SLUAJNI UZORCI

jednostavni sluajni uzorak

sustavni uzorak
stratificirani uzorak
uzorak skupina (klastera)
uzorak povrina
Jednostavni sluajni uzorak
svaka jedinica ima jednaku mogunost da bude izabrana u uzorak (npr.
loto). Da bi se dobio sluajni uzorak moramo koristiti metodu izbora koja potpuno
iskljuuje mogunost da neki od lanova dobiju veu vjerojatnost izbora. Npr.
uzimanje uzorka samo od ljudi iz telefonskog imenika je pristrano zato jer smo
zanemarili sve ljude koji nemaju telefon ili ga nisu stavili u telefonski imenik.
U istraivanju trita bilo bi apsolutno nemogue sluajno birati jedinice
uzorka svih turista koji ljeto borave u Hrvatskoj. Postupak bi morao biti takav
da sva imena s adresama navedemo u cjelovitu popisu, kako bi svaki turist
imao jednaku i poznatu vjerojatnost da bude izabran u jednostavni sluajni
uzorak. To je iz praktinih razloga nemogue.
Prednosti:
1. Nije potrebno nikakvo znanje o populaciji
2. Nema mogunosti pristranosti zbog uvoenja nekog kriterija
klasifikacije
3. Omoguava veliko rasprenje elemenata
Mane:
1. Potreban je popis jedinica osnovnog skupa
2. Jedinice uzorka mogu biti previe rasprene
3. Ne mora biti reprezentativan prema svim svojstvima, osobito ako nije
previe velik
Sustavni uzorak
Moe biti jednako reprezentativan kao i sluajni uzorak. Moramo imati popis svih
lanova populacije koji je posloen na nain da ne unosi pristranost (npr. popis ljudi
po abecedi je dobar). Nakon toga odaberemo neki sistem po kojemu odabiremo
lanove (npr. prvog lana uzmemo sluajno, a nakon toga uzimamo svakog desetog),
to e dati slian efekt kao i sluajni uzorak ako je lista bila dobra.
navedeno podrazumijeva raspolaganje informacijama o osnovnom skupu
dodatna prednost sustavnog uzorka je ta da se u odreenim situacijama
moe birati i u sluaju kad ne postoji popis jedinica (npr. posjetitelji izlobe,
putnika, turista, itd.)
nedostatak sustavnog uzorka ako u pojavi postoji razliitost koja se
pojavljuje u pravilnim razmacima, moe se dogoditi da se sustavnim uzorkom
obuhvate vrhove pojave.
1

PRIMJER Od 7000 firmi na jednom podruju, koje su ureene u jedinstven

registar, potrebno je u uzorak izabrati 5%, odnosno 350 firmi za potrebe
nekog istraivanja. Sistematski uzorak podrazumijeva da se u uzorak izabere
svaka 20-ta firma (k = 7000/350 = 20). Postavlja se sada pitanje odakle da
se pone, preciznije, koju firmu od prvih dvadeset sa ureene liste izabrati
kao prvi element uzorka? Ovo se rjeava jednostavno, bilo pomou tablice
sluajnih brojeva ili statistikog softvera; recimo da smo izabrali firmu broj 7
na listi. Sada je lako odrediti sve ostale elemente sistematskog uzorka:
7+20=27, 27+20=47, 47+20=67 itd.
Stratificirani ili slojeviti uzorak je takav uzorak koji se dobije tako da se
populacija podijeli u slojeve ili stratume prema nekim karakteristikama, a
nakon toga se iz svakog sloja bira jednostavni sluajni uzorak. Na primjer, u
sociolokim istraivanjima stratumi se mogu birati prema dobnim skupinama.
osobine pomou kojih se stratifikacija provodi obino su zemljopisno
podruje, veliina naselja, sociodemografska i ostala obiljeja osnovnoga
skupa
za svaki stratum potrebno je raspolagati popisom jedinica, jer svaki
stratum u daljnjem postupku dobiva ulogu osnovnoga skupa iz kojega se
sluajno izabire uzorak
Osnovna prednost stratificiranog u odnosu na jednostavan sluajan uzorak je
to je reprezentativniji i samim tim daje preciznije informacije o parametru
skupa. S druge strane, stratificirano sluajno uzorkovanje je obino skuplje,
jer svaka jedinica osnovnog skupa mora biti dodjeljena nekom stratumu prije
nego to se pristupi jednostavnom sluajnom uzorkovanju.
PRIMJER 1Pretpostavimo da u strukturi poduzea jedne drave ima 10%
velikih, 30% srednjih i 60% malih. Proporcionalan pristup stratifikovanom
sluajnom uzorkovanju u ovom sluaju bi podrazumjevao da u uzorku od 50
poduzea bude 5 velikih, 15 srednjih i 30 malih. Ukoliko omjer u uzorku nije
ovakav, tada je u pitanju neproporcionalno stratifoicirano sluajno
uzorkovanje.
PRIMJER 2Na prijmer, ako elimo da istraujemo neki fenomen ili
karakteristiku na studentima fizike kulture sa naeg fakulteta, teko e biti
da se izmjere ba svi studenti. Sluajnim jednostavnim ili sistematskim
izborom ispitanika bi dobili reprezentativne podatke. Meutim, jo vea
reprezentativnost i valjanost informacija bila bi kada bi sve studente podjelili
u subpopulacije: prva godina (grupa 35%), druga godina (30%), trea godina
(20%) i etvrta godina (15%). Na osnovu tih proporcija sa liste studenata
odgovarajuih godina, potrebno je sluajnim izborom odabrati broj ispitanika
2

