Міністерство освіти і науки України
Курсова робота
на тему Вибірковий метод та його значення для вивчення правових явищ
Харків 2011
Зміст
Вступ
1. Основні поняття теорії ймовірності
2. Поняття закону великих чисел
3. Вибірковий метод та йогозначення для вивчення правових явищ
4. Основні положення вибіркового спостереження
5. Способи відбору одиниць у вибіркову сукупність
Висновки
Список літератури
Вступ
У своїй практичній діяльності ми завжди зустрічаємося з явищами, результат яких важко, а інколи і зовсім неможливо передбачати наперед, тому що наслідки їх залежать від випадку. Наприклад, який застрахований об`єкт буде знищено внаслідок стихійного лиха – діло випадку. Але страхові органи керуються в своїй діяльності передбаченням не кожного окремого об`єкта, а їх значної кількості. При вивченні їх у великій кількості можна передбачити їх стан у майбутньому. Тому при статистичній обробці емпіричних даних використовують певні визначення і правила, які встановлені теорією ймовірності.
Теорія ймовірності – це математична наука, яка виникла всередині ХУП сторіччя. Прийнято першими роботами, в яких народилися основні поняття теорії ймовірності, вважати роботи французів Б. Паскаля (1623 – 1662), Фермі П. (1601 – 1665) і голландця Х. Гюйгенса (1629 – 1695). Подальший розвиток теорії ймовірності пов`язують з ім`ям швейцарського математика Я.Бернуллі (1654 – 1705), який в тракті “Ars Conjectandi”, надрукованому в 1713 р., вперше в елементарному вигляді доказав теорему, яка в подальшому була названа законом великих чисел.
В ХІХ сторіччі теорія ймовірності починає з успіхом застосовуватися в страховій справі, статистиці народонаселення, у біології і військових науках, особливо в артилерії. В цей період теорія ймовірності збагачуються працями француза П. Лапласа (1749 – 1827), німця К. Гауса (1777 – 1855), француза С.Пуассон (1784 – 1840) та інших.
Значний вклад в розвиток теорії ймовірності внесено російським вченим П. Л. Чебишевим (1821 – 1894) та його учнями А.А.Марковим (1892 – 1922) і О.М.Ляпуновим (1857 – 1918). Своїми працями вони перетворили теорію ймовірності в систематизовану і чітку математичну науку.
1. Основні поняття теорії ймовірності
Зараз вона використовується у всіх галузях знань, де досліджуються прояви випадкових явищ з стійкою частістю. Наприклад, народжуваність дівчат або хлопчаків на певній території за тривалий проміжок часу.
Теорія ймовірності – це розділ математики, в якому вивчаються тільки випадкові явища (події) з стійкою частістю і встановлюються закономірності при масовому їх повторенні.
Одне з головних визначень теорії ймовірності – це поняття події. Явища, які розглядаються з точки зору, здійснилися вони чи ні, називають подіями. Стосовно до подій ставиться така основна задача: передбачити, чи з`явиться (здійсниться) досліджувана подія при настанні того чи іншого наперед заданого комплексу факторів.
Якщо при даному комплексі факторів обов`язково відбудеться подія, то вона має назву достовірної події. Якщо при даному комплексі факторів подія не може відбутися, то вона має назву неможливої події.
Якщо при даному комплексі факторів подія може відбутися або не відбутися, то вона має назву випадкової події. Інакше кажучи, подія називається випадковою, якщо вона однозначно не визначається умовами, в яких вона протікає, або ми не можемо врахувати всі фактори, які впливають на подію. Наука, яка вивчає закономірності масових випадкових подій, і називається теорією ймовірностей.
Прикладом випадкових подій – народжуваність хлопчика (або дівчини) у конкретній сім`ї; кількість злочинів, вчинених за певний проміжок часу. Кожний окремий злочин – унікальне соціально-стихійне діяння по протиправному вирішенні протиріч між людиною і суспільством. Тому ми ніколи не зможемо з абсолютною достовірністю визначити де, хто і коли вчинить той чи інший злочин. Злочинність є дзеркалом, у якому ми можемо більш-менш об'єктивно бачити, як функціонує наше суспільство, тому рівень зареєстрованих злочинів є вирішальним фактором при оцінці якості нашого життя.
Застосовувати теорію ймовірності можна лише у тих випадках, коли ми в силу об`єктивних причин не можемо абсолютно точно знати про умови, походження та розвиток явища. Теорія ймовірності описує лише ті випадкові події, яким притаманні стійкі частості. Причому чим в менших межах коливаються частості вихідних подій, тим більш точніше теорія ймовірності опише досліджуване явище.
Одне із основних понять – це ймовірність. Існують різні підходи щодо визначення цього поняття. Класичне визначення ймовірності таке: ймовірність випадкової події дорівнює відношенню числа випадків, які сприяють події, до спільного числа можливих випадків. Інакше кажучи, для значної кількості іспитів ймовірність характеризує частість події.
Кожна подія має числову характеристику у вигляді ймовірності. Ймовірність завжди знаходиться у межах від 0 до 1 (або у відсотках від 0 до 100%), ймовірність випадкової події завжди знаходиться між 0 та 1, тобто ніколи не дорівнює ні 1, ні 0. Тому, що якщо ймовірність буде дорівнювати 1, то в цьому випадку ми кажемо про вірогідність. Нас же цікавить ймовірність події, яка буде наближуватися до 1, але ні в якому випадку ймовірність випадкової події не може дорівнювати 1.
