Il campionamento consecutivo \u00e8 definito come un <\/span> campionamento non probabilistico <\/span> tecnica di campionamento non probabilistico in cui i campioni sono scelti a piacimento dal ricercatore. <\/span> campionamento di convenienza<\/span> solo con una leggera variazione. In questo caso, il ricercatore seleziona un <\/span>campione<\/span> o gruppo di persone, conduce una ricerca per un periodo, raccoglie i risultati e poi passa a un altro campione.<\/span><\/p>\n
Questa <\/span>tecnica di campionamento<\/span> d\u00e0 al ricercatore la possibilit\u00e0 di lavorare con pi\u00f9 campioni per mettere a punto il suo lavoro di ricerca e raccogliere spunti vitali per la ricerca.<\/span><\/p>\n
Nella maggior parte delle tecniche di campionamento nella ricerca, un <\/span>ricercatore<\/span> alla fine dedurr\u00e0 lo studio concludendo che l’esperimento e l’analisi dei dati accetteranno l’ipotesi nulla o la disapproveranno e accetteranno la spiegazione alternativa.<\/span><\/p>\n
Per ipotesi nulla si intende una teoria statistica secondo la quale non esiste alcuna differenza significativa tra l’insieme delle variabili coinvolte nella ricerca o nell’esperimento. In termini matematici, l’affermazione originale o predefinita \u00e8 spesso rappresentata da H0. Se l’ipotesi nulla viene accettata, il ricercatore non modificher\u00e0 le proprie opinioni o azioni. L’ipotesi nulla \u00e8 un dato indiretto o implicito.<\/span><\/p>\n
Un’ipotesi alternativa \u00e8 l’opposto dell’ipotesi nulla. In questa ipotesi statistica, esiste una relazione tra le due variabili coinvolte nello studio o nella ricerca. Una spiegazione alternativa viene accettata quando l’ipotesi nulla viene rifiutata. Un’ipotesi alternativa il cui test \u00e8 diretto ed esplicito. H1 indica una teoria alternativa. <\/span><\/p>\n
Tuttavia, nel campionamento consecutivo \u00e8 disponibile una terza opzione. In questo caso, il ricercatore pu\u00f2 accettare l’ipotesi nulla, se non l’ipotesi nulla, l’ipotesi alternativa. Se nessuno dei due \u00e8 applicabile, il ricercatore pu\u00f2 selezionare un altro gruppo di campioni e condurre nuovamente la ricerca o l’esperimento prima di prendere una decisione definitiva.<\/span><\/p>\n
Esempio di campionamento consecutivo <\/b><\/h3>\n
Ecco un esempio facile da capire di campionamento consecutivo<\/span><\/p>\n
\n
Uno degli esempi pi\u00f9 comuni di campione consecutivo \u00e8 quando le aziende\/marche fermano le persone in un centro commerciale o in aree affollate e consegnano loro volantini promozionali per l’acquisto di un’auto di lusso.<\/span><\/li>\n
In questo esempio, le persone che camminano nel centro commerciale sono i campioni e li consideriamo rappresentativi di una popolazione.<\/span><\/li>\n
Ora, il ricercatore consegna a queste persone una pubblicit\u00e0 o un opuscolo promozionale. Alcuni di loro accettano di rimanere indietro e di rispondere alle domande poste dal dirigente della promozione (possiamo considerarlo un ricercatore).<\/span><\/li>\n
Le risposte vengono raccolte e analizzate, ma non c’\u00e8 un risultato conclusivo che dimostri che le persone vorrebbero acquistare quell’auto sulla base delle caratteristiche descritte nel volantino.<\/span><\/li>\n
Il responsabile della promozione pone ora le domande a un altro gruppo di persone che analizzano i dettagli dell’auto e le sue caratteristiche e mostrano un vivo interesse per l’acquisto dell’auto di lusso. Pertanto, questo gruppo di persone ha fornito risultati conclusivi per l’acquisto del veicolo.<\/span><\/li>\n<\/ul>\n
Tuttavia, questo metodo di campionamento presenta degli svantaggi. Non si pu\u00f2 considerare il campione come rappresentativo dell’intera popolazione. In questo esempio, non tutte le persone che hanno preso il volantino erano interessate all’acquisto dell’auto.<\/span><\/p>\n
Qui \u00e8 dove il campionamento <\/span> pregiudizio<\/span> entra in scena. Per ovviare a questa distorsione, il campionamento consecutivo dovrebbe essere utilizzato insieme a <\/span> campionamento probabilistic.<\/span><\/p>\n
Vantaggi del campionamento consecutivo<\/b><\/h3>\n
Ecco i quattro vantaggi del campionamento consecutivo<\/span><\/p>\n
\n
In una tecnica di campionamento consecutivo, il ricercatore ha molte opzioni quando si tratta di <\/span> dimensione del campionamento<\/span> e il programma di campionamento. La dimensione del campione pu\u00f2 variare da poche a qualche centinaio di unit\u00e0: \u00e8 questo il range di dimensioni del campione di cui stiamo parlando. <\/span><\/li>\n
In questa <\/span> tecnica di campionamento<\/span> Il programma di campionamento dipende completamente dalla natura della ricerca che il ricercatore sta conducendo. Se un ricercatore non \u00e8 in grado di ottenere risultati conclusivi con un campione, pu\u00f2 dipendere dal secondo campione e cos\u00ec via per trarre risultati conclusivi. <\/span><\/li>\n
Con il campionamento consecutivo, il ricercatore pu\u00f2 mettere a punto il suo metodo di ricerca. Data la sua natura ripetitiva, \u00e8 possibile apportare piccole modifiche e aggiustamenti gi\u00e0 all’inizio della ricerca per evitare di considerare i pregiudizi della ricerca.<\/span><\/li>\n
Per condurre la ricerca \u00e8 necessario uno sforzo minimo da parte del ricercatore. Questa tecnica non richiede molto tempo e non necessita di un’ampia forza lavoro. <\/span><\/li>\n<\/ul>\n\n\n