u svaku grupu, koji e biti proporcionalan postotku u populaciji studenata na

naem fakultetu.
Uzorak skupina (klastera)

Termin klaster dolazi od engl. rijei cluster (skupina "istovrsnih stvari",

grozd, skupiti u hrpu).

Kada ne raspolaemo relevantnim podacima o populaciji

Jedinice uzorkovanja prirodno-pojavljujue jedinice (regije, upanije,

opine, gradovi, kole)

Na tim razinama jednostavni nasumini odabir (u upanijama

nasumini odabir opina, u opinama naselja, u naseljima
kuanstava)

dobije se podjelom osnovnog skupa u skupine ili klastere te se

odreuje sluajnim izborom iz koje skupine e se dalje birati uzorak
pretpostavka svaki klaster reprezentativno predstavlja cijeli osnovni
skup
klasteri su meusobno slini, a unutar klastera postoje razlike meu
lanovima (heterogeni)
u uzorak se najee biraju lanovi iz samo nekih klastera, jer nema
potrebe da se svi biraju budui da su lanovi klastera heterogeni (kao
to su i u populaciji)
ne mora se prouavati cijela populacija
jednostupanjski uzorak klaster svi lanovi odabranog klastera ulaze u
uzorak
dvostupanjski uzorak klaster tek neki lanovi odabranog klastera ulaze u
uzorak i to oni koji se biraju jednostavnim sluajnim ili sustavnim (sluajnim)
izborom
osnovna prednost klaster uzrokovanja je lakoa odabira lanova u
uzorak Klasterski uzorak

PRIMJER 1: podijelimo grad u etvrti i nakon toga sluajno odaberemo nekoliko

etvrti u kojima sve stanovnike ispitamo o njihovom miljenju o gradskoj
upravi.

PRIMJER 2. Pretpostavimo da nas intersira miljenje studenata prve godine

ekonomskog fakulteta o kvaliteti nastave. Umjesto sluajnog izbora pojedinih
studenata sa cijele prve godine, sluajnim putem emo izabrati, na - primjer,
3 od 9 grupa za vjebe i anketirati sve studente u njima; uzorak, dakle,
3

