sso
| Hello Guest - login | My Account | My bookshelf | My folders
Kotar website
Page:6

דגימה כדי שניתן יהיה להסיק בצורה מדויקת פחות או יותר מתוצאות המדגם לאונלוסיה , חייב המדגם להיות דומה בהרכבו לאוכלוסיה . אם המדגם איננו כזה , הוא אינו מיצג ונקרא מדגם מוטה , בעוד מהמדגם המיצג נקרא מדגם בלתי-מוטה . ניקח לדוגמא את כתה י"א שהוזכרה קודם . בית הספר , בו לומדת כתה זו , מהווה גורם חשוב שיכול להטות את המדגם . נניח שבית הספר נמצא באזור בו מתגוררים אנשים הקשורים לתרבות אנגלו-אמריקאית , למשל , עולים מארצות דוברות אנגלית . בניהם פתוחים לשפה זו יותר מאשר נערים בני גילם , המתגוררים במקומות אחרים במדינה . סביר להניח שפתיווות זו לשפה תהיה גורם מסייע , והישגי התלמידים באזור זה יהיו גבוהים יחסית להישגי תלמידים במקומות אחרים . מדגם תלמידים זה יהיה , אם כן , מדגם מוטה . כדי שהמדגם יהיה בלתי מוטה , עליו לכלול תלמידים בעלי רקע מגוון יותר , תלמידים בעלי רמות אינטליגנציה שונות , מעמדות חברתיים שונים וכדומה . הצורה הטובה ביותר לבחירת מדגם בלתי מוטה היא שימוש במדגם מקרי . בדגימה מקרית יש סיכוי שווה לכל פרט , המשתייך לאוכלוסיה , להיכלל במדגם . סיכוי זה צריך להיות בלתי מושפע מהיכללותם של פרטים אחרים במדגם . דגימה מקרית יכולה , למשל , להתבצע על-ידי מחשב , המתבקש לפלוט מספר מסוים טל מספרי תעודות זהות , שבעליהן יכללו במדגם . מכיון שהמחשב מודרך לפלוט את המספרים באפן מקרי , הרי שיש סיכוי שווה לכל אזרח ישראלי להיכלל במדגם . כמו כן , הסיכוי של מר כהן , למשל , להיכלל במדגם , אינו משתנה כתוצאה מהעובדה , שמר לוי נכלל כבר במדגם . עקרון זה נקרא "אי-תלות , " והוא מהווה גורם חשוב בדגימה .

הוצאת דקל - פרסומים אקדמיים בע"מ


For optimal sequential viewing of Kotar
CET, the Center for Educational Technology, Public Benefit Company All rights reserved to the Center for Educational Technology and participating publishers
Library Rules About the library Help