نمونه گيري دکتر مهدی مشکی استادیار دانشگاه علوم پزشکی گناباد

1. دانشگاه علوم پزشکی گناباد کارگاه روش تحقیق مقدماتی نمونه گيري دکتر مهدی مشکی استادیار دانشگاه علوم پزشکی گناباد

2. تعريف نمونه گيري • چرا نمونه گيري مي كنيم؟ • مفهوم نمونه ”معرف“ • روش هاي نمونه گيري • غير احتمالي • احتمالي • محاسبه حجم نمونه مطالب اين جلسه

3. كاهش هزينه ها • افزايش سرعت • افزايش دقت • غير عملي بودن سرشماري در بعضي شرايط چرا نمونه گيري مي كنيم؟

4. نمونه گيري فرآيندي است كه در طي آن بعضي از اعضاي يك جمعيت به عنوان نمايندگان معرف كل آن جمعيت انتخاب مي شوند تعريف

5. نمونه :Sample گروه يا مواردي كه اطلاعات از آنها به دست مي‌آيد . جامعه:Population گروه بزرگتري كه درصدد هستيم يافته‌هاي حاصل از بررسي و مطالعه را به آنها تعميم دهيم . -عنوان پژوهش

6. جمعیت نمونه برداری شده • محیط پژوهش • جمعیتی که نمونه ها واقعا از آن انتخاب شده است. • جمعیت هدف: مجموعه اشخاص یا عناصری است که معیارهای نمونه گیری را دارد.

7. Groups in Sampling The Target Population The Study Population The Sampling Frame Who is in your study?

8. Sampling Population Sample نمونه گيري و معرف بودن Target Population Target Population  Sampling Population  Sample

9. واحد نمونه گيري (sampling unit): فرد يا سوژه مورد بررسي كه داده ها در مورد آن جمع آوري مي شود. نسبت نمونه گيري (sampling fraction): نسبت تقسيم تعداد نمونه به تعداد جامعه چارچوب نمونه گيري (sampling frame): فهرست كل اعضاي جامعه كه شامل كل واحدهاي نمونه گيري ممكن است. رويه نمونه گيري (sampling scheme): روشي كه بر مبناي آن واحدهاي نمونه گيري از چارچوب نمونه گيري انتخاب ميشوند تعريفواژه ها

10. از نظر: • شخص: • ويژگي هاي جمعيتي (سن، جنس، ...) • مواجهه ها • مكان: (شهر/ روستا) • زمان: • فصل • روز هفته • ساعت روز معرف بودن نمونه (representativeness)

11. غير احتمالي (Non-probability sampling) • احتمالي (Probability sampling) روش هاي نمونه گيري

12. روش آسانیا در دسترس (Convenience Sampling) • روش سهميه اي (Quota Sampling) • روش مبتنی بر هدف (Purposeful S.) • روش گلوله برفی (Network S.) • روش نظری (Theoretical S.) احتمال انتخاب شدن مشخص نيست نمونه گيري غير احتمالي

13. روش های نمونه گیری غیر احتمالی • شانس انتخاب براي همه اعضاء جامعه مشخص نیست • نمونه حاصل معرف جامعه نمی باشد. • ممکن است بعضی از واحدها زیاد و برخی کم انتخاب شوند • نتایج بدست آمده را نمی توان با ادعای قوی به جامعه هدف تعمیم داد. • روش مناسب برای برآورد پارامترهای جامعه نمی باشد.

14. نمونه گیری غیر احتمالی • نمونه گیری آسان convenience

15. نمونه گیری غیر احتمالی • نمونه گیری سهمیه ای Quota sampling • اگر پژوهشگر تلاش کند با آوردن کلیه اجزای شناخته شده جامعه در نمونه خود، که از افراد در دسترس انتخاب شده اند، به نمونه جامعیت بدهد

16. نمونه گیری غیر احتمالی • نمونه گیری گلوله برفی Snowball sampling

17. شانس هر فرد برای ورود به نمونه معین، و نامساوی صفر است. • امكان سوگيري انتخاب را كم مي كند • اجازه مي دهد كه از تئوري هاي آماري در تحليل ها استفاده شود نمونه گيري احتمالي

18. نمونه گيري تصادفي ساده Simple random sampling • نمونه گيري تصادفي منظم Systematic sampling • نمونه گيري طبقه بندي شده Stratified sampling • نمونه گيري خوشه اي Cluster sampling • نمونه گيري چندمرحله اي Multistage sampling روش هاي نمونه گيري احتمالي

