Població estadística
La població estadística, també anomenada univers o col·lectiu, és, en estadística, el conjunt d'elements de referència sobre el qual es realitzen les observacions.[1][2][3][4]
En epidemiologia, una població és un conjunt de subjectes o individus amb determinades característiques demogràfiques, o també els participants en un estudi epidemiològic, d'on s'obté la mostra, de la qual es vol extrapolar els resultats d'aquest estudi (inferència estadística). El nombre d'elements o subjectes que componen una població estadística és igual o major que el nombre d'elements que s'obtenen d'aquesta en una mostra (n).
Definició
[modifica]En estadística, la població es refereix al conjunt de totes les unitats estadístiques (també anomenades unitats d'anàlisi, unitats d'enquesta)[5][6] amb criteris d'identificació idèntics (relacionats amb el subjecte, espacials i temporals).[7] La unitat estadística és la portadora d'informació per a l'anàlisi estadística. Les unitats estadístiques poden ser unitats naturals (persones, animals, plantes, peces de treball), però també unitats artificials, per exemple unitats socioeconòmiques (famílies, llars, empreses) o esdeveniments.[8][9]
«Una població pot contenir un nombre finit o infinit d'elements. Les poblacions teòriques sovint són (incomptablement) infinites, com ara...Per exemple, amb variables aleatòries contínues. Les poblacions reals solen ser molt grans, però sempre finites».[8] En conseqüència, es fa una distinció entre poblacions finites i poblacions infinites. També es parla d'una població tancada i una població oberta.[9] «La població finita es coneix com a població tancada, la població infinita com a població oberta».[10]
Tipus de població
[modifica]Hi ha diferents tipus de poblacions, que són:
- Població base: és el grup de persones designades per les característiques següents: personals, geogràfiques o temporals, que són elegibles per a participar en l'estudi.
- Població mostrejada: és la població base amb criteris de viabilitat o possibilitat de fer el mostreig.
- Mostra estudiada: és el grup de subjectes de què es recullen les dades si es realitzen les observacions, i és realment un subgrup de la població mostrejada i accessible. El nombre de mostres que es pot obtenir d'una població és una o més d'una.
- Població diana: és el grup de persones per al qual es va projectar aquest estudi, la classificació característica d'aquestes, la qual cosa fa el model d'estudi per al projecte establert.
Subpoblació
[modifica]Un subconjunt d'una població que comparteix una o més propietats addicionals s'anomena subpoblació.[11] Per exemple, si la població està integrada completament per egipcis, una subpoblació està formada completament per homes egipcis; si la població està formada per totes les farmàcies del món, una subpoblació està formada per totes les farmàcies d'Egipte. Per contra, una mostra és un subconjunt d'una població que no s'escull per compartir cap propietat addicional.
Les estadístiques descriptives poden produir resultats diferents per a diferents subpoblacions.[12] Per exemple, un medicament en particular pot tenir efectes diferents en diferents subpoblacions, i aquests efectes es poden amagar o ignorar si aquestes subpoblacions especials no s'identifiquen i s'examinen per separat.
De la mateixa manera, sovint es poden estimar els paràmetres amb més precisió si les subpoblacions estan separades: la distribució de les altures entre les persones es modela millor, per exemple, considerant homes i dones com a subpoblacions separades.
Les poblacions que consisteixen en subpoblacions es poden modelar utilitzant models de barreja, que combinen distribucions dins de subpoblacions en una distribució de població global.[13] Fins i tot si les subpoblacions estan ben modelades per determinats models simples, és possible que la població global no s'ajusti bé a un determinat model simple; la mala adherència pot ser una prova de l'existència de subpoblacions. Per exemple, donades dues subpoblacions iguals, ambdues distribuïdes normalment, si tenen la mateixa desviació estàndard, però mitjanes diferents, la distribució global mostrarà una curtosi més baixa que una única distribució normal: la mitjana de la les subpoblacions cauen a les espatlles de la distribució general.[14] Si estan suficientment separades, aquestes formen una distribució bimodal; en cas contrari, simplement té un bec ample. A més, mostrarà una sobredispersió en comparació amb una única distribució normal amb la variància donada. Alternativament, donades dues subpoblacions amb la mateixa mitjana però desviacions estàndard diferents, la població general presentarà una curtosi elevada, amb un pic més agut i cues més pesades (i, en conseqüència, espatlles més baixes) que una única distribució.[15]
Registre i estudi de poblacions
[modifica]Registre complet de poblacions
[modifica]La recopilació completa de dades de poblacions senceres és possible mitjançant estadística descriptiva. També es coneix com a cens complet o cens total,[16] tot i que el terme cens és enganyós en aquest cas, ja que deriva de proves empíriques.
Un indici que la recollida de dades no constitueix un cens complet és la resposta a la pregunta: una repetició de l'enquesta produiria les mateixes dades? Per exemple: les dades de mesurament rarament representen una enquesta completa, ja que a la pràctica es prendrien en diferents moments o llocs quan es repeteixen. Això és particularment el cas quan les dades es generen automàticament mitjançant mesuraments continus amb mostreig temporal, o quan les mostres es prenen manualment d'un procés per a la seva recollida.
