المعاينة الطبقية والحصص: هل تطابق أعداد الفئات يثبت طريقة السحب؟

الخلاصة السريعة

الحصص تخبرك كم حالة طلبت من كل فئة؛ إثبات السحب العشوائي يحتاج معرفة آلية اختيار الحالات داخلها.

• تميز Statistics Canada المعاينة بالحصص عن الطبقية الاحتمالية بطريقة انتقاء الوحدات؛ تشابه تقسيم الفئات لا يكفي. ^[1]
• في مثالنا، اختيار صورتين من أربع حمراء وصورة من اثنتين زرقاوين عشوائيا وباستقلال بين الفئتين يسمح بـ 12 تركيبة متساوية الفرصة.
• اختيار أول صورتين حمراوين وأول صورة زرقاء في ترتيب ثابت يحقق الحصص نفسها، لكنه لا يعطي التركيبات الاثنتي عشرة فرصة متساوية.
• سجل الإطار والفئات والحصص وطريقة الانتقاء والتعامل مع الحالات غير المتاحة؛ لا نستنتج دقة الوسوم أو أداء النموذج من العدد النهائي.

أي فرق لا يظهر في جدول الأعداد؟

في شرح المعاينة بالحصص، تفرق Statistics Canada بينها وبين المعاينة الطبقية الاحتمالية في اختيار الوحدات: عشوائي في الثانية وغير عشوائي في الأولى. ^[1]

نطبق هذا الفرق على إعداد مجموعة صور تعليمية لنموذج، دون افتراض أن اسم مجلد الجمع يثبت تصميمه. يمكن كتابة الحصة «صورتان حمراوان وصورة زرقاء» قبل السحب في الطريقتين. معرفة الهدف العددي لا تخبرنا كيف حصل كل معرف على فرصة الحضور.

كما أن نسب الألوان لا تكشف تنوع الأشكال داخل اللون الواحد. لسنا بصدد حساب أثر ذلك في نموذج؛ نراجع هنا ما يمكن إثباته من سجل الاختيار نفسه.

كم تركيبة يسمح بها السحب المعلن؟

نؤلف قائمة كاملة فيها أربع صور حمراء: ح 1 وح 2 وح 3 وح 4 ، وصورتان زرقاوان: ز 1 وز 2. نختار زوجا غير مرتب من الحمراء دون إرجاع وبفرص متساوية لكل زوج، ثم واحدة من الزرقاء بفرص متساوية وباختيار مستقل عن الزوج.

الأزواج الحمراء الممكنة ستة: ح 1 وح 2 ، ح 1 وح 3 ، ح 1 وح 4 ، ح 2 وح 3 ، ح 2 وح 4 ، ح 3 وح 4. لكل زوج خياران للزرقاء؛ لذلك توجد 6×2=12 تركيبة، ولكل منها فرصة 1/12 بحسب التصميم الذي افترضناه.

كل صورة حمراء تظهر في ثلاثة من الأزواج الستة، ففرصة إدراجها 1/2. وفرصة كل زرقاء 1/2 أيضا. هذه حسابات للقائمة والقاعدة المحددتين، وليست نتيجة سحب نفذناه أو ضمانا لتغطية صفات الصور الأخرى.

ماذا يغير انتقاء أول الحالات المتاحة؟

لنفترض الآن ترتيبا ثابتا يبدأ بح 1 وح 2 بين الحمراء وبز 1 بين الزرقاء، ونقرر أخذ أول الحالات حتى تمتلئ الحصص. نحصل على ح 1 وح 2 وز 1 في كل مرة نطبق هذه القاعدة على القائمة الثابتة. أعداد الفئات لم تتغير، لكن الحالات الأخرى لا يتيح لها التصميم حضور هذه العينة.

هذا مثال محدد للاختيار غير العشوائي، وليس وصفا لازما لكل إجراء حصصي. قد يختار الباحث يدويا بطرق أخرى؛ المهم أن بلوغ العدد المطلوب لا يحدد بذاته احتمالات الإدراج. ولا نحول ملف الحصص إلى عينة احتمالية بمجرد إعادة ترتيب صفوفه بعد الجمع.

كيف نوثق الفرق قبل تجهيز بيانات التعلم؟

احفظ قائمة الاختيار كما كانت وقت السحب، وتعريف كل فئة، والعدد المطلوب، والقاعدة الفعلية لانتقاء المعرفات. إذا تعذر الوصول إلى صورة مختارة، سجل ما حدث وقاعدة التعويض إن وجدت؛ لا تستبدلها صمتا ثم تصف الاختيار بالقاعدة الأولى.

راجع العينة النهائية مقابل هذه المعلومات. يمكن تأكيد أن العدد يطابق الحصة مع بقاء طريقة الانتقاء غير موثقة. ويمكن أن تكون الآلية العشوائية موثقة مع وجود وسوم خاطئة تحتاج تدقيقا منفصلا.

السؤال هنا عن طريقة بناء المجموعة، وليس تفوق ملف على آخر في التدريب. الادعاء المتعلق بالأداء يحتاج تقييما للمهمة؛ أما الحصص وسجل السحب فيوضحان أي بيانات وصل إليها ذلك التقييم.