Popolazione e campione:
cosa sono e qual è la differenza
Quando si conduce una ricerca in psicometria, statistica o metodologia della ricerca, una delle prime domande da porsi è:
Su chi vogliamo ottenere informazioni?
Immaginiamo, per esempio, di voler studiare il livello di stress degli studenti universitari italiani. Sarebbe praticamente impossibile somministrare un questionario a tutti gli studenti universitari presenti in Italia. Per questo motivo, nella ricerca si ricorre spesso al campionamento. Come funziona? Semplice! Si seleziona solo una piccola parte della popolazione e si raccolgono su di essa i dati necessari.
Da qui nasce una distinzione fondamentale:
popolazione → l'insieme completo a cui siamo interessati;
campione → una parte della popolazione che viene effettivamente studiata.
Dalla popolazione al campione
Indice
In questa guida troverai:
1. Che cosa è la popolazione?
In statistica, la popolazione è l'insieme completo degli individui, degli oggetti o delle osservazioni che possiedono le caratteristiche che ci interessano. In altre parole, è la totalità dei casi ai quali vogliamo riferire i risultati della nostra ricerca.
La popolazione, per esempio, può essere costituita da:
- studenti universitari;
- bambini di una determinata fascia d'età;
- pazienti;
- lavoratori;
- persone con determinate caratteristiche;
- aziende;
- oggetti, eventi o misurazioni.
La popolazione rappresenta l'insieme completo dei casi ai quali vogliamo riferire i risultati della ricerca. Non coincide necessariamente con il gruppo di persone che riusciremo a raggiungere: rappresenta l'insieme al quale vogliamo riferire le nostre conclusioni.
2. Che cosa è il campione?
Il campione è un sottoinsieme della popolazione che viene effettivamente selezionato e studiato.
Per esempio, se invece di coinvolgere tutti gli studenti universitari ne selezioniamo solo 500, questi costituiscono il nostro campione. Possiamo, quindi, definire il nostro campione come una parte della popolazione.
Il campione è il sottoinsieme della popolazione che viene concretamente osservato e studiato. La maggior parte delle analisi statistiche verranno effettuate sul campione.
3. Perché si utilizza un campione?
Studiare l'intera popolazione non è sempre possibile: il numero di unità, cioè di soggetti, è troppo elevato per ragioni di costo, tempo e organizzazione e per l'impossibilità pratica del dover raggiungere tutti.
Un gruppo di persone di ampiezza più ristretta renderebbe il lavoro più semplice. Un campione adeguatamente selezionato, infatti, permette di raccogliere dati più facilmente e utilizzare successivamente le procedure statistiche appropriate per ottenere informazioni sulla popolazione. L'inferenza statistica si basa proprio su questo presupposto.
4. Popolazione target e popolazione accessibile
In alcuni studi è importante distinguere tra popolazione target e popolazione accessibile.
Popolazione target: è la popolazione alla quale vorremmo generalizzare i risultati della ricerca.
Popolazione accessibile: è la parte della popolazione target che possiamo concretamente raggiungere.
La popolazione accessibile è diversa dal campione. Per esempio: la popolazione target sono tutti gli studenti delle università italiane; la popolazione accessibile sono gli studenti delle università italiane che sono coinvolte nella ricerca e che soddisfano i criteri di inclusioni; il campione sono gli studenti delle università italiane che vengono selezionati e che partecipano realmente allo studio.
5. Che cosa significa campione rappresentativo?
Un campione viene definito rappresentativo quando riflette in maniera adeguata, rispetto agli aspetti rilevanti per la ricerca, le caratteristiche della popolazione di riferimento, ovvero quella target. La rappresentatività non dipende da una sola caratteristica, ma anche dal modo in cui il campione è stato selezionato e dalle possibili distorsioni nella partecipazione allo studio.
Per esempio, se la popolazione target comprende soggetti di ogni età, diversi status socio-economici, occupazioni, altezze, ecc... è importante che queste diverse caratteristiche siano presenti nel campione, in proporzione alla sua dimensione. Se il campione presenta una composizione completamente diversa rispetto a queste caratteristiche, potrebbe non rappresentare in modo adeguato la popolazione.
È importante però non confondere dimensione (la numerosità) e rappresentatività: un campione molto numeroso non è automaticamente rappresentativo. Un campione può essere considerato rappresentativo anche con numerosità esigua.
6. Il campionamento
Il campionamento è il procedimento attraverso il quale vengono selezionati gli elementi della popolazione che entreranno a far parte del campione. Esistono diverse tecniche di campionamento. Analizziamole.
6.1 Il campionamento probabilistico
Nel campionamento probabilistico, ogni unità della popolazione ha una probabilità di inclusione nota e maggiore di zero, secondo il disegno di campionamento adottato. Le probabilità di inclusione non devono necessariamente essere uguali per tutte le unità.
Tra le principali tecniche troviamo:
- Campionamento casuale semplice: gli elementi vengono selezionati casualmente dalla popolazione; nella forma standard, ognuno ha la stessa probabilità di essere selezionato.
- Campionamento sistematico: gli elementi vengono selezionati seguendo un intervallo prestabilito.
- Campionamento stratificato: la popolazione viene suddivisa in strati sulla base di determinate caratteristiche e gli elementi vengono selezionati all'interno degli strati.
- Campionamento a grappoli: la popolazione viene suddivisa in gruppi o grappoli e vengono selezionati alcuni di questi gruppi.
6.2 Il campionamento non probabilistico
Nel campionamento non probabilistico, le unità vengono selezionate senza un disegno probabilistico che consenta di conoscere le probabilità di inclusione di tutte le unità della popolazione. La selezione può dipendere dalla disponibilità dei partecipanti, da criteri stabiliti dal ricercatore o da altre procedure.
Tra le principali tecniche troviamo:
- Campionamento di convenienza: vengono selezionate le persone più facilmente disponibili.
- Campionamento per quote: la popolazione viene suddivisa in categorie e si selezionano soggetti fino a raggiungere determinate quote.
- Campionamento a valanga: i partecipanti iniziali possono aiutare il ricercatore a individuare altri partecipanti.
- Campionamento intenzionale: i soggetti vengono selezionati sulla base di caratteristiche ritenute rilevanti per gli obiettivi della ricerca.
7. L'errore di campionamento
Quando studiamo un campione, il valore osservato può essere diverso dal valore reale della popolazione. Nella maggior parte dei casi, questa differenza può dipendere dall'errore di campionamento.
Possiamo, quindi, definire l'errore di campionamento come la differenza tra una statistica calcolata sul campione e il corrispondente parametro della popolazione.
Per esempio, se la media reale della popolazione è 25 e la media osservata sul campione è 26, siamo davanti a un errore di campionamento (errore di stima della media pari a 1). Ciò non significa necessariamente che il ricercatore ha commesso un errore, ma semplicemente che la variabilità associata al campionamento porta a risultati diversi; così come non significa che il campione sia stato selezionato in modo errato. Si tratta solamente di una conseguenza "naturale" del fatto che stiamo osservando solamente una parte della popolazione.
Per questa ragione, è necessario distinguere tra errori dovuti alla misurazione da altre possibili fonti di distorsione.
8. Parametri e statistiche
La distinzione tra popolazione e campione porta a un'altra distinzione fondamentale: parametro e statistica.
Un parametro è una caratteristica numerica riferita alla popolazione.
Una statistica è una caratteristica numerica calcolata sul campione.
Per esempio:
Supponiamo che il punteggio medio di ansia di tutti gli studenti di una determinata popolazione sia pari a 30.
Questo valore è un parametro.
Se selezioniamo 100 studenti e otteniamo una media pari a 27, il valore 27 è una statistica campionaria.
La statistica campionaria può essere quindi utilizzata per stimare il parametro della popolazione.
9. Tabella riassuntiva
| Concetto | Significato |
|---|---|
| Popolazione | Insieme completo dei casi di interesse |
| Popolazione target | Popolazione alla quale vogliamo generalizzare i risultati |
| Popolazione accessibile | Parte della popolazione target che possiamo raggiungere |
| Campione | Sottoinsieme della popolazione concretamente studiato |
| Campionamento | Procedura usata per selezionare il campione |
| Errore di campionamento | Differenza che può derivare dall'osservazione di un campione anziché dell'intera popolazione |
| Parametro | Valore numerico riferito alla popolazione |
| Statistica | Valore numerico riferito al campione |
Hai difficoltà a comprendere le differenze tra popolazione e campione?
Posso aiutarti nello studio di statistