I matematisk statistik är zonerad sampling (ett annat namn är stratifierad sampling ) en metod för urval från den allmänna befolkningen , som förbättrar noggrannheten av statistiska resultat när man delar upp hela händelseutrymmet i flera strataregioner och självständigt arbetar med dessa strata. Till exempel kan varje stratum använda sin egen signifikanssampling .
Anta att vi behöver uppskatta det genomsnittliga antalet avgivna röster för varje kandidat i ett val. Anta att det finns 3 städer i ett land: stad A har 1 miljon fabriksarbetare, stad B har 2 miljoner kontorsanställda och stad C har 3 miljoner pensionärer. Vi kan välja att få ett slumpmässigt urval på 60 röster från hela befolkningen, men det finns en viss chans att det slumpmässiga urvalet kommer att vara dåligt balanserat över dessa städer och därför vara partiskt och till liten nytta ("medelsjukhustemperatur " ) , vilket orsakar betydande fel i uppskattningen . Om vi istället väljer att använda ett enkelt slumpmässigt urval på 10, 20 och 30 röster från städerna A, B respektive C, kan vi få en mindre felmarginal för samma totala urvalsstorlek.
Skäl att använda områdesurval istället för enkelt slumpmässigt urval [1] :
Om befolkningstätheten varierar mycket inom en region, kommer områdesurval att säkerställa att uppskattningar kan göras med samma noggrannhet i olika delar av regionen och att subregionala jämförelser kan göras med samma statistiska kraft . Till exempel, i Ontario , kan en provinsövergripande studie använda en större andel av urvalet från de mindre befolkade norra, eftersom befolkningsskillnaden mellan norr och söder är så stor att urvalsandelen från provinsen som helhet endast skulle kunna resultera i mycket lite data från norr.
Du kan också använda randomiserad stratifiering för att öka representativiteten för befolkningen i studien.