Величина випадкової події характеризується випадковою величиною, яка приймає якесь одне значення із деякої множини можливих значень. Але яким буде це значення, заздалегідь сказати не можна. Інакше кажучи, випадкова величина має цілий набір припустимих значень і в результаті кожного експерименту набуває лише якогось одного з них.
Найбільш поширений приклад: випадання герба при підкиданні монети. Зрозуміло, що може бути або герб, або ні. Відомо, що французький вчений Буфон наприкінці ХУШ сторіччя провів експеримент з підкиданням монети 4040 разів, при цьому 2028 разів випад герб, а 2012 – ні. Тобто в його експерименті частість випадання герба дорівнювала 0,5069 (2028 / 4040) при ймовірності 0,5000 (1/2).
Англійський вчений К. Пирсон провів 2 експерименти: перший раз він підкидав монету 12 тисяч разів, другий – 24 тисячі разів. При першому експерименті він отримав частість 0,5016, а при другому – 0,5005.
Усе це свідчить, що при збільшенні кількості спостережень частість усе менше відрізняється від ймовірності.
2. Поняття закону великих чисел
Динамічні та статистичні закономірності
Закон великих чисел – це один із основних законів, який використовується статистикою для дослідження явищ суспільного життя. Він дає змогу зрозуміти, чому із великої кількості хаосу випадкових зв`язків, ми можемо встановити і встановлюємо закономірності у розвитку суспільних явищ. Наприклад, народжуваність дівчат або хлопчиків у кожній окремій родині носить випадковий характер: в якихось родинах народжуватимуться одні дівчата, в інших – одні хлопчики, в деяких – пропорційна їх кількість. Але якщо проаналізуємо народжуваність за якийсь значний період (наприклад, за місяць і більше), то обов`язково встановимо, що на 100 народжених дівчаток припадає 103 – 104 хлопчики, а іноді й більше (навпаки не може бути ніколи).
Наведений приклад підкреслює те, що кожне окреме явище суспільного життя завжди унікальне, тому що на нього впливає велика кількість випадкових чинників. Розпізнати між ними закономірність у кожному конкретному – випадку практично неможливо. Але якщо вивчати ці явища у значній кількості, то можна з`ясувати закономірності, оскільки випадкові відхилення, властиві кожному окремому явищу, в своїй сукупності нейтралізують одне одного. Наприклад, окремий чоловік може прожити довше, ніж окрема жінка, але статистичні дані свідчать про те, що середня тривалість життя чоловіків на 5 – 6 років менша, ніж у жінок, а коефіцієнт смертності чоловіків у 2 – 3 рази вищий, ніж у жінок тієї ж самої вікової групи.
Закономірність
– це повторюваність, послідовність та порядок у розвитку соціальних явищ. Вона може проявлятися по-різному. В філософії розрізняють два види закономірностей: динамічну та статистичну.
Динамічна закономірність – це така, яка виявляється в кожному окремому випадку і не залежить від кількості одиниць, які ми спостерігаємо. Вона притаманна природним явищам. Наприклад, закон Архімеда можна виявити і на одному об`єкті, який занурюють в рідину, і на тисячі об`єктів. Аналогічним чином можна виявити закон земного тяжіння та інші фізичні, хімічні та математичні закони.
Статистична закономірність – це така, яка виявляється лише в достатній кількості однорідних одиничних елементів, котрі й утворюють сукупність. Тобто кожний окремий елемент може не підтверджувати існування тієї чи іншої закономірності, тому що існування її в кожному елементі носить імовірний характер. Інакше кажучи, статистична закономірність властива лише сукупності одиниць, яка має назву статистичної сукупності.
Статистична сукупність – це певна множина елементів, поєднаних однаковими умовами існування та розвитку. Об`єктивною основою існування статистичної сукупності є складне перетинання причин та умов, які формують той чи інший масовий процес, наприклад, зміни в тенденцій в розвитку злочинності залежно від зміни соціально-економічної та політичної ситуації в країні.
Кожний окремий елемент, який складає статистичну сукупність, має назву одиниці сукупності. Кожна окрема одиниця сукупності є носієм явища, що вивчається, і відрізняється від іншої одиниці сукупності розміром ознаки. Завжди має місце коливання (варіювання) значень ознаки у кожної одиниці статистичної сукупності.
Явищам хімії, фізики, математики та інших природничих наук властиві лише динамічні закономірності.
Явища суспільного життя, які вивчаються статистикою, відносяться до статистичних закономірностей. Окремі елементи статистичної сукупності характеризуються значною кількістю різних ознак, але відповідно до мети дослідження вони мають загальні властивості, що і робить їх статистичною сукупністю. Математично вивчати статистичну закономірність дає змогу використання закону великих чисел.
Відповідно до цього закону при достатньо великій кількості досліджуваних одиниць сукупності можна виявити закономірність, яка не залежить від випадку. В разі підсумовування значної кількості одиничних явищ зникають випадкові відхилення і проявляється та чи інша закономірність, яку неможливо було виявити при дослідженні незначної кількості одиниць сукупності.
Закон великих чисел
– це математично обґрунтована теорія, відповідно до якої, спираючись на знання теорії імовірності, можна стверджувати, що спільна дія значної кількості випадкових фактів призводить до наслідків, які не залежать від випадку. В разі підсумовування значної кількості одиничних явищ обов`язково проявляється порядок і закономірність їх руху і розвитку, які не можна встановити при дослідженні малої кількості одиниць сукупності. Інакше кажучи, закон великих чисел дає змогу встановити закономірність там, де на перший погляд проявляється лише випадковість.
