Norėdami gauti informacijos apie tam tikrą gyventojų grupę, pavyzdžiui, tam tikro universiteto studentus, patogu naudoti reprezentatyvų studentų pavyzdį. Mokslininkas gauna informaciją iš šio mėginio ir išplečia tyrimo rezultatus visam gyventojui. Šis metodas supaprastina tyrimų procesą. Yra įvairių būdų gauti statistiškai patikimą mėginį iš gyventojų. Vienas iš tokių metodų yra proporcingas paskirstymas, kuris yra tam tikras stratifikuoto atrankos metodas.
Stratifikuotas mėginių ėmimas
Stratifikuotas mėginių ėmimas paskirsto populiaciją į skirtingus sluoksnius, pagrįstus konkrečia charakteristika. Pvz., Tyrėjas galėtų pasiskirstyti gyventojus pagal pajamas pagal mažas pajamas gaunantį sluoksnį, vidutinių pajamų sluoksnį ir aukštą pajamų sluoksnį. Mokslininkas turėtų pasirinkti savybę taip, kad iš kiekvieno sluoksnio išrinkti mėginiai būtų kiek įmanoma reprezentatyvesni.
Proporcingas paskirstymas
Kai tyrėjas suskirsto gyventojus į skirtingus sluoksnius, kyla klausimas, kiek žmonių imti mėginius iš kiekvieno sluoksnio. Pavyzdžiui, jei vienas sluoksnis susideda iš 1000 žmonių, o kitas - 2 000 žmonių, būtina atkreipti pavyzdžius, kurie tinkamai reprezentuoja šias didesnes grupes. Vienas iš pavyzdžių iš skirtingų sluoksnių pavyzdžių yra proporcingas paskirstymas. Šiuo metodu tyrėjas atkreipia tą patį žmonių skaičių iš kiekvieno sluoksnio, pvz., 5 proc.
Paprastumas
Vienas iš pagrindinių proporcingo paskirstymo privalumų yra tai, kad tai yra paprastas metodas. 5 procentų gyventojų iš kiekvieno sluoksnio pasirinkimas yra gana paprasta technika. Yra ir kitų atrankos metodų, kurie apima skirtingų žmonių skaičiaus iš kiekvieno sluoksnio skaičiavimą, kad būtų tinkamai atstovaujama kiekvieno sluoksnio žmonių požiūrių įvairovei.
Atstovavimas
Kitas proporcingo paskirstymo privalumas yra tas, kad jis sukuria imties dydį, kuris atspindi sluoksnio dydį gyventojų viduje. Pavyzdžiui, jei vienas sluoksnis susideda iš 1000 žmonių, o kitas - 2 000 žmonių, proporcingas paskirstymas galėtų sudaryti 1 proc. Tai reiškia, kad tyrėjas pasirinktų 10 žmonių iš pirmojo sluoksnio ir 20 žmonių iš antrojo sluoksnio. Kadangi antrajame sluoksnyje yra daugiau žmonių nei pirmasis sluoksnis, šis pavyzdys yra labiau reprezentatyvus, nei pasirenkant vienodą kiekvienos sluoksnio mėginių skaičių.
