Download miễn phí Luận văn Ứng dụng phương pháp chọn mẫu trong điều tra chăn nuôi
Qua tính toán minh họa bằng số liệu điều tra mẫu trong thực tế từ khâu lập
phương án điều tra đến khâu ước lượng, kết quả đã cho ta thấy tính khả thi trong
việc áp dụng các phương pháp chọn mẫu ngẫu nhiên để thu thập số liệu thống
kê về chăn nuôi. Từ đó cho thấy, nếu muốn số liệu suy rộng cho toàn tỉnh, thì
mẫu triển khai trong toàn tỉnh. Muốn số liệu suy rộng cho từng huyện thì mẫu
phải lấy từ các huyện, tất nhiên mẫu phải đủ lớn để suy rộng cho từng quận
huyện. Nghĩa là nếu thông tin của mẫu được dùng để suy rộng cho tổng thể nào
thì mẫu phải được lấy ra từ tổng thể đó. Điều này tưởng chừng đơn giản nhưng
thực tế có khá nhiều kết luận không có giá trị chỉ vì nguyên tắc cơ bản này
không được chú ý. Lý do tác giả chọn hai địa phương là Thành Phố Hồ Chí Minh
và tỉnh Tây Ninh để thực hiện việc ứng dụng mẫu trong điều tra chăn nuôi vì ta
thấy đặc điểm chăn nuôi ở hai địa phương này có khác nhau, yêu cầu suy rộng
số liệu cũng khác nhau, thành phố Hồ Chí Minh suy rộng số liệu cho cả thành
phố, tỉnh Tây Ninh suy rộng số liệu cho từng thị xã, huyện và cho cả tỉnh, do đó
phương pháp chọn mẫu và lược đồ điều tra chọn mẫu áp dụng ở hai địa phương
cũng khác nhau.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
My
i
M
i
i
m
2
2
2
1
1
1= ⎡⎣⎢
⎤
⎦⎥
−⎛⎝⎜ ⎞⎠⎟
− −
⎛
⎝⎜
⎞
⎠⎟∑
Trong đó 875,21
32
700
m
nn m === hộ/ấp
Dựa vào bảng 3.2 ta tính được:
⎟⎠
⎞⎜⎝
⎛ −−= 519
321
132
2196,2953
32
1s2
y
= 2,793480688
793480688,2s
y
=⇒ = 1,6713709
86
Như vậy sai số chọn mẫu của y là 1,67137 con.
Số heo bình quân của 1 hộ Y được ước lượng bởi:
y2/
szy α±
67137,1.z7986,15 2/α±
Nếu chọn mức độ tin cậy là 95% thì zα/2 = 1,96
Ta có: 15,7986 -1,96 × 1,6713709 < Y < 15,7986 +1,96 × 1,6713709
12,52 con < Y < 19,07 con
Với tổng số hộ chăn nuôi heo của cả thành phố là 12.025 hộ, thì tổng đàn heo
của thành phố được ước lượng:
12.025 x 12,52 < Yˆ < 12.025 x 19,07
150.553 < Yˆ < 229.317 (con)
Như vậy với độ tin cậy 95% thì tổng đàn heo của các hộ gia đình ở thành phố có
đến ngày 01/8/2004 sẽ nằm trong khoảng (150.553 con; 229.317 con).
Nếu ước lượng điểm thì tổng đàn heo của các hộ gia đình ở thành phố có đến
ngày 01/8/2004 là 12.025 x 15,7986 = 189.978 con.
* Kiểm tra tính đại biểu của mẫu
Số liệu của mẫu sau khi điều tra sẽ được tính toán để suy rộng cho tổng thể, để
số liệu suy rộng có thể sử dụng được, ta phải kiểm tra tính đại biểu của mẫu.
Trong thực tế ta có thể dùng các cách như: Kiểm định Chi bình phương- χ2 ,
Kiểm định bằng biểu đồ, và dùng tỷ lệ sai số chọn mẫu.
Kiểm định Chi bình phương - χ2
Ta biết, muốn cho tổng thể mẫu có tính đại biểu cao, nghĩa là các kết quả ước
lượng hay kiểm định giả thuyết đảm bảo độ tin cậy mong muốn thì mẫu phải
được chọn theo đúng phương pháp khoa học, đồng thời sau khi chọn được mẫu
87
cụ thể cần kiểm tra lại tính đại biểu của nó. Tính đại biểu của mẫu thể hiện
trước tiên ở sự giống nhau về luật phân phối và độ biến thiên của tiêu thức.