З точки зору діалектичного підходу випадковість і необхідність нерозривно пов`язані між собою і завжди переходять одна в іншу, особливо в разі достатньої кількості досліджуваних одиниць сукупності.
Проте закон великих чисел не може визначити ні рівень, ні динаміку розвитку суспільного явища. Він лише обумовлює взаємопогашення випадкових відхилень, які властиві окремим одиницям статистичної сукупності, дозволяє виявити в ній дію об`єктивних законів розвитку суспільних явищ.
3. Вибірковий метод та його значення для вивчення правових явищ
Вибіркове спостереження є найбільш поширеним видом несуцільного спостереження, який застосовують при вивченні різноманітних закономірностей суспільного життя. Відмінність його від інших видів несуцільного спостереження полягає в тому, що його проведення і поширення результатів на всю масу досліджуваних явищ спирається на знання математики. Застосування його дає можливість значно швидше з меншими витратами часу і матеріальних засобів одержати результати. Вибірковий метод дає змогу обстежити сімейні бюджети населення, вивчити громадську думку. При дослідженні деяких явищ взагалі можна застосувати тільки його. Наприклад, вивчення якості електричних лампочок, якості вина, міцності взуття або схожості зерен.
Сутність вибіркового спостереже
ння полягає в тому, що з усієї сукупності за певними правилами відбирається заздалегідь обумовлена частина сукупності (кожна четверта, або п'ята, або десята одиниця), яка ретельно вивчається. Результати цього часткового спостереження поширюються на усю генеральну сукупність з урахуванням похибки репрезентативності. При відборі одиниць у вибіркову сукупність повинна бути забезпечена рівна можливість потрапити у вибірку кожної з одиниць сукупності. Порівняно з суцільним спостереженням вибіркове спостереження має переваги, оскільки воно потребує менше коштів і часу для його проведення, при цьому також зменшуються й помилки реєстрації.
При проведенні вибіркового спостереження завжди присутня помилка (похибка репрезентативності), оскільки частина завжди відрізняється від цілого. Інакше кажучи, похибка репрезентативності визначає розбіжність між одержаними даними і тими, які б ми мали, якщо б вивчали всі одиниці сукупності без винятку. Причому вона існує завжди. Спираючи на формули, що розроблені теорією імовірності, можна заздалегідь розрахувати її величину.
Отже, основною вимогою до вибіркових спостережень є його репрезентативність – властивість вибіркового масиву відтворювати характеристики всієї сукупності. Теорія і практика проведення вибіркового спостереження показує, що вибіркове спостереження при правильному його організації дає достовірні дані, які цілком придатні для використання. Середні та відносні показники, що отримані при вибірковому спостереженні, досить точно відтворюють відповідні показники всієї сукупності. До вибіркового спостереження в силу випадковості відбору одиниць сукупності можуть бути застосовані закон великих чисел і теореми теорії ймовірностей, що дають можливість обчислити межу помилок, допущених при вибірковому спостереженні.
Вибірковий масив представляє лише зменшену модель усієї сукупності. Для правильної організації вибіркового спостереження необхідно визначити, яким способом будемо відбирати одиниці у вибіркову сукупність, який буде обсяг вибірки і яка за розміром нас задовольнить похибка репрезентативності.
Кількість одиниць сукупності, які відбираються для вибіркового спостереження, повинна бути досить велика. Якщо спостереженню піддається занадто мало одиниць, то результати будуть неточні, нерепрезентативні, і в такому випадку можуть бути зроблені неправильні висновки про всю сукупність. Якщо ж відбирається занадто багато одиниць, то відбувається зайва витрата сил і засобів для проведення вибіркового спостереження (в цьому разі нівелюється основний зміст вибіркового спостереження). Причому кількість відібраних одиниць для вибіркового спостереження залежить від того, наскільки однорідна чи різнорідна сукупність. Чим більш різнорідна сукупність, тим більше відбирається одиниць і навпаки.
Вибіркові дослідження в силу ряду своїх переваг широко використовуються в різних галузях статистики. Останнім часом усе ширше і ширше вони починають застосовуватися при дослідженнях різних правових явищ. Це обумовлено, у першу чергу, тим, що суцільне спостереження, яке існує у формі звітності, при усіх своїх перевагах має деякі недоліки. Вона містить лише ті показники, що необхідні для повсякденної оперативної роботи. Але, якщо необхідно поглиблене вивчання окремих видів злочинів, цивільних і адміністративних правопорушень і особливості осіб, їх що вчинили, то доцільно прибігати до вибіркового спостереження.
Ґрунтуючись на апробованих можливостях вибіркового методу в соціальних дослідженнях, представляється доцільним і важливим його застосування і для вирішення таких задач, як визначення характерних тенденцій, які виявленні при правовому аналізі правових явищ; одержання представлення про невідображені ознаки генеральної сукупності правових явищ і деякі ін.
Вибіркове спостереження може використовувати різні джерела: архівні карні та цивільні справи; картки на підсудних, картки на цивільні й адміністративні справи, розглянуті у судових органах і т.п. Єдине обмеження при відборі джерел інформації – відібрана частина для вибіркового спостереження повинна відображати всю сукупність. Це обмеження обов'язково для будь-якого вибіркового спостереження, у якій би з галузей господарства воно не проводилося.