19. نمونه گيري تصادفي ساده Simple random sampling • نمونه گيري تصادفي منظم Systematic sampling • نمونه گيري طبقه بندي شده Stratified sampling • نمونه گيري خوشه اي Cluster sampling • نمونه گيري چندمرحله اي Multistage sampling روش هاي نمونه گيري احتمالي

20. شانس انتخاب همه واحدهاي نمونه گيري مساوي است • روش اجرا: • تهيه فهرست كل اعضاي جامعه (چارچوب نمونه گيري) • انتخاب تصادفي هر نمونه نمونه گيري تصادفي ساده

21. مزايا • آسان است • خطاي تصادفي (sampling error) به سادگي قابل اندازه گيري است نمونه گيري تصادفي ساده

22. معايب • احتياج به چارجوب نمونه گيري دارد • ممكن است نمونه بهترين معرف جامعه نباشد. (مثال میانگین هموگلوبین خون دانشجویان) • واحدهاي نمونه انتخاب شده پراكنده هستند

23. برای انجام نمونه گیری تصادفی ساده باید: • فهرستی شماره دار از واحدهای جامعه که قرار است نمونه از آنها انتخاب شود تهیه گردد. • اندازه نمونه مشخص می شود. • برای هر واحد جامعه نمونه گیری یک عدد در نظر گرفته می شود. • واحدهای مورد نیاز با قرعه کشی یا جدول اعداد تصادفی انتخاب شوند.

24. مثال: مي خواهيم شيوع پوسيدگي دندان را در بين 1200 نفر دانش آموزان يك مدرسه تعيين كنيم. • فهرست دانش آموزان مدرسه را تهيه كنيم • دانش آموزان را از 1 تا 1200 شماره گذاري كنيم • اگر حجم نمونه = 60 نفر باشد، بايستي 60 عدد تصادفي را بين 1 تا 1200 انتخاب كنيم. • چگونه؟؟ نمونه گيري تصادفي ساده

25. آقای فردوسی پور در برنامه نود قرعه کشی

26. جدول اعداد تصادفي

27. EPITABLE: random number listing

28. EPITABLE: random number listing

29. RANDBETWEEN Returns a random number between the numbers you specify. A new random number is returned every time the worksheet is calculated. Syntax RANDBETWEEN (bottom,top) Bottom    is the smallest integer RANDBETWEEN will return. Top    is the largest integer RANDBETWEEN will return. Example =RANDBETWEEN(1,1200) =RANDBETWEEN(-1,1) Microsoft Excel

30. نمونه گيري تصادفي ساده

31. تهيه فهرست واحد هاي جامعه (چارچوب نمونه گيري) • تقسيم اندازه جامعه به تعداد نمونه مورد نياز (X) • انتخاب يک عدد تصادفی بين 1 و X • افزودن X به عدد انتخاب شده نمونه گيري تصادفي منظم يا سيستماتيك

32. مثال: مي خواهيم شيوع پوسيدگي دندان (برمبناي DMF) را در بين 1200 نفر دانش آموزان يك مدرسه تعيين كنيم. • فهرست دانش آموزان مدرسه را تهيه كنيم • دانش آموزان را از 1 تا 1200 شماره گذاري كنيم • اگر حجم نمونه 60 نفر باشد، بايستي با توجه به 20 = 60 / 1200، از هر 20 نفر يكي انتخاب كنيم. • يك عدد تصادفي بين 1 تا 20 انتخاب مي كنيم (مثلاً 8) • سپس 20 تا 20 تا به عدد فوق (8) اضافه مي كنيم به اين ترتيب نمونه اول فرد شماره 8، بعدي 28، بعدي 48 و .... خواهند بود. نمونه گيري تصادفي منظم يا سيستماتيك

33. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 3133 32 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 ……..

34. نمونه گيري منظم يا سيستماتيك

35. جامعه را به تعدادي طبقه افراز مي كنيم • بين طبقه ها نبايد هم پوشاني وجود داشته باشد • هيچ فردي از جامعه نبايستي بيرون از طبقه بندي قرار بگيرد • از هر طبقه تعدادي نمونه انتخاب مي كنيم • يافته هاي حاصل از طبقات را روي هم مي ريزيم نمونه گيري طبقه بندي شده (stratified) هر چقدر داخل طبقات افراد بيشتر به هم شبيه (هموژن) باشند ولی بین طبقه ها تفاوت زیاد وجود داشته باشد، نمونه گيري طبقه اي بهتر است