obuhvaa 3 klastera. Ukoliko klasteri sadre veoma veliki broj elemenata,

onda uzorkom ne obuhvaamo sve elemente izabranih klastera, ve iz
svakog od njih sluajnim putem biramo po jedan jednostavan sluajan
uzorak. Na taj nain formiramo tzv. dvoetapni uzorak. Tako, na primjer,
umesto da ispitamo iz svake grupe vjebi sve studente, izabrali bismo po
jedan jednostavan sluajan uzorak veliine n (na primjer 20 studenata i njih
anketirali).
Uzorak povrina
Za sve dosadanje uzorke bilo je potrebno poznavanje osnovnog skupa. Za
jednostavni sluajni uzorak potreban je i popis jedinica osnovnog skupa. No,
u svakidanjem radu opis jedinica nije uvijek dostupan, a i poznavanje
osnovnog skupa je ogranieno. U nekim prilikama tehniki bi bilo mogue
pribaviti popis svih jedinica, ali bi trokovi takvog postupka bili previsoki.
Uzorak povrina rjeava probleme kad nema popisa jedinica osnovnog
skupa. To je vrsta uzorka u kojemu jedinice osnovnog skupa ine zemljopisna
podruja (npr. mala administrativna jedinica, hotelske zgrade i sl.).
Stanovnitvo je podijeljeno u podruja uz pomo zemljovida (ili plana grada),
a tada se sluajnim izborom odreuje podruje.
Uzorak povrina se moe provesti kao jednostupanjski i dvostupanjski. U
jednostupanjskom uzorku povrina prikupljamo podatke od svih jedinica iz
sluajno odabranih podruja. U dvostupanjskom UP iz izabranih skupina jo
se jedanput biraju podskupine, a tek tada jedinice koje emo istraiti.
NAMJERNI UZORCI
Namjerni uzorak ine elementi koje je odabrao istraiva prema vlastitoj
odluci. Na taj nain je teko odabrati reprezentativan uzorak. Takoer je
potrebno dobro poznavati osnovni skup, kako bi se mogli odabrati elementi
na temelju kojih se moe doi do pouzdanih rezultata.
Prednosti namjernog uzorka: biraju se oni elementi osnovnog skupa do kojih
je lake doi;
koristi se kod pilot ispitivanja za dobivanje najnunijih informacija o
osnovnom skupu,...
prigodni uzorak ine trenutno dostupni lanovi skupa npr. miljenja
kupaca u trgovakom centru) i

Prigodni uzorak je onaj koji se nae pri ruci jer je drugi nedostupan. Na
primjer, dostupni bolesnici na odjelu u bolnici, prisutni studenti neke godine
studija i slino.
bira se iskljuivo na osnovi pogodnosti, dostupnosti jedinica
Prigodni uzorak vrlo je koristan u izviajnom istraivanju kad nastojimo
saznati razliita gledanja na neki problem u nastojanju da formuliramo
hipoteze istraivanja. Moe biti koristan za sadraje u kojima pretpostavljamo
da ne postoje velike razlike meu ispitanicima, npr. skupinu studenata se
moe pitati o nekim fizikim osobinama koje su zajednike svim mladim
ljudima.
Ovako formirani uzorak je rijetko reprezentativan, i pored svoje veliine.
Kvotni uzorci
su jo loiji jer predstavljaju nesluajni stratificirani uzorak. Upotrebljavaju se
kod ad hoc organiziranih istraivanja za trine potrebe, za prikupljanje
miljenja graana o nekom problemu i slino. Istraiva unaprijed izabere
broj ljudi (kvotu) svakog pojedinog stratuma koje mora intervjuirati, stoga se
ti uzorci nazivaju kvotni.
POSTUPAK: potrebno je definirati populaciju, koju treba podijeliti na subpopulacije
prema karakteristikama koje su interesantne za istraivanje, a koje su odreene
problemom, predmetom i ciljevima istraivanja (npr. spol, uzrast, aktivnost,
sposobnost i dr.). Definira se veliina svake subpopulacije, te kvote, odnosno broj
lanova subpopulacije koje treba izabrati u uzorak, ali tako da izbor u uzorku bude
zastupljen proporcionalno veliini subpopulacija u populaciji. Na kraju, izbor
potencijalnih lanova iz svake subpopulacije vri se slobodnim prosuivanjem i
odluivanjem istraivaa.
Kvotni uzorak se vrlo esto primjenjuje u istraivanju trita zbog jednostavnoga
formiranja i relativno dobrih rezultata, unato tome to se u dobivanju rezultata
pomou tog uzorka ne mogu uporabiti odreeni statistiki postupci. Od svih
namjernih uzoraka, KU po svojoj logici najvie se pribliava sluajnim uzorcima. Taj
uzorak je na neki nain kombinacija stratificiranog na koji podsjea, jer se osnovni
skup dijeli u skupine, i prosudbenog uzorka jer se u uzorak odabiru lanovi koji po
prosudbi provoditelja najbolje odgovaraju cilju istraivanja.