Сучасна соціальна обстановка в країні характеризується тим, що ми все частіше й частіше зіштовхуємося з окремими унікальними правовими явищами. Тому безперечно необхідно усе більше і більше уваги приділяти методам вибіркового спостереження, особливо теорії і практиці застосування методів малої вибірки, коли кількість одиниць менше 25. Необхідність її застосування при дослідженні правових явищ зв'язана з тим, що її можна використовувати в умовах обмеженої інформації. Використовуючи метод малої вибірки, можна відшукувати методи оцінки явищ, інваріантних до законів розподілу випадкової величини.
4. Основні положення вибіркового спостереження
При вибірковому спостереженні можуть виникати помилки реєстрації і похибки вибірки (репрезентативності).
Помилки реєстрації, як і при суцільному статистичному спостереженні, являють собою розбіжність між зафіксованими даними в процесі спостереження і дійсними даними. Вони можуть бути випадковими і систематичними. Як правило, помилки реєстрації при вибірковому спостереженні зустрічаються рідко, тому що значно менший обсяг роботи приходиться на одного реєстратора, самі реєстратори завжди більш кваліфіковані, чим при проведенні суцільного спостереження.
Як уже відзначалося раніше, похибки репрезентативності властиві будь-якому вибірковому спостереженню. Завдання організації правильного проведення вибіркового спостереження – це вибір такої похибки репрезентативності, яка б задовольняла дослідника при даному спостереженні.
Зупинимось на основних термінах вибіркового спостереження. Основні поняття: генеральна і вибіркова сукупності.
Генеральна сукупність – це уся сукупність одиниць, з якої проводиться відбір частини одиниць для вибіркового спостереження. Відібрана певним способом частина генеральної сукупності для вибіркового спостереження називається вибірковою сукупністю. Узагальнюючі показники генеральної сукупності називаються генеральними, а відповідні показники вибіркової сукупності – вибірковими. Позначення показників генеральної та вибіркової сукупності наведено в табл. 1.
Таблиця 1.Позначення показників генеральної і вибіркової сукупності
Показник |
Позначення | |
| у генеральній сукупності | у вибірковій сукупності | |
| Кількість одиниць | N | n |
| Середнє значення ознаки |
|
|
| Частина одиниць, що мають дану ознаку | p | w |
| Частина одиниць, що не мають даної ознаки | q = 1 - p | 1 – w |
Переваги вибіркового спостереження перед суцільним реалізуються лише при додержані наукових принципів його
організації і проведення, насамперед неупередженого, випадкового відбору одиниць для спостереження. Вибіркова сукупність повинна повністю відтворювати склад генеральної
сукупності. Принцип випадковості відбору забезпечує усім одиницям генеральної сукупності рівні можливості потрапити у вибіркову сукупність.
При проведенні вибіркового спостереження слід спиратися на знання закону великих чисел і теорії імовірності. Якби ні проводився відбір одиниць сукупності, завжди будуть розбіжності між характеристиками генеральної і вибіркової сукупностей, які пов'язані із сутністю вибіркового методу. Частина завжди відрізняється від цілого. Розбіжності між показниками генеральної і вибіркової сукупностей називається похибкою репрезентативності. Середня в генеральній сукупності відрізняється від середньої у вибірковій сукупності на величину похибки репрезентативності:
= ± D,
де: D – похибка репрезентативності
Наприклад, після проведення вибіркового спостереження з`ясувалось, що середній вік рецидивістів дорівнює 32 роки. Похибка репрезентативності становить ± 5%, інакше кажучи – 1,6 роки. Середній вік рецидивістів, в усій сукупності, якщо вивчити їх усіх, дорівнюватиме 32,0 ± 1,6, тобто він буде коливатися в межах від 30,4 року до 33,6 років.
Згідно з теоремою Чебишева з уточненнями Ляпунова, математикою було доведено, що при достатньо великій кількості обстежених одиниць сукупності середня величина досліджуваної ознаки у вибірковій сукупності буде відрізнятися від середньої величини в генеральній сукупності на величину:
D = tμ = t ,
де: D (дельта) – гранична похибка вибірки, тобто похибка репрезентативності; μ(мю) – середня похибка вибірки;
t – коефіцієнт, що залежіть від імовірність, з якою можна гарантувати певний розмір похибки репрезентативності.
Якщо t = 0, то імовірність також дорівнює 0; якщо t = 0,5, то імовірність дорівнює
0,383, або 38,
3%; якщо t = 1, то імовірність дорівнює 0,683, або 68,3%; якщо t =
2, то ймовірність дорівнює 0,954, або 95,4%; якщо t = 3, то ймовірність дорівнює 0,997 або 99,7 %; якщо t = 4, то імовірність становить 0,999936 і т.п.
При цьому варто врахувати, що даний коефіцієнт може приймати не тільки цілі числа, але й дробові значення.
Із наведеної формули
видно, що похибка репрезентативності залежить від багатьох чинників: ім
овірності, з якою ми баж
аємо одержати результат; чисельності одиниць
вибіркової сукупності (чим менше одиниць складатиме вибіркова
сукупність, тим більше
буде похибка репрезентативності, і навпаки);
однорідності досліджуваної сукупності (чим більш різнорідна сукупність, тим похибка репрезентативності буде більше) і від способу відбору одиниць в вибі
ркову сукупність.
Як правило, при проведенні вибіркового спостереження перед дослідником для успішного його проведення необхідно визначення необхідної кількості одиниць вибіркової сукупності та розрахунок похибки репрезентативності з встановленим рівнем імовірності.