36. مزايا • اگر داخل طبقه ها افراد به هم شبيه باشند، كارايي اين روش از روش تصادفي ساده بيشتر است • به علت وجود داده هاي مجزا از هر يك از طبقات، امكان تحليل جداگانه براي هر يك از طبقه ها وجود دارد • معايب • اگر صفت مورد نظر درداخل طبقه ها هتروژن باشد، اين روش مناسب نيست • محاسبه خطاي نمونه گيري (به دست آوردن SE) مشكل است نمونه گيري طبقه بندي شده

37. جامعه را به تعدادي گروه (خوشه) از واحدها تقسيم مي كنيم • تعدادي از خوشه ها را به طور تصادفي انتخاب مي كنيم • در هر خوشه همه واحدها (يا تعدادي از آنها) را انتخاب مي كنيم نمونه گيري خوشه اي (cluster) هر چقدر داخل خوشه ها افراد كمتر به هم شبيه (هتروژنيتي بيشتر) باشند نمونه گيري خوشه اي موفقتر است

38. مزايا • در اين روش نيازي به داشتن فهرست كامل واحدهاي نمونه گيري (چارچوب نمونه گيري) نيست. • هزينه مسافرت و منابع مورد نياز براي جمع آوري داده ها كمتر است • معايب • اگر هموژنيتي صفت مورد نظر درداخل خوشه ها خيلي زياد باشد، اين روش مناسب نيست. • نسبت به نمونه گیری تصادفی ساده، برای دستیابی به دقت (precision) مشابه به حجم نمونه بالاتری نیاز دارد. • محاسبه خطاي نمونه گيري (به دست آوردن SE) مشكل است نمونه گيري خوشه اي

39. نمونه گيري خوشه اي Section 1 Section 2 Section 3 Section 5 Section 4

40. نمونه برداري خوشه‌اي چند مرحله‌ايMultiple cluster sampling • بواسطه گستردگي بيش از حد جامعه محقق ناگزير مي‌گردد نمونه را طي دو يا چند مرحله انتخاب كند . مراحل: • جامعه موردنظر را دقيقا تعريف كنيد . • واحدها يا خوشه‌هاي نمونه برداري را تعريف كنيد . • تعدادي از خوشه‌ها يا واحدها را به صورت تصادفي انتخاب كنيد . • از ميان خوشه‌هاي انتخاب شده تعداد افراد مورد نظر را به روش تصادفي انتخاب كنيد

41. حجم نمونه Sample Size

42. اهمیت حجم نمونه • یکی از مهمترین شاخص های تعیین کننده توان تصمیم گیری و قدرت (power) یک مطالعه است. مثال مطالعه دیابت در سربازان (20/100) با انتخاب نمونه 15 نفر • حجم نمونه هم باید طوری انتخاب شود که اختلاف یا تفاوت علمی مشاهده شده از نظر علمی معنا دار باشد و هم از نظر اقتصادی با محدودیتی مواجه نشود. • اخلاق در پژوهش (بیشتر برای پژوهش های بالینی)

43. عوامل موثر بر حجم نمونه • میزان دقت مورد نیاز • روش نمونه گیری • نوع پژوهش • یکنواختی جامعه • هزینه و در دسترس بودن • محدودیت ها

44. عوامل موثر بر تعداد حداقل نمونه مورد نیاز • پراکندگی یا یکنواختی • دقت مورد نیاز • اطمینان مورد نیاز • اندازه جامعه؟

45. محاسبه حداقل حجم نمونه براي برآورد نسبت (صفت كيفي) α : احتمال خطاي نوع اول؛ اگر 05/0 = α باشد Z1- α/2برابر 96/1 است p : تخمين نسبت (proportion) صفت مورد نظر ِd: خطاي قابل قبول در برآورد نسبت مورد نظر

46. محاسبه حداقل حجم نمونه براي برآورد ميانگين (صفت كمي) α : احتمال خطاي نوع اول؛ اگر 05/0 = α باشد Z1- α/2برابر 96/1 است σ : انحراف معيار (SD) صفت مورد نظر ِِd: خطاي قابل قبول در برآورد ميانگين

47. محاسبه حداقل حجم نمونه براي مقايسه نسبت ها در دو جامعه مستقل α : احتمال خطاي نوع اول؛ اگر 05/0 = α باشد Z1- α/2برابر 96/1 است β : احتمال خطاي نوع دوم؛ اگر 2/0 = β باشد Z1- βبرابر 86/0 است p1 : نسبت در گروه اول p2: نسبت در گروه دوم

48. حتما مطالعه شود. • ویرایش دوم کتاب: نمونه گیری و مطالعه حجم نمونه در مطالعات علوم پزشکی مولف:دکتر علی چهرئی و همکاران انتشارات پژواک علم آریا، بهار 86 کتابخانه دانشگاه علوم پژکی گناباد:20W