Per prima cosa, esaminiamo la differenza tra la tua popolazione e il tuo campione, poiché molti studenti spesso confondono questi termini. Il tuo campione è il gruppo di individui che partecipano al tuo studio. Questi sono gli individui che forniscono i dati per il tuo studio. La tua popolazione è il gruppo più ampio di persone a cui stai cercando di generalizzare i tuoi risultati. Quindi, per esempio, se si volesse determinare la relazione tra gratitudine e soddisfazione lavorativa nei biologi degli squali, il campione potrebbe essere composto da 30-40 singoli biologi degli squali., La tua popolazione potrebbe essere ” biologi degli squali negli Stati Uniti “o, se lo scopo del tuo studio era più ristretto,” biologi degli squali in Florida.”
Un campione rappresentativo è uno che rappresenta, riflette o “è come” la tua popolazione. Un campione rappresentativo dovrebbe essere un riflesso imparziale di come è la popolazione. Esistono molti modi per valutare la rappresentatività: sesso, età, stato socioeconomico, professione, istruzione, malattia cronica, persino personalità o proprietà dell’animale domestico., Tutto dipende da quanto dettagliato vuoi ottenere, dallo scopo del tuo studio e da quali informazioni sulla tua popolazione sono disponibili.
Quindi, se la maggior parte dei biologi degli squali nella popolazione sono donne, ma il tuo campione è tutto maschile, non hai un buon caso di rappresentatività perché il tuo campione non condivide le stesse caratteristiche della popolazione più grande. In questo caso, non puoi generalizzare i risultati del tuo studio alla popolazione (cioè, fare una dichiarazione più ampia sui biologi degli squali in base ai tuoi risultati), perché il tuo campione ha prove di grandi differenze rispetto alla tua popolazione.,
La mancanza di rappresentatività spesso deriva da errori di campionamento o pregiudizi. Un esempio di errore di campionamento sarebbe condurre un sondaggio di quante persone mangiano prodotti lattiero-caseari reclutando partecipanti dal vostro locale popolare caffè vegan. Un altro esempio potrebbe essere lo studio delle abitudini di bere degli studenti universitari, ma solo il campionamento dai membri delle fraternità. In questi esempi, è facile vedere come le caratteristiche dei campioni possono potenzialmente influenzare i risultati.
Quindi, come si evita l’errore di campionamento e si seleziona un campione rappresentativo?, Innanzitutto, considera attentamente il tuo frame di campionamento (i tuoi possibili partecipanti) e le procedure di reclutamento. Evita di reclutare solo membri di un certo sottoinsieme della tua popolazione, come i membri della fraternità o i frequentatori di caffè vegani negli esempi precedenti. Successivamente, un buon modo per ridurre il bias nel campionamento è quello di campionare in modo casuale dal frame di esempio. Attraverso questo, si riducono al minimo eventuali pregiudizi di selezione che potrebbero verificarsi, come bias volontario. È inoltre possibile implementare un protocollo di stratificazione, ad esempio il campionamento stratificato proporzionato., Diciamo che fate la vostra ricerca e scoprire la vostra popolazione di biologi squalo sono 80% donne. È quindi possibile assicurarsi che l ‘ 80% del campione sia costituito da donne, ad esempio mediante campionamento di quote. Un altro fattore da considerare è la dimensione del campione; i campioni più grandi tenderanno ad essere più rappresentativi (supponendo che si stia conducendo un campionamento casuale).
Infine, tieni presente che è improbabile che ogni campione sia perfettamente simile alla popolazione di interesse. Ci sarà sempre un piccolo errore di campionamento associato a qualsiasi studio, a meno che tu non assaggi ogni singolo membro della tua popolazione.