Riêng trong trường hợp tổng thể chung được phân phối theo quy luật chuẩn
(trường hợp này rất hay xảy ra), thì nhiệm vụ của chúng ta lại là kiểm định tính
chuẩn của phân phối mẫu. Để kiểm định tính chuẩn của phân phối mẫu có rất
nhiều cách, một trong các cách đó là sử dụng một kiểm định phi tham số phù
hợp.
Trong điều tra chăn nuôi, số liệu sau khi thu thập từ mẫu sẽ được suy rộng cho
tổng thể. Để việc suy rộng đảm bảo độ tin cậy mong muốn ta phải kiểm tra tính
chuẩn của mẫu và người ta thường sử dụng kiểm định 2χ .
Để thực hiện kiểm định 2χ , trước tiên ta có danh sách số lượng heo của 700 hộ
thuộc các ấp mẫu (xem phụ lục số 7). Sau đó ta sử dụng phần mềm thống kê
SPSS để nhập số liệu của 700 hộ vào. Ta lập bảng phân phối tần số để có cái
nhìn tổng quát về phân phối của mẫu.
Bảng 3.3: Các tham số của mẫu từ SPSS
Frequencies
Statistics
Số heo các hộ
Valid 700N
Missing 0
Mean 15.80
Std. Error of Mean .532
Std. Deviation 14.079
Minimum 1
Maximum 150
Bảng 3.4: Bảng phân phối tần số về số heo các hộ
Frequency Percent Valid Percent
Cumulative
Percent
1 53 7.6 7.6 7.6
2 37 5.3 5.3 12.9
Valid
3 27 3.9 3.9 16.7
88
4 36 5.1 5.1 21.9
5 11 1.6 1.6 23.4
6 10 1.4 1.4 24.9
8 7 1.0 1.0 25.9
9 11 1.6 1.6 27.4
10 47 6.7 6.7 34.1
11 45 6.4 6.4 40.6
12 42 6.0 6.0 46.6
13 13 1.9 1.9 48.4
14 21 3.0 3.0 51.4
15 21 3.0 3.0 54.4
16 16 2.3 2.3 56.7
17 57 8.1 8.1 64.9
18 33 4.7 4.7 69.6
19 18 2.6 2.6 72.1
20 45 6.4 6.4 78.6
21 15 2.1 2.1 80.7
22 12 1.7 1.7 82.4
23 6 .9 .9 83.3
24 12 1.7 1.7 85.0
25 14 2.0 2.0 87.0
26 11 1.6 1.6 88.6
27 12 1.7 1.7 90.3
28 8 1.1 1.1 91.4
29 5 .7 .7 92.1
30 8 1.1 1.1 93.3
31 1 .1 .1 93.4
33 2 .3 .3 93.7
35 1 .1 .1 93.9
36 2 .3 .3 94.1
37 2 .3 .3 94.4
38 1 .1 .1 94.6
40 8 1.1 1.1 95.7
42 2 .3 .3 96.0
43 1 .1 .1 96.1
44 2 .3 .3 96.4
45 2 .3 .3 96.7
48 1 .1 .1 96.9
50 1 .1 .1 97.0
54 1 .1 .1 97.1
57 1 .1 .1 97.3
59 2 .3 .3 97.6
60 6 .9 .9 98.4
61 1 .1 .1 98.6
62 1 .1 .1 98.7
89
63 1 .1 .1 98.9
67 1 .1 .1 99.0
70 1 .1 .1 99.1
75 1 .1 .1 99.3
80 1 .1 .1 99.4
90 1 .1 .1 99.6
103 1 .1 .1 99.7
106 1 .1 .1 99.9
150 1 .1 .1 100.0
Total 700 100.0 100.0
Nguồn: Số liệu điều tra mẫu 1/8/2004 được xử lý từ phần mềm SPSS
Biểu đồ 3.1: Biểu đồ phân phối tần số về số lượng heo của các hộ
Để kiểm định xem số lượng heo chăn nuôi trong các hộ gia đình mẫu có tuân
theo phân phối chuẩn hay không ta đặt giả thuyết H0 và H1 như sau:
Giả thuyết H0 : Số heo nuôi trong các hộ gia đình có phân phối chuẩn.