Segons com es defineix la població utilitzant un criteri temporal, es parla o bé de masses d'estoc o bé de masses de moviment:[17]
- Inventari
- Un estoc es defineix com el nombre d'unitats de mesura que es determinen en un moment específic. Això és útil per a persones amb un període de temps específic (per exemple, l'inventari d'una empresa a 31 de desembre de 2006).[17]
- Massa en moviment
- Una massa en moviment es defineix quan els elements són esdeveniments la quantitat dels quals està limitada especificant un període de temps concret (per exemple, el nombre de naixements en una ciutat el 2006).[17]
Les enquestes d'opinió també poden, en determinades circumstàncies, representar completament poblacions senceres. Això és possible si realment s'enquesten totes les unitats estadístiques, per exemple, una enquesta d'opinió en un club esportiu que pretén reflectir només l'opinió d'aquest club esportiu (i no extrapolar a l'opinió d'altres clubs esportius). Exemples del registre complet de grans poblacions inclouen els censos i el recompte de vots en eleccions supraregionals.
Les poblacions sovint són molt grans i només es poden capturar amb gran esforç o no es poden capturar en absolut. Si no s'aconsegueix una recopilació completa de dades mitjançant estadística descriptiva, es parla d’enquesta parcial.[18]
Enquesta amb mètodes estocàstics
[modifica]Per descriure poblacions que no han estat completament registrades, almenys aproximadament, s'apliquen mètodes estocàstics, en particular estadística matemàtica. Això implica extreure conclusions sobre la població real que es busca a partir de les dades recollides d'una mostra que se suposa que és representativa de la població. En la recerca empírica, això es coneix, entre altres coses, com a població o població objectiu (anglès: target population).
Per exemple, en la investigació electoral, no es pregunta a tota la població votant sobre la seva preferència partidista, sinó que es recull una mostra les característiques de la qual (edat, sexe, lloc de residència, etc.) reflecteixen les condicions que existeixen a la població general. Les dades recollides mitjançant enquestes utilitzant una mostra s'extrapolen a tota la població mitjançant mètodes estadístics, donant com a resultat una previsió electoral. En aquest cas, la població es defineix com el nombre de persones que votaran per un partit específic (característica identificativa) en una data electoral determinada. Tanmateix, en aquest cas també s'aconsegueix un registre complet de la població comptant tots els vots emesos després de les eleccions. Aquest exemple també deixa clar que la descripció empírica de les poblacions no sempre és independent de la població real: la mera recopilació de previsions electorals pot influir en el comportament electoral i, per tant, en les poblacions reals. L'efecte és difícil de caracteritzar i, per tant, es considera indesitjable en eleccions democràtiques. S'evita tant com sigui possible, per exemple no publicant cap previsió electoral mentre es vota.
La població objectiu definida (per exemple, tots els alemanys de 18 anys o més) sovint no és idèntic a la població real de la qual s'extreu la mostra, per exemple per a una enquesta electoral.[19] La raó és que alguns elements de la població no tenen cap possibilitat, o una possibilitat menor, de ser inclosos a la mostra que d'altres. Això inclou persones en institucions (per exemple, residències d'estudiants, presons, barracons), persones mòbils com ara patrons de vies navegables interiors, però també algunes persones sense llar (subcobertura). A la pràctica, extreure conclusions sobre la població objectiu a partir de la mostra es complica encara més per la manca de resposta (també coneguda com a abandonament). Això es refereix a la manca de resposta a una enquesta per part d'elements de la població que ja han estat inclosos a la mostra.
Referències
[modifica]- ↑ Robert Russell Johnson; Patricia J. Kuby. Elementary statistics. Cengage Learning, 23 febrer 2007, p. 7–. ISBN 9780495383864.
- ↑ «Población estadística» (en castellà). [Consulta: 27 gener 2022].
- ↑ «What does statistical population mean?». [Consulta: 30 gener 2022].
- ↑ Population. MathWorld (anglès)
- ↑ Pflaumer, Peter; Heine, Barbara; Hartung, Joachim. Statistik für Wirtschafts- und Sozialwissenschaften: Lehr- und Übungsbuch. Deskriptive Statistik: Lehr- und Übungsbuch. 3., überarbeitete und erweiterte Auflage. München: Oldenbourg, 2005. ISBN 978-3-486-57779-2.
- ↑ Eckstein, Peter P. «Repetitorium Statistik». Gabler, 2014. DOI: 10.1007/978-3-658-05748-0.
- ↑ Rinne, Horst. Taschenbuch der Statistik. 4., vollst. überarb. und erw. Aufl. Frankfurt am Main: Deutsch, 2008. ISBN 978-3-8171-1827-4.
- 1 2 Assenmacher, Walter. Induktive Statistik. Berlin, Heidelberg s.l: Springer Berlin Heidelberg, 2000. DOI 10.1007/978-3-642-00215-1. ISBN 978-3-540-67145-9.