Багаторічна практика свідчить, що довірча імовірність 95,4 % (для t= 2) є оптимальної для більшості розрахунків у різних галузях господарства, тим більше дл
Таблиця 2.Величина похибки вибірки при даному числі спостережень
| Питома вага спостережень, % | Число спостережень | |||||||||
| 100 | 200 | 300 | 400 | 500 | 600 | 700 | 800 | 900 | 1000 | |
| 5 (95) | 4,4 | 3,1 | 2,8 | 2,5 | 1,9 | 1,8 | 1,6 | 1,5 | 1,4 | 1,4 |
| 10 (90) | 6,0 | 4,3 | 3,5 | 3,0 | 2,7 | 2,5 | 2,3 | 2,1 | 2,0 | 1,9 |
| 15 (85) | 7,2 | 5,1 | 4,1 | 3,6 | 3,2 | 2,9 | 2,7 | 2,5 | 2,4 | 2,3 |
| 20 (80) | 8,0 | 5,7 | 4,6 | 4,0 | 3,6 | 3,3 | 3,0 | 2,8 | 2,7 | 2,5 |
| 25 (75) | 8,7 | 6,2 | 5,0 | 4,3 | 3,9 | 3,5 | 3,3 | 3,1 | 2,9 | 2,7 |
| 30 (70) | 9,2 | 6,5 | 5,3 | 4,6 | 4,1 | 3,7 | 3,5 | 3,2 | 3,1 | 2,9 |
| 35 (65) | 9,6 | 6,8 | 5,5 | 4,8 | 4,3 | 3,9 | 3,6 | 3,4 | 3,2 | 3,0 |
| 40 (60) | 9,9 | 7,0 | 5,6 | 4,9 | 4,4 | 4,0 | 3,7 | 3,5 | 3,3 | 3,1 |
| 45 (55) | 10,0 | 7,1 | 5,7 | 5,0 | 4,5 | 4,1 | 3,8 | 3,5 | 3,3 | 3,1 |
| 50 | 10,0 | 7,1 | 5,8 | 5,0 | 4,5 | 4,1 | 3,8 | 3,5 | 3,3 | 3,2 |
На підставі даних, які наведені в табл. 2, видно, що чим більше одиниць попадає до вибіркової сукупності, тим менше буде можлива похибка вибірки.
У конкретно-правових дослідженнях, як правило, задається відсоток похибки середнього значення самим дослідником на основі програми спостереження і відповідно до даних раніш проведених досліджень. Як правило, вважається допустимою гранична похибка вибірки (похибка репрезентативності) в межах 3 – 5 %.
Якщо допустити похибку в два рази більшу, то обсяг вибірки можна зменшити в чотири рази і навпаки, якщо необхідно зменшити похибку вибірки в два рази, то обсяг вибірки треба збільшити в чотири рази.
Слід звернути увагу, що табл. 2 побудована для власне випадкового способу відбору одиниць у вибіркову сукупність, тому її з більшим ступенем вірогідності можна використовувати її при механічному і типовому способах відбору одиниць у вибіркову сукупність. При серійному (гніздовому) способу відбору одиниць у вибірку використовувати дані, які наведені в табл. 2 і 3, не можна.
Як можна і треба користуватися вищенаведеною табл. 2? Наприклад, припустимо, що на основі обстеження 200 осіб, яких засуджено за тяжкі насильницькі злочини, було встановлено, що 65% з них вчинені в стані алкогольного сп'яніння. Нас цікавить, наскільки достовірний цей результат, тобто в яких межах коливається дане значення у всій генеральній сукупності.
За даними табл. 2 визначаємо, що на перетинанні горизонтального рядка з числом 65 з вертикальною другою графою з числом 200, знаходиться число 6,8. Це означає, що частка засуджених, що вчинили тяжкі насильницькі злочини в стані сп'яніння, може коливатися в межах від 58,2 % до 71,8 % (65% 6,8 %).
Таблиця 2 дає можливість відповісти на запитання, яке мінімальне число одиниць сукупності необхідно включити до вибіркової сукупності, щоб очікуваний результат похибки репрезентативності коливався у встановлених межах.
Найважливіше завдання при проведенні вибіркового дослідження правових явищ – це визначення репрезентативного обсягу вибіркового спостереження, тобто скільки необхідно проаналізувати одиниць з генеральної сукупності, щоб одержана випадкова похибка середнього значення досліджуваної ознаки не перевершувала визначеної величини похибки репрезентативності з достатньою імовірністю.
Спираючись на математичні теореми закону великих чисел, можна встановити, що при зменшенні обсягу вибірки в декілька квадратів разів похибка середнього значення збільшується в стільки ж разів, і навпаки, зменшення похибки середнього значення вибірки в декілька разів призводить до збільшення обсягу вибірки в стільки ж квадратів разів. Отже, визначення величини похибки середнього значення ознаки для встановлення обсягу вибірки має велике значення.
При практичному застосуванні формул дослідник завжди зустрічається з тим, що необхідні дані про коливання ознаки в генеральній сукупності. Як правило, на практиці для визначення обсягу вибірки прибігають до даних попередніх досліджень або проводять так звані пробні обстеження і на їх основі визначають орієнтовні розміри коливання ознаки.
Взагалі слід пам'ятати, що головне при організації вибіркового спостереження – це доведення обсягу його до допустимого мінімуму. При цьому не слід прагнути до надмірного зменшення меж похибки вибірки, тому що це може призвести до невиправданого збільшення обсягу вибірки і, отже, до підвищення витрат на проведення вибіркового спостереження. В той же час не можна і надмірно збільшувати розмір похибки репрезентативності, тому що в цьому випадку хоча і відбудеться зменшення обсягу вибіркової сукупності, але це призведе до погіршення достовірності одержаних результатів.
