Örnekleme ve Örneklem Dağılımı

Örnekleme, anakütlenin tamamına bakmadan ondan çıkarım yapmayı sağlar. Bu konu örnekleme yöntemlerini, örneklem hatasını, örneklem dağılımını ve örneklem büyüklüğünü ele alır.

Anakütle, örneklem ve temel kavramlar

İstatistikte anakütle (evren), hakkında bilgi edinilmek istenen bütün birimlerin kümesidir. Bir işletmenin bütün müşterileri, bütün sevkiyatları veya bütün faturaları birer anakütledir.

Örneklem, anakütleden seçilen ve onu temsil etmesi beklenen alt kümedir. Anakütlenin tamamına ulaşmak çoğu zaman pahalı, yavaş veya imkânsızdır; bu nedenle örneklemle çalışılır.

İki temel büyüklük ayrılır:

- Parametre: Anakütleye ait gerçek değer. Ortalama μ, standart sapma σ, oran p.
- İstatistik: Örneklemden hesaplanan değer. Ortalama x̄, standart sapma s, oran p̂.

Amaç, istatistikten parametreyi tahmin etmektir. Tahmin hiçbir zaman kesin değildir; örneklem hatası içerir. Bu hata, örneklemin anakütlenin tamamını yansıtmamasından doğar ve örneklem büyüklüğü arttıkça azalır.

Önemli bir ayrım: Anakütlenin tamamına ulaşılsa bile ölçüm hatası, kayıt hatası ve yanıt vermeme gibi hatalar kalır. Örneklem hatası ortadan kalkar, ama diğer hatalar kalmaz. Bu nedenle "tam sayım yaptık, sonuç kesin" ifadesi her zaman doğru değildir.

Örnekleme yöntemleri

Örnekleme yöntemleri iki grupta toplanır: olasılıklı ve olasılıklı olmayan.

Olasılıklı yöntemler, her birimin seçilme olasılığının bilindiği yöntemlerdir. Çıkarım yapmaya uygundur:

- Basit tesadüfi örnekleme: Her birim eşit olasılıkla seçilir. Liste tam ve erişilebilir olduğunda kullanılır.
- Tabakalı örnekleme: Anakütle homojen alt gruplara (tabakalara) ayrılır, her tabakadan ayrı örneklem alınır. Müşterileri büyük/orta/küçük ölçek olarak ayırmak gibi. Tabakalar içinde homojenlik yüksekse tahmin daha isabetli olur.
- Sistematik örnekleme: Listedeki her k'ıncı birim seçilir. Hızlıdır; ancak listede düzenli bir örüntü varsa yanlılık doğabilir.
- Küme örneklemesi: Anakütle kümeler halinde seçilir; küme içindeki bütün birimler incelenir. Coğrafi olarak dağınık anakütlelerde maliyeti düşürür.

Olasılıklı olmayan yöntemler (kolayda örnekleme, kartopu, amaçlı seçim) hızlı ve ucuzdur; ancak seçilme olasılığı bilinmediği için sonuçlar anakütleye genellenemez. Müşteri memnuniyeti anketini yalnız siteyi ziyaret edenlere uygulamak, memnun olmayanları sistematik olarak dışarıda bırakabilir.

Örneklem hatası ve yanlılık

Örneklemden elde edilen sonuç ile gerçek değer arasındaki farkın iki kaynağı vardır:

Örneklem hatası (rastgele hata): Örneklemin rastlantısal olarak anakütleden farklı çıkmasıdır. Kaçınılmazdır; ancak örneklem büyüklüğü arttıkça azalır ve büyüklüğü hesaplanabilir. Standart hata, bu hatanın ölçüsüdür.

Yanlılık (sistematik hata): Örnekleme yönteminin veya veri toplama sürecinin belirli bir yöne sapmasıdır. Örneklem büyütülerek giderilmez; aksine büyük örneklem yanlı sonucu daha kesin hâle getirir.

Yanlılığın yaygın kaynakları şunlardır:

- Kapsam hatası: Anakütle listesinin eksik veya güncel olmaması. Yalnız aktif müşterilerin listelenmesi, ayrılan müşterileri dışarıda bırakır.
- Yanıt vermeme hatası: Ulaşılan birimlerin bir kısmının yanıt vermemesi. Memnuniyetsiz müşteriler anketi daha sık yanıtsız bırakıyorsa sonuç iyimser çıkar.
- Ölçüm hatası: Sorunun yönlendirici olması, seçeneklerin dengesizliği.

Ticari araştırmalarda yanıltıcı sonuçların çoğu örneklem hatasından değil, yanlılıktan doğar. Bu nedenle örneklem büyüklüğü kadar seçim yöntemi ve yanıt oranı da raporlanmalıdır.

Örneklem dağılımı ve merkezi limit teoremi

Aynı anakütleden çok sayıda farklı örneklem alınsa ve her birinin ortalaması hesaplansa, bu ortalamaların dağılımı örneklem dağılımı olur.

Örneklem dağılımının üç özelliği vardır:

1. Ortalaması, anakütle ortalamasına eşittir (x̄'nin beklenen değeri μ'dir).
2. Standart sapması, yani standart hata, σ / √n'dir. Örneklem büyüklüğü dört katına çıkarsa standart hata yarıya iner.
3. Biçimi, örneklem büyüdükçe normale yaklaşır.

Merkezi limit teoremi şunu söyler: Anakütlenin dağılımı ne olursa olsun, yeterince büyük örneklemlerde (genellikle n ≥ 30) örneklem ortalamasının dağılımı yaklaşık normaldir. Bu teorem, çıkarım istatistiğinin temelidir; anakütlenin normal dağılması gerekmez.

Örnek: Bir anakütlenin standart sapması 2, örneklem büyüklüğü 100 ise standart hata 2 / √100 = 0,2'dir. Örneklem büyüklüğü 400'e çıkarsa standart hata 2 / √400 = 0,1'e düşer.

Not: Anakütle sonluysa ve örneklem anakütlenin önemli bir bölümünü oluşturuyorsa (yaklaşık yüzde 5'ten fazla), sonlu anakütle düzeltmesi uygulanır. Bu düzeltme standart hatayı daha da küçültür. Ayrıntı, anakütle büyüklüğü bilindiğinde hesaplanır.

Örneklem büyüklüğü

Örneklem büyüklüğü, elde edilmek istenen kesinlik düzeyine göre belirlenir. Üç unsur gerekir:

1. Güven düzeyi: Sonucun hangi olasılıkla doğru aralıkta olması istendiği. Yaygın olarak yüzde 95 kullanılır.
2. Hata payı: Kabul edilebilir en büyük sapma (örneğin ±0,2 puan).
3. Değişkenlik: Anakütle standart sapması (bilinmiyorsa ön çalışmadan tahmin edilir).

Ortalama için yaklaşık formül:

n = (z × σ / E)²

Burada z güven düzeyine karşılık gelen katsayı (yüzde 95 için yaklaşık 1,96), σ standart sapma, E hata payıdır.

Örnek: σ = 2, E = 0,2, güven düzeyi yüzde 95 ise n = (1,96 × 2 / 0,2)² = 19,6² ≈ 384'tür. Yani yaklaşık 384 birimlik örneklem gerekir.

Oran için formül farklıdır ve p(1 − p) çarpımını içerir; p bilinmiyorsa en büyük örneklem gerektiren 0,5 değeri kullanılır.

Örneklem büyüklüğü belirlenirken maliyet ile kesinlik dengelenir. Hata payını yarıya indirmek, örneklem büyüklüğünü dört katına çıkarır; çünkü hata, √n ile ters orantılıdır. Bu nedenle "daha kesin sonuç" talebi, maliyeti hızla artırır. Karar, araştırmanın değeri ile maliyeti karşılaştırılarak verilir.

Bu notlar hukuki danışmanlık değildir; güncel mevzuatı resmî kaynaktan kontrol edin.