نمونه‌گیری تصادفی طبقه‌بندی‌شده (Stratified Random Sampling)

این دسته‌بندی معمولاً بر اساس ویژگی‌های مشترک افراد انجام می‌شود، مانند:

• سطح درآمد
• میزان تحصیلات
• سن یا جنسیت

هدف از استفاده از این روش چیست؟

هدف اصلی این روش، افزایش دقت و نمایندگی بهتر نمونه از کل جامعه است.

✅ چون هر طبقه به‌طور جداگانه بررسی می‌شود، نتایج دقیق‌تر و واقعی‌تر خواهند بود.

مراحل انجام نمونه‌گیری طبقه‌بندی‌شده

1. تقسیم جامعه به طبقات (Strata)

جامعه به گروه‌های همگن بر اساس یک ویژگی مشخص تقسیم می‌شود.

2. نمونه‌گیری از هر طبقه

از هر طبقه به‌صورت تصادفی تعدادی نمونه انتخاب می‌شود.

انواع نمونه‌گیری طبقه‌بندی‌شده

1. نمونه‌گیری متناسب (Proportionate Sampling)

تعداد نمونه از هر طبقه متناسب با اندازه آن طبقه در جامعه انتخاب می‌شود.

📌 مثال:
اگر 60٪ جامعه مرد و 40٪ زن باشند:

• 60٪ نمونه از مردان
• 40٪ از زنان

2. نمونه‌گیری نامتناسب (Disproportionate Sampling)

تعداد نمونه از هر طبقه بدون توجه به اندازه واقعی آن طبقه انتخاب می‌شود.

📌 کاربرد:
زمانی که یک گروه کوچک اما مهم نیاز به بررسی دقیق‌تر دارد.

مثال ساده و کاربردی

فرض کنید یک دانشگاه دارای دانشجویان در سه مقطع است:

• کارشناسی
• کارشناسی ارشد
• دکتری

اگر بخواهید نظر دانشجویان را بررسی کنید:

• ابتدا آن‌ها را به این سه گروه تقسیم می‌کنید
• سپس از هر گروه به‌صورت تصادفی نمونه انتخاب می‌کنید

✅ این روش باعث می‌شود همه گروه‌ها در نتایج نماینده داشته باشند.

مزایای Stratified Random Sampling

✅ دقت بالاتر

به دلیل در نظر گرفتن تفاوت بین گروه‌ها

✅ نمایندگی بهتر جامعه

هر زیرگروه در نمونه حضور دارد

✅ مناسب برای تحلیل‌های دقیق

مناسب برای بررسی جمعیت، امید به زندگی و داده‌های اجتماعی

معایب و محدودیت‌ها

❌ نیاز به اطلاعات دقیق اولیه

باید ویژگی‌های جامعه از قبل مشخص باشد

❌ پیچیدگی بیشتر نسبت به روش ساده

زمان‌برتر و نیازمند برنامه‌ریزی دقیق

تفاوت با نمونه‌گیری تصادفی ساده