beispiel kann einem Interviewer 200 Beispielfrauen und 300 Männern zwischen dem Alter 45 und 60 erzählt werden.

Es ist dieser zweite Schritt, der die Technik eine der Nichtwahrscheinlichkeitsstichprobenerhebung macht. In der Quote, die die Auswahl an der Probe probiert, ist nichtzufällig. Zum Beispiel könnten Interviewer geneigt sein, diejenigen zu interviewen, die am nützlichsten aussehen. Das Problem besteht darin, dass diese Proben beeinflusst werden können, weil nicht jeder eine Chance der Auswahl bekommt. Dieses zufällige Element ist seine größte Schwäche, und die Quote gegen die Wahrscheinlichkeit ist eine Sache der Meinungsverschiedenheit viele Jahre lang gewesen.

Zufällige Stichprobenerhebung

Zufällige Stichprobenerhebung (manchmal bekannt als Griff, Bequemlichkeit oder Gelegenheitsstichprobenerhebung) ist ein Typ der Nichtwahrscheinlichkeitsstichprobenerhebung, die mit der Probe verbunden ist, die von diesem Teil der Bevölkerung wird zieht, die Hand nah ist. D. h. eine Bevölkerung wird ausgewählt, weil es sogleich verfügbar und günstig ist. Es kann durch das Treffen mit der Person oder einschließlich einer Person in der Probe sein, wenn man sie oder gewählt trifft, indem man sie durch technologische Mittel wie das Internet oder unter dem Telefon findet. Der Forscher, der solch eine Probe verwendet, kann Generalisationen über die Gesamtbevölkerung von dieser Probe nicht wissenschaftlich machen, weil es nicht vertretend genug sein würde. Zum Beispiel, wenn der Interviewer solch einen Überblick an einem Einkaufszentrum früh am Morgen an einem gegebenen Tag führen sollte, würden die Leute, die er/sie interviewen konnte, auf diejenigen beschränkt, die dort in dieser gegebenen Zeit gegeben sind, die die Ansichten von anderen Mitgliedern der Gesellschaft in solch einem Gebiet nicht vertreten würde, wenn der Überblick zu verschiedenen Zeiten des Tages und mehrere Male pro Woche geführt werden sollte. Dieser Typ der Stichprobenerhebung ist für die Versuchsprüfung am nützlichsten. Mehrere wichtige Rücksichten für Forscher, die Bequemlichkeitsproben verwenden, schließen ein:

1. Gibt es Steuerungen innerhalb des Forschungsdesigns oder Experimentes das kann dienen, um den Einfluss einer nichtzufälligen Bequemlichkeitsprobe zu vermindern, dadurch sicherstellend, dass die Ergebnisse die Bevölkerung mehr vertretend sein werden?
2. Dort ist guter Grund zu glauben, dass eine besondere Bequemlichkeitsprobe würde oder antworten oder sich verschieden benehmen sollte als eine zufällige Probe von derselben Bevölkerung?
3. Fragt die Frage durch Forschungsdiejenige auf die kann mit einer Bequemlichkeitsprobe entsprechend geantwortet werden?

In der Sozialwissenschaft-Forschung ist Schneeball-Stichprobenerhebung eine ähnliche Technik, wo vorhandene Studienthemen verwendet werden, um mehr Themen in die Probe zu rekrutieren. Einige Varianten der Schneeball-Stichprobenerhebung, wie gesteuerter Befragter ausfallend, erlauben Berechnung von Auswahl-Wahrscheinlichkeiten und sind Wahrscheinlichkeitsstichprobenerhebungsmethoden unter bestimmten Bedingungen.

Linienabschnitt-Stichprobenerhebung

Linienabschnitt-Stichprobenerhebung ist eine Methode, Elemente in einem Gebiet zu probieren, wodurch ein Element probiert wird, wenn ein gewähltes Liniensegment, genannt einen "transect", das Element durchschneidet.

Tafel-Stichprobenerhebung

Tafel-Stichprobenerhebung ist die Methode, zuerst eine Gruppe von Teilnehmern durch eine zufällige ausfallende Methode auszuwählen und dann diese Gruppe um dieselbe Information wieder mehrere Male über eine Zeitdauer von der Zeit bittend. Deshalb werden jedem Teilnehmer derselbe Überblick oder Interview in zwei oder mehrmal Punkte gegeben; jede Periode der Datenerfassung wird eine "Welle" genannt. Diese Längsstichprobenerhebungsmethode erlaubt Schätzungen von Änderungen in der Bevölkerung zum Beispiel hinsichtlich chronischer Krankheit, Betonung zu wöchentlichen Nahrungsmittelausgaben im Akkord zu vergeben. Tafel-Stichprobenerhebung kann auch verwendet werden, um zu informieren, dass sich Forscher über die Gesundheit innerhalb der Person wegen des Alters ändern oder zu helfen, Änderungen in dauernden abhängigen Variablen wie eheliche Wechselwirkung zu erklären. Es hat mehrere vorgeschlagene Methoden gegeben, Tafel-Daten, einschließlich MANOVAS, Wachstumskurven und Strukturgleichung zu analysieren, die mit isolierten Effekten modelliert.

Ersatz von ausgewählten Einheiten

Stichprobenerhebung von Schemas kann ohne Ersatz sein ('WOR' - kein Element kann mehr ausgewählt werden als einmal in derselben Probe) oder mit dem Ersatz ('WR' - ein Element kann mehrmals in einer Probe erscheinen). Zum Beispiel, wenn wir Fisch fangen, sie messen, und sie sofort ins Wasser vor dem Weitergehen mit der Probe zurückgeben, ist das ein WR Design, weil wir damit enden könnten, denselben Fisch mehr zu fangen und zu messen, als einmal. Jedoch, wenn wir den Fisch ins Wasser nicht zurückgeben (z.B, wenn wir den Fisch essen), wird das ein WOR Design.

Beispielgröße

Formeln, Tabellen und Potenzfunktionskarten sind weithin bekannte Annäherungen, um Beispielgröße zu bestimmen.

Schritte, um Beispielgröße-Tische zu verwenden

1. Verlangen Sie die Wirkungsgröße von Interesse, α, und β.
2. Überprüfen Sie Beispielgröße-Tisch
3. Wählen Sie den Tisch entsprechend dem ausgewählten α\aus
4. Machen Sie die Reihe entsprechend der gewünschten Macht ausfindig
5. Machen Sie die Säule entsprechend der geschätzten Wirkungsgröße ausfindig.
6. Die Kreuzung der Säule und Reihe ist die minimale erforderliche Beispielgröße.

Die Stichprobenerhebung und Datenerfassung

Gute Datenerfassung ist verbunden:

• Im Anschluss an den definierten ausfallenden Prozess
• Das Halten der Daten in der Zeit bestellt
• Die Anmerkung von Anmerkungen und anderen Kontextereignissen
• Aufnahme von Nichtantworten

Die meisten ausfallenden Bücher und von Nichtstatistikern geschriebene Zeitungen konzentrieren sich nur im Datenerfassungsaspekt, der gerade ein kleiner ist, obwohl der wichtige Teil der Stichprobenerhebung in einer Prozession geht.

Fehler in Stichprobenerhebungen

Überblick-Ergebnisse sind etwas Fehler normalerweise unterworfen. Fehlweisungen können in Stichprobenfehler und Nichtstichprobenfehler eingeteilt werden. Der Begriff "Fehler" hier schließt systematische Neigungen sowie zufällige Fehler ein.

Stichprobenfehler und Neigungen

Stichprobenfehler und Neigungen werden durch das Beispieldesign veranlasst. Sie schließen ein:

1. Auswahl-Neigung: Wenn sich die wahren Auswahl-Wahrscheinlichkeiten von denjenigen unterscheiden, die im Rechnen der Ergebnisse angenommen sind.
2. Zufälliger Stichprobenfehler: Zufällige Schwankung in den Ergebnissen wegen der Elemente in der Probe, die aufs Geratewohl wird auswählt.

Nichtstichprobenfehler

Nichtstichprobenfehler sind andere Fehler, die die Endüberblick-Schätzungen zusammenpressen können, die durch Probleme in der Datenerfassung, der Verarbeitung oder dem Beispieldesign verursacht sind. Sie schließen ein:

1. Übereinschluss: Einschließung von Daten von der Außenseite der Bevölkerung.
2. Undercoverage: Stichprobenerhebung des Rahmens schließt Elemente in die Bevölkerung nicht ein.
3. Maß-Fehler: Z.B, wenn Befragte eine Frage missverstehen, oder es schwierig finden zu antworten.
4. Verarbeitung des Fehlers: Fehler im Datencodieren.
5. Nichtantwort: Misserfolg, ganze Daten von allen ausgewählten Personen zu erhalten.

Nach der Stichprobenerhebung sollte eine Rezension vom genauen Prozess gehalten werden, der in der Stichprobenerhebung, aber nicht dem gefolgt ist, beabsichtigt, um irgendwelche Effekten zu studieren, die irgendwelche Abschweifungen auf der nachfolgenden Analyse haben könnten. Ein besonderes Problem ist das der Nichtantwort. Zwei Haupttypen der Nichtantwort bestehen: Einheitsnichtantwort (sich beziehend, um der Vollziehung jedes Teils des Überblicks zu fehlen) und Artikel-Nichtantwort (Vorlage oder Teilnahme im Überblick, aber scheiternd, einen oder mehr Bestandteile/Fragen des Überblicks zu vollenden).

In der Überblick-Stichprobenerhebung können viele der als ein Teil der Probe erkannten Personen widerwillig sein, teilzunehmen, die Zeit nicht zu haben, um teilzunehmen (Gelegenheitskosten), oder Verwalter zu überblicken, kann nicht im Stande gewesen sein, sich mit ihnen in Verbindung zu setzen. In diesem Fall gibt es eine Gefahr von Unterschieden, zwischen Befragten und Nichtbefragten, zu voreingenommenen Schätzungen von Parametern der Grundgesamtheit führend. Das wird häufig durch die Besserung des Überblick-Designs, das Angebot von Anreizen und das Leiten von Anschlußstudien gerichtet, die einen wiederholten Versuch machen, sich mit dem unempfänglichen in Verbindung zu setzen und ihre Ähnlichkeiten und Unterschiede mit dem Rest des Rahmens zu charakterisieren. Die Effekten können auch durch die Gewichtung der Daten gelindert werden, wenn Bevölkerungsabrisspunkte verfügbar sind oder durch das Zuschreiben von Daten, die auf Antworten auf andere Fragen gestützt sind.

Nichtantwort ist besonders ein Problem in der Internetstichprobenerhebung. Gründe für dieses Problem schließen unpassend entworfene Überblicke ein, überüberblickend (oder überblicken Sie Erschöpfung), und die Tatsache, dass potenzielle Teilnehmer vielfache E-Mail-Adressen halten, die sie nicht mehr verwenden oder regelmäßig nicht überprüfen.

Überblick-Gewichte

In vielen Situationen kann der Beispielbruchteil durch die Schicht geändert werden, und Daten werden beschwert werden müssen, um die Bevölkerung richtig zu vertreten. So zum Beispiel könnte eine einfache zufällige Probe von Personen im Vereinigten Königreich einige in entfernte schottische Inseln einschließen, die zur Probe unmäßig teuer sein würden. Eine preiswertere Methode würde sein, eine geschichtete Probe mit städtischen und ländlichen Schichten zu verwenden. Die ländliche Probe konnte in der Probe, aber beschwerte passend in der Analyse unterrepräsentiert sein, um zu ersetzen.

Mehr allgemein sollten Daten gewöhnlich beschwert werden, wenn das Beispieldesign jeder Person keine gleiche Chance gibt, ausgewählt zu werden. Zum Beispiel, wenn Haushalte gleiche Auswahl-Wahrscheinlichkeiten haben, aber eine Person wird aus jedem Haushalt interviewt, gibt das Leuten von großen Haushalten eine kleinere Chance, interviewt zu werden. Das kann darüber erklärt werden, Überblick-Gewichte zu verwenden. Ähnlich haben Haushalte mit mehr als einer Telefonverbindung eine größere Chance, in einer zufälligen Ziffer-Wählen-Probe ausgewählt zu werden, und Gewichte können sich dafür anpassen.

Gewichte können auch anderen Zwecken wie das Helfen dienen, für die Nichtantwort zu korrigieren.

Geschichte

Die zufällige Stichprobenerhebung durch das Verwenden der Menge ist eine alte Idee, erwähnt mehrere Male in der Bibel. 1786 hat Pierre Simon Laplace die Bevölkerung Frankreichs geschätzt, indem er eine Probe zusammen mit dem Verhältnis-Vorkalkulatoren verwendet hat. Er hat auch probabilistic Schätzungen des Fehlers geschätzt. Diese wurden als moderne Vertrauensintervalle, aber als die Beispielgröße nicht ausgedrückt, die erforderlich wäre, um eine obere Einzelheit zu erreichen, hat zum Stichprobenfehler mit der Wahrscheinlichkeit 1000/1001 gebunden. Seine Schätzungen haben den Lehrsatz von Buchten mit einer gleichförmigen vorherigen Wahrscheinlichkeit verwendet und haben angenommen, dass seine Probe zufällig war.

In den USA 1936 ist die Literarische Auswahl-Vorhersage eines republikanischen Gewinns in der Präsidentenwahl schlecht schief wegen der strengen Neigung http://online.wsj.com/public/article/SB115974322285279370-_rk13XDUHmIcnA8DYs5VUscZG94_20071001.html?mod=rss_free gegangen. Mehr als zwei Millionen Menschen haben auf die Studie mit ihren Namen geantwortet, die durch Zeitschrift-Subskriptionslisten und Telefonbücher erhalten sind. Es wurde nicht geschätzt, dass diese Listen zu Republikanern schwer beeinflusst wurden und die resultierende Probe, obwohl sehr groß, tief rissig gemacht wurde.

Siehe auch

• Annahme, die ausfällt
• Datenerfassung
• Offizielle Statistik
• Erwiderung (Statistik)
• Probe (Statistik)
• Stichprobenerhebung (von Fallstudien)
• Stichprobenfehler
• Die ausfallende Theorie von Gy
• Vorkalkulator von Horvitz-Thompson

Referenzen

Das Lehrbuch durch Wäldchen und alia stellt eine Übersicht der Überblick-Methodik, einschließlich der neuen Literatur auf der Fragebogen-Entwicklung (informiert durch die kognitive Psychologie) zur Verfügung:

• Robert Groves, und alia. Überblick-Methodik (2010) die Zweite Ausgabe (2004) internationale Erstausgabe-Standardbuchnummer 0-471-48348-6.

Die anderen Bücher konzentrieren sich auf die statistische Theorie der Überblick-Stichprobenerhebung und verlangen einige Kenntnisse der grundlegenden Statistik, wie besprochen, in den folgenden Lehrbüchern:

• David S. Moore und George P. McCabe (Februar 2005). "Einführung in die Praxis der Statistik" (5. Ausgabe). W.H. Freeman & Company. Internationale Standardbuchnummer 0 7167 6282 X.

Das elementare Buch durch Scheaffer und alia verwendet quadratische Gleichungen von der Algebra der Höheren Schule:

• Scheaffer, Richard L., William Mendenhal und R. Lyman Ott. Elementare Überblick-Stichprobenerhebung, die Fünfte Ausgabe. Belmont: Duxbury Presse, 1996.

Mehr mathematische Statistik ist für Lohr, für Särndal und alia, und für Cochran (Klassiker) erforderlich:

Die historisch wichtigen Bücher durch Deming und Kish bleiben wertvoll für Einblicke für soziale Wissenschaftler (besonders über die amerikanische Volkszählung und das Institut für die Soziale Forschung an der Universität Michigans):

• Kish, Leslie (1995) Überblick-Stichprobenerhebung, Wiley, internationale Standardbuchnummer 0-471-10949-5

Weiterführende Literatur

• Räume, R L, und Pelzhändler, C J (Redakteure) (2003), Analyse von Überblick-Daten, Wiley, internationaler Standardbuchnummer 0-471-89987-9
• Deming, W. Edwards (1975) Auf der Wahrscheinlichkeit als eine Basis für die Handlung, Den amerikanischen Statistiker, 29 (4), pp146-152.
• Gy, P (1992) Stichprobenerhebung von heterogenen und dynamischen materiellen Systemen: Theorien der Heterogenität, ausfallend und homogenisierend
• Korn, E.L. und Graubard, B.I. (1999) Analyse von Gesundheitsüberblicken, Wiley, internationaler Standardbuchnummer 0-471-13773-1
• Stuart, Alan (1962) Grundideen der wissenschaftlichen Stichprobenerhebung, Hafner Publishing Company, New York

• (Bildnis von T. M. F. Smith auf der Seite 144)

Standards

ISO

• ISO 2859 Reihen
• ISO 3951 Reihen

ASTM

• ASTM E105 Standardpraxis für die Wahrscheinlichkeitsstichprobenerhebung von Materialien
• ASTM E122 Standardpraxis für das Rechnen der Beispielgröße, um, mit einem angegebenen erträglichen Fehler, dem Durchschnitt für die Eigenschaft sehr zu schätzen oder zu bearbeiten
• ASTM E141 Standardpraxis für die Annahme von Beweisen, die auf den Ergebnissen der Wahrscheinlichkeit basiert sind, die ausfällt
• ASTM E1402 Standardfachsprache in Zusammenhang mit der Stichprobenerhebung
• ASTM E1994 Standardpraxis für den Gebrauch des Prozesses orientierter AOQL und LTPD ausfallende Pläne
• ASTM E2234 Standardpraxis, für einen Strom des Produktes durch Attribute zu probieren, die durch AQL mit einem Inhaltsverzeichnis versehen sind

ANSI, ASQ

• ANSI/ASQ Z1.4

Amerikanische föderalistische und militärische Standards

• MIL-STD-105
• MIL-STD-1916