Tanulmányunk néhány különösen problémás mintavételi helyzetet mutat be, és az ezekből
fakadótorzításokat Monte Carlo-szimuláció segítségével szemlélteti. Az elemzés középpontjában
a statisztikai eljárások egyik kulcsfontosságú feltétele, a mintaelemek függetlensége
áll, valamint az annakmegsértéséből adódó következmények. A bemutatott példák homogén
és rétegzett populációkra egyaránt kiterjednek, és elsősorban elméleti szemléltető
célt szolgálnak. Bemutatunk ismert, de nemköztudott korrekciós módszereket is, továbbá
néhány javaslatot is teszünk, hozzájárulva a statisztikaielmélet és az alkalmazó kutatások
módszertani gyakorlatának összekapcsolásához. | During statistical analyses, the sample
plays a central role in ensuring that the assumptions of the
applied procedures are satisfied, a condition that is often not met in practice. This
paper presents
several particularly problematic sampling situations and illustrates the resulting
biases using Monte
Carlo simulations. The analysis focuses on one of the key assumptions of statistical
procedures,
namely the independence of sample elements, and on the consequences arising from its
violation.
The presented examples cover both homogeneous and stratified populations and primarily
serve a
theoretical illustrative purpose. In addition, we propose methods for correcting these
biases, thereby
contributing to the integration of statistical theory and the methodological practice
of research that
applies it.