Таблиця 3.Обсяг вибіркової сукупності при заданій похибки репрезентативності
| Питома вага показника в % | Величина похибки репрезентативності в % | |||||
| 1 | 2 | 3 | 4 | 5 | 10 | |
| 10 | 3600 | 900 | 400 | 230 | 150 | 37 |
| 20 | 6400 | 1600 | 710 | 400 | 260 | 65 |
| 40 | 9600 | 2400 | 1070 | 600 | 390 | 97 |
| 45 | 9900 | 2500 | 1100 | 620 | 400 | 100 |
| 55 | 9900 | 2500 | 1100 | 620 | 400 | 100 |
| 65 | 9100 | 2300 | 1010 | 570 | 370 | 92 |
| 70 | 8400 | 2100 | 930 | 530 | 340 | 85 |
| 80 | 6400 | 1600 | 710 | 400 | 260 | 65 |
Наведемо приклад визначення чисельності вибірки на основі табл. 3. Припустимо, що величина досліджуваного показника дорівнює 40 % (частка (питома вага) тяжких злочинів в області), а похибка репрезентативності, яку вважаємо допустимою при даному дослідженні, не повинна бути більш 4 %.
По табл. 3 визначаємо, що мінімальний обсяг вибіркової сукупності повинен скласти 600. Отже, щоб наше вибіркове дослідження було репрезентативним з довірчою імовірністю в 95,4 % за наших вихідних даних, нам необхідно обстежити мінімум 600 чоловік засуджених.
Якщо таблиці 2 і 3 відсутні, то в цьому випадку обсяг вибіркової сукупності обчислюється на базі раніш наведеної формули шляхом нескладного її перетворення. Формула для встановлення обсягу вибіркової сукупності буде мати вигляд:
,
де: n– обсяг вибіркової сукупності; w– частина одиниць, які мають дану ознаку; t– коефіцієнт; ∆ – похибка репрезентативності.
Наприклад, у вибіркову сукупність необхідно взяти 470 – 500 одиниць, щоб із імовірністю 95,4% можна було стверджувати, що похибка репрезентативності при обчисленні частки сукупності не буде відхилятися більше, ніж на ± 4%, якщо відомо, що значення частки у сукупності досягає 25%, тобто за вищенаведеною формулою:
.
У більшості випадків при вибіркових дослідженнях дані аналізуються і збирають не по одному, а по декількох ознаках одночасно. У цьому випадку необхідний обсяг вибіркової сукупності визначається по кожній з цих ознак, а потім приймається для дослідження максимальна величина по одній з найбільш істотних ознак.
При наявності якісної сукупності альтернативних ознак (подія може або наступити, або не наступити), якщо не відома реальна величина коливання ознаки, то його величина приймається рівнозначній 50%.
5. Способи відбору одиниць у вибіркову сукупність
вибіркове спостереженнясукупність
Вибірков
е спостереження організацій
но може
зас
тосовуватися двома способами в
ідбору: повторним та безповторним.
Повторний
відбір здійснює
ться таким чином: кожна
одиниця (або група одиниць) генеральної
сукупності, яка потрапила до вибіркової сукупності, знову повертається до генеральної
сукупнос
ті і бере участь у відборі в подальшому. Таким чином якась одиниця може декілька разів потрапити у вибіркову сукупн
ість.
При безпов
торному відборі одиниця сукупності, яка потрапила у вибіркову сукупність, не повертається до
генеральної сукупності і не може ще раз бути включена до вибіркової сукупнос
ті. Правова статистика використовує тільки безповторни
й відбір, внаслідок чого імовірність окремих одиниць потр
апити у вибірко
ву
сукупність збільшує
ться. При проведенні безповторного відбору одержують більш точні результати тому що з`являється співмножник (1- ), який зменшує величину похибки репрезентативностівибіркового спостереження. Дуже часто при проведенні вибіркового спостереження правових явищах цей співмножник не враховується, тому що він ускладнює розрахунки.
Велике
значення має формування вибіркової
сукупності. Воно завжди здійснює
ться за певними правилами. Най
частіше використовують такі с
пособи відбору одиниць у вибіркову сукупність: простий
випадковий, механічний, типовий,
серійний або гніздовий.
Простий
випадков
ий
відбір
– це класичний
спосіб формування вибіркової сукупності. При ньому відбір одиниць у вибіркову сукупність провадиться випадково шляхом ж
еребкув
анн
я (лототрон
) або з використанням
таблиці випадкових чисел. При цьому
способі відбору
дл
я кож
ної
одиниці сукупн
ості створюються однакові умови, щоб
в
она могла потрапити у в
ибіркову сукупність.
На практиці його провадять таким чином: на кожну одиницю сукупності заготовлюють картку, жетон або білет, де вказується порядковий номер або повне найменування одиниці. Усі картки розміщуються в лототроні, з якого у випадковому порядку послідовно відбирається необхідна кількість карток (одиниць генеральної сукупності). Одиниці, номера яких є на відібраних картках, і складає вибіркову сукупність. Завдяки цьому узагальнюючі показники вибірков
ої сукупн
ості відтв
орюють узагальнюючі показники генеральної
сукупності. Тому наведена вище формула
похибки ре
презентативності повністю відповідає цьому способу відбору одиниць у вибіркову сукупність. Для сукупностей значного обсягу значно краще ніж
ж
еребкування застосовувати для відбору одиниць таблиці випадкових чисел.