- 1 2 Angewandte Statistik: Methodensammlung mit R. Zwölfte, vollständig neu bearbeitete Auflage. Berlin, Heidelberg: Springer Berlin Heidelberg, 2006. DOI 10.1007/978-3-540-32161-3. ISBN 978-3-540-32160-6.
- ↑ Schneider, Käthe. Die Teilnahme und die Nicht-Teilnahme Erwachsener an Weiterbildung: theorienartige Aussage zur Erklärung der Handlungsinitiierung. Bad Heilbrunn/Obb: Klinkhardt, 2004. ISBN 978-3-7815-1338-9.
- ↑ Shao, Jun. Mathematical Statistics. Springer, 1998. ISBN 0-387-98674-X.
- ↑ Jaynes, E. T.. Probability Theory: The logic of science. 5. Cambridge University Press. ISBN 978-0-521-59271-0.
- ↑ Bol'shev, Login Nikolaevich (2001), "Statistical estimator", Encyclopedia of Mathematics, EMS Press.
- ↑ Introductory Statistics, 2014. ISBN 9781938168208.
- ↑ Kosorok, Michael. Introduction to Empirical Processes and Semiparametric Inference. Springer, 2008. DOI 10.1007/978-0-387-74978-5. ISBN 978-0-387-74978-5.
- ↑ Karl Bosch. Basiswissen Statistik: Einführung in die Grundlagen der Statistik mit zahlreichen Beispielen, Übungsaufgaben und Lösungen., p. 6. ISBN 978-3-486-58253-6.
- 1 2 3 Peter Pflaumer, Joachim Hartung, Barbara Heine. Statistik für Wirtschafts- und Sozialwissenschaften. Deskriptive Statistik. 3. Munic: Oldenbourg Wissenschaftsverlag, 2005, p. 13–14. ISBN 978-3-486-57779-2.
- ↑ Peter Pflaumer, Joachim Hartung, Barbara Heine. , p. 11. ISBN 978-3-486-57779-2.
- ↑ Rainer Schnell. Zur faktischen Grundgesamtheit bei allgemeinen Bevölkerungsumfragen: Undercoverage, Schwererreichbare und Nichtbefragbare.. München 1991: Kölner Zeitschrift für Soziologie und Sozialpsychologie., p. 106–137.
Bibliografia
[modifica]- Sheldon, M. Ross. Introduzione alla statistica. 2, 2014. ISBN 88-916-0267-1.
- G. Leti (1983): Statistica descrittiva, Bologna, Il Mulino, ISBN 88-15-00278-2.
- History of Probability and Statistics and Their Applications before 1750 (en anglès), 1990. DOI 10.1002/0471725161. ISBN 9780471725169.
- Edwards, A.W.F. JHU Press. Pascal's arithmetical triangle: the story of a mathematical idea, 2002. ISBN 0-8018-6946-3.
- Billingsley, Patrick. John Wiley & Sons, Inc.. Probability and measure. Third edition of 1979 original, 1995. ISBN 0-471-00710-2.
- Casella, George; Berger, Roger L. Duxbury. Statistical inference. Second edition of 1990 original, 2001. ISBN 0-534-11958-1.
- Feller, William. John Wiley & Sons, Inc.. An introduction to probability theory and its applications. Volume I. Third edition of 1950 original, 1968.
- Feller, William. John Wiley & Sons, Inc.. An introduction to probability theory and its applications. Volume II. Second edition of 1966 original, 1971.
- Johnson, Norman L.; Kotz, Samuel; Balakrishnan, N. John Wiley & Sons, Inc.. Continuous univariate distributions. Volume 1. Second edition of 1970 original, 1994. ISBN 0-471-58495-9.
- Papoulis, Athanasios; Pillai, S. Unnikrishna. McGraw-Hill. Probability, random variables, and stochastic processes. Fourth edition of 1965 original, 2002. ISBN 0-07-366011-6.
- Ross, Sheldon M. Academic Press. Introduction to probability models. Twelfth edition of 1972 original, 2019. DOI 10.1016/C2017-0-01324-1. ISBN 978-0-12-814346-9.
- Lindsay, B. G.. Institute of Mathematical Statistics. Mixture Models: Theory, Geometry, and Applications. 5, 1995.
- Marin, J.M.; Mengersen, K.; Robert, C. P.. «Bayesian modelling and inference on mixtures of distributions». A: Elsevier. Essential Bayesian models. 25, 2011. ISBN 9780444537324.
- McLachlan, G.J.; Peel, D. Wiley. Finite Mixture Models, 2000. ISBN 978-0-471-00626-8.
- Press, WH; Teukolsky, SA; Vetterling, WT. «Section 16.1. Gaussian Mixture Models and k-Means Clustering». A: Cambridge University Press. Numerical Recipes: The Art of Scientific Computing. 3a, 2007. ISBN 978-0-521-88068-8.
- Titterington, D.; Smith, A.; Makov, U. Wiley. Statistical Analysis of Finite Mixture Distributions, 1985. ISBN 978-0-471-90763-3.