Giả thuyết H1 : Số heo nuôi trong các hộ gia đình không có phân phối chuẩn.
Trước tiên, chúng ta xác định các xác suất để một đại lượng phân phối chuẩn có
trị số rơi vào các khoảng nhất định. Từ bảng phân phối chuẩn, ta xác định được
các xác suất của đại lượng phân phối chuẩn Z. Chẳng hạn, tra bảng phân phối
chuẩn ta có xác suất để đại lượng phân phối chuẩn Z rơi vào khoảng từ 0 đến 1
là 0,3413 và gần phân nửa của xác suất này là 0,1700 ứng với trị số giới hạn z =
90
0,44. Vậy xác suất Z có trị số rơi vào khoảng từ 0,44 đến 1 bằng 0,1713 và xác
xuất Z rơi vào khoảng từ 1 → ∞ sẽ bằng 0,1587 ( 0,5 - 0,3413).
Hình 3.2: Các xác suất để Z nằm giữa các khoảng giá trị
Tương tự chúng ta xác định được các trị số giới hạn của biến Z và các xác xuất
để Z nhận các trị số nằm giữa các trị số giới hạn này đối xứng qua 0:
z = -1 z = -0,44 z = 0 z = 0,44 z = 1
p1 = 0,1587 , p2 = 0,1713 , p3 =0,17 , p4 =0,17 , p5 =0,1713 , p6 =0,1587
Từ công thức Ei =n.pi , (n = 700), các trị số lý thuyết Ei có kết quả tính toán như
sau:
E1 =111,09 , E2 =119,91 , E3 =119 , E4 =119 , E5 = 119,91 , E6 =111,09
Dựa vào công thức Y = μ + σZ (suy ra từ công thức chuẩn hóa các trị số quan
sát), chuyển các trị số giới hạn của đại lượng ngẫu nhiên có phân phối chuẩn Z
thành trị số của yếu tố đang nghiên cứu là số heo nuôi trong một hộ gia đình.
Chúng ta có thể dùng y và s (tham số mẫu) thay cho μ và σ (tham số tổng thể) .
Dựa vào phụ lục số 7, ta tính y và s.
7986,15
700
11059y ==
2097,198
1700
5986,138548
1n
)yy(
s
2
i2 =−=−
−= ∑ 0787,142097,198s ==⇒
hay nếu dựa vào bảng 3.3 Statistics ta có ngay: trung bình Mean = 15,80 và độ
lệch tiêu chuẩn Std. Deviation = 14,079
91
Trị số giới hạn của các nhóm được xác định như sau:
y1 = 15,7986 + (-1)(14,0787) = 1,7199
y2 = 15,7986 + (-0,44)(14,0787) = 9,604
y3 = 15,7986 + (0) (14,0787) = 15,7986
y4 = 15,7986 + (0,44)(14,0787) = 21,9932
y5 = 15,7986 + (1)(14,0787) = 29,8773
Như vậy, ta đã xác định được các tổ, ở đây ta có 6 tổ, xác xuất để một quan sát
rơi vào tổ thứ i (pi), và số lượng quan sát theo lý thuyết (Ei).
Bảng 3.5: Bảng phân phối tần số lý thuyết
Yi (con) Pi
Tần số
lý thuyết
Ei =(n.pi)
< 1,72 0,1587 111,09
1,72 – 9,60 0,1713 119,91
9,60 – 15,80 0,1700 119,00
15,80 – 21,99 0,1700 119,00
21,99 – 29,88 0,1713 119,91
≥ 29,88 0,1587 111,09
Tổng cộng 1 700,00
Tiếp theo ta phải xác định các tần số thực tế 0i , tức là phân phối 700 hộ vào 6 tổ
trên. Rõ ràng là ta không thể làm bằng tay. Dựa vào bảng phân phối tần số 3.4
ta có thể nhặt ra số hộ ứng với từng tổ. Tuy nhiên ta có thể làm nhanh bằng cách
thực hiện lệnh Recode trong SPSS để tiến hành phân tổ lại.
Vào menu Transform > Recode > Into Different Variables, hộp thoại sau xuất
hiện:
92
Trong hộp thoại Recode này, ta chọn biến cần mã hóa lại, nhấn vào nút Old and
New Values để xác định các giá trị cũ và chỉ