Таблиця 5.Таблиця випадкових чисел
| 5489 3522 7555 5759 6303 7351
7068 3613 5143 9815 5780 1187 4184 2916 5524 0146 4920 7978 7453 1473 81 62 5645 2042 5470 4045 5880 9083 1 762 2023 7965 7690 9292 0867 0505 6295 6323 8672 1422 2653 0438 2851 7962 3837 8542 0139 6687 6242 6859 6590 3482 |
5583 0935 7579 3554 6895 5634 7803 1428 4534 5144 1277 0951 21
79 2972 1341 5291 2826 1947 0653 6938 8797 4219 11 92 7702 1730 1257 4260 8713 2589 3855 0480 0426 1 656 2127 9795 261 5 8536 5507 1472 4376 2157 2753 4098 4126 0765 1943 5582 9606 1932 0478 |
3156 7877 2550 5080 3371
5323 8832 1796 2105 7649 6816 5991 4554 9885 9860 2354 5238 6380 3645 4899 8000 0807 1175 6958 6005 6163 5277 1189 1740 4765 8098 9573 7016 8255 1112 3410 2966 7596 511 3 3328 0047 3077 0220 9274 8039 4307 5872 0522 6043 0221 |
0835 5665 2487 9074 3196 2623 51
19 8447 0368 8638 1013 5245 9083 0275 6565 5694 5402 3425 7497 5348 4707 3301 8851 9080 1704 4439 4998 1090 0424 0703 9629 4903 4220 5276 5761 3365 5773 0670 5735 8649 7085 8718 1217 2251 9484 0579 3197 4993 3623 6738 |
19
88 7020 9477 7001 7231 7803 6350 0503 7890 6137 2867 5700 2254 0144 6981 0377 7937 7267 5969 1641 1880 4279 6432 5925 0345 7276 4298 8989 8924 1678 4819 5916 2533 2233 2575 1117 5412 3013 1469 8327 11 29 7418 4732 0607 2577 81 71 4919 0345 1973 7323 |
3912 9555 0864 6249 2918 8374 0120 5654 2473 8070 9938 5564 2435 8034 9842 5336 1993 7285 8682 3652 9660 4168 4635 8519 3275 6353 5204 7273 0005 0841 7219 6576 6345 3956 6837 241
7 8114 1351 9545 0110 0460 8004 0150 4301 7859 8224 2792 8958 4112 5643 |
0938 7375 2349 3224 7380 2191
5026 3254 4240 5345 3930 7352 2965 8122 0171 6460 4332 11 30 4191 0852 8446 4305 5757 0127 4738 6912 3965 3213 1 969 7543 7241 8368 8227 4118 3336 3176 0930 3886 9331 4549 6821 1425 1637 8730 1976 8641 593 1 1289 1 795 4767 |
7460 7124 1012 6368 0438 0464 3684 7336 8652 4865 3203 0891 51
54 3213 2284 9585 2327 7722 2976 5296 1883 9937 6656 9233 4862 0731 4028 1935 1636 0308 5128 3270 1904 8199 9322 2434 4697 3268 5303 7955 8323 3706 1097 7690 0623 7034 4058 8825 8465 0106 |
0869 7878 8250 91
02 7547 0696 5657 9536 9435 2456 5696 6249 1209 7666 2707 3415 6875 0164 0361 4 538 9768 3120 1660 2452 2556 9033 8936 9321 7237 9732 3853 6641 51 38 6380 7403 5240 6919 9469 9914 5275 2572 8822 1040 6235 1418 3595 9769 6941 2110 2272 |
4420 5544 2633 2672 2644 9529 0304 1944 1422 5708 1769 6568 7069 0230 3008 2358 5230 8573 9334 4456 0881
5547 5389 7341 8333 5294 5148 4820 1227 1289 1921 0033 2537 6340 8345 5455 4569 2584 6394 2890 8962 1494 7372 3477 6685 3875 1 918 7685 8045 9862 |
Пояснимо, як треба користуватися таблицею випадкових чисел (табл. 5). Наприклад, у вибіркову сукупність має бути включено 75 одиниць із перелічених 780 одиниць генеральної
сукупності. Використовуючи таблицю випадков
их чисел, можна побачити, що ї
ї перший рядок має такі чис
ла: 5489; 5583; 3
156; 0835; 1988; 3912; 0938; 7460; 0869 та 4420. До нашої
вибіркової с
укупності м
ож
уть потрапити
тільки одиниці, які мають номер менше 780. В
икористовуючи
ли
ше останні тр
и цифри ко
жног
о числа,
ми зможемо ві
дібрати необхідну кількість одиниць у ви
біркову сукупність. Із наведених чисел це будуть: 489, 583, 156, 460, 420. Можна в
икори
стовув
ати
і перші тр
и цифри
кож
ного числа. Тоді у вибіркову сукупність потрапили б 548, 558, 315, 83, 198, 391, 93, 746, 86 та 442.
Простий випадковий відбір одиниць сукупності дає гарний результат тільки тоді, коли сукупність однорідна. Якщо ж генеральна сукупність складається з одиниць, які істотно відрізняються одна від іншої, то необхідно формувати вибіркову сукупність або механічним, або типовим відбором.
Механічний
в
ід
бір
. Таким є вибірка,
при я
кій ге
не
ральна су
купність заздалегідь
поділяється на певне
число рівних за кількістю одиниць груп, після чого із
кож
ної групи відбирається
для вибіркової
сукупності тільки одна одиниця. Передбачається, що основою в
ибірки в
цьому
разі є упорядков
ана чисельність елем
ентів сукупності. Вибір
оди
ниць у вибіркову сукупність здій
снюється через рівні інтервали Крок інтервалу обч
ислюють шляхом ділення обсягу всієї сукупності на передбачений
обсяг вибіркової сукупності.
