1 pengenalan
Sampel cluster sampel probabilitas di mana setiap unit sampling adalah kumpulan, atau cluster, elemen.
Cluster sampling lebih murah dibandingkan sederhana atau stratified random sampling jika biaya
memperoleh bingkai yang berisi daftar semua elemen populasi sangat tinggi atau jika biaya memperoleh
pengamatan meningkat sebagai jarak yang memisahkan unsur meningkat.
Untuk meringkas, cluster sampling adalah desain yang efektif untuk memperoleh jumlah tertentu
informasi dengan biaya minimum dengan ketentuan sebagai berikut:
1. Sebuah frame yang baik daftar elemen populasi baik tidak tersedia atau sangat mahal untuk
mendapatkan, sementara bingkai daftar cluster mudah diperoleh.
2. Biaya memperoleh pengamatan meningkat sebagai jarak yang memisahkan unsur-unsur meningkat.
8.3 estimasi populasi berarti dan jumlahCluster sampling adalah simple random sampling dengan
masing-masing unit sampling yang berisi sejumlah elemen. Maka penaksir rata-rata populasi μ dan
jumlah τ adalah sama dengan yang untuk simple random sampling. Secara khusus, mean sampel y ̅
adalah estimator yang baik dari rata-rata populasi μ. Sebuah estimator dari μ dan dua estimator dari τ
dibahas dalam bagian ini.Notasi berikut ini digunakan dalam bab ini:N = jumlah cluster dalam populasin
= jumlah cluster yang dipilih dalam sampel acak sederhanam_i = jumlah elemen dalam cluster I, i = 1, ....,
Nm ̅ = 1 / n Σ_ (i = 1) ^ n▒m_i = ukuran cluster rata-rata untuk sampelM = Σ_ (i = 1) ^ N▒m_i = jumlah
elemen dalam populasiM ̅ = M / N = ukuran cluster rata-rata untuk populasiy_i = total semua
pengamatan di i th klaster
Contoh:
Wawancara dilakukan di masing-masing 25 blok sampel pada Contoh 8.1. Data yang berpenghasilan
disajikan pada Tabel 8.1. Menggunakan data untuk memperkirakan pendapatan per-kapita di kota dan
menempatkan terikat pada kesalahan dari estimasi.
Diperkirakan varians dalam Persamaan. (8.2) adalah bias dan estimator yang baik dari V (y )̅ hanya jika n
adalah katakanlah besar, n ≥ 20. Bias hilang jika cluster ukuran m_1, m_2 ⋯ m_N adalah sama. Seperti
dalam semua kasus estimasi rasio, penaksir dan kesalahan standar dapat ia dihitung dengan pas garis
regresi tertimbang dipaksa melalui asal dengan bobot yang sama dengan kebalikan dari nilai-nilai m.
Contoh 8.2 mengilustrasikan prosedur estimasi ini
Karena penaksir mean per elemen adalah estimator ratio, perhitungan dilanjutkan persis seperti yang
mereka lakukan untuk estimator ratio dalam Bab 6. Ringkasan statistik dasar untuk data tersebut
disajikan dalam tabel.
Penaksir (8.1) dari rata-rata populasi per elemen akan dilambangkan dalam kasus ukuran cluster yang
sama ini dengan y _ (c,) dan itu menjadi
y _C = 1 / m [1 / n Σ_ (i = 1) ^ n▒y_i] = 1 / mn Σ_ (i = 1) ^ n▒Σ_ (i = 1) ^ m▒y_ij
Mana y_ij menunjukkan pengamatan sampel j dari klaster i. Perhatikan bahwa y _C dapat dianggap
sebagai keseluruhan rata-rata semua measurments sampel nm, atau sebagai rata-rata total cluster
sampel dibagi dengan m