М
еханічний
відбір м
ає пере
ваги перед простим випадковим відбором,
тому щ
о при його проведенні до вибіркової сукупності обов`язково потраплять різні частини генеральної сукупності і результати є більш
репрезентативними. Механічни
й відбір простіше організувати і легше перевірити порядок фо
рмування вибіркової сукупності. Наприк
лад, кож
на четверта квартира при перепису населення або кожна
дес
ята одиниця з
а ж
урналом реє
страції
, тільки спочатку необхідно визначитися з якого номеру починати відбір з першого або якогось іншого.
Типовий відбір
– це спосіб формування вибіркової сукупності залеж
но від складу генеральної сукупності. Типовою наз
ивається така вибі
рка, при якій генеральна сукупність заздалегідь поді
ляє
ться на типові, якісно однорідні групи за істотними ознаками. Після чого із кож
ної групи відбирає
ться певна кількість одиниць у порядку механічн
ого або простого випадкового відбору з метою формування вибіркової сукупності з урахуванням кількості одиниць, які потрапили в кожну окрему групу.
Типовий
відбір ма
є істотні переваги перед іншими видами відбору одиниць у вибіркову сукупність, тому що при цьому забезпечує
ться пропорційне представництво різних відокремлених груп,
завдяки чому вибіркове спостереже
ння стає біль
ш репрезентативним.
Дуже часто цей
спос
іб відбору одиниць у вибіркову сукупність має назв
у пропорцій
ного представництва, або метода кв
от. Він най
частіше застосовується при вивченні громадської
думки. Спочатку
вивчає
ться реальний склад населення за істотними ознаками (наприклад, стать, вік, рівень освіти, родинний стан, рівень доходів тощо).
Вибіркова сукупність за цими ознаками повністю відповідатиме генеральній сукупності. Головна особливість цього способу відбору полягає в тому, що вибіркова сукупність буде відтворювати генеральну сукупність і за іншими ознаками, які не враховувалися при проведені відбору до неї.
Зараз в Украї
ні цей спосіб фо
рмування вибіркової сукупності застосовує
ться органами державної
статистики.
Серій
ний, або гніздовий, ві
дбір
. Іноді доцільно проводити відбір до вибіркової сукупності не окремих одиниць, а їх груп (гнізд, серій
), щоб в її межах
спостерігати усі без винятку одиниці сукупності. При серій
ному відборі основою вибірки є серія одиниць, яка розглядає
ться і вивчається як одне ціле.
Висновки
Серій
ний відбір значно легше організувати і провести. Але слід мати на увазі, що він дає
значно бі
льшу похибку репрезентативності, і щоб забезпе
чити таку ж точні
сть, як і при інших способах відбору, слід збільшити чисельність вибіркової сукупності. При цьому
способі відбору одиниць не можна застосовувати ф
ормулу похибки репре
зентативності, наведену раніш Для цього способу існують свої специфічні ф
ормули.
З
астосув
ання того чи іншого спос
обу ф
орм
ування
вибірк
ово
ї сукупності залежить
від мети в
ибіркового спостереже
ння, можливосте
й його
організації
та проведення. Наприклад,
якщо необхідно детально вивчити осіб,
які відбувають покарання у вигляді позбавлення волі,
можна
застосувати серійний відбір. Спочатку відбирається достатня кількість виправно-
трудових установ і в кож
ній з них вивчають усіх осіб, які відбувають покарання.
Список літератури
1. Лунеев В.В. Юридическая статистика: Учебник. – М.: Юристъ, 2009. – 400 с.
2. Постанова Кабінету Міністрів України “Про порядок ведення спеціальної митної статистики” від 12 грудня 2002 р. № 1865. // Урядовий кур`єр 19.12. 2002. – с. 20.
3. Правова статистика: Навч. посібник /О.Г.Кальман, І.0. Христич. – Х.: “Право”, 2008. – 204 с.
4. Правова статистика. Курс лекцій./ О.М. Джужа, Ю.В. Александров, В.В. Василевич та інші. Під заг. ред. О.М. Джужи. – К.: [НАВСУ: Правові джерела], 2007. – 336 с.
5. Савюк Л.К. Правовая статистика: Учебник. – М.: Юристъ, 2009. – 588 с.
6. Словарь криминологических и статистических терминов. // Кальман А.Г., Христич И.А. – Х.: ИИПП АПрН Украины, изд-во “Гимназия”, 2008. – 96 с.
7. Статистика: Підручник/За ред, А.В. Головача, А.М. Єріної, О.В. Козирєва. - К.: Вища шк., 2008. – 623 с.
8. Статистика: Підручник/ С.С. Герасименко, А.В. Головач, А.М. Єріна та ін.; За наук. ред. д-ра екон. наук С.С. Герасименка. – 2-ге вид., перероб. і доп. – К.: КНЕУ, 2007. – 467 с.
9. Статистичний облік і звітність у правоохоронних органах України// Кальман О.Г., Христич І.О. Науково-практичний посібник. – Х.: ІВПЗ АПрН УКраїни, вид-во “Гимназия”, 2008. – 140 с.
10. Трофімова Г.Г. Правова статистика: Навч.-метод. посібник для самост. вивч. дисц. – К.: КНЕУ, 2006. – 75 с.
11.Чернадчук В.Д. Правовая статистика: конспект лекций. – К.: МАУП, 2009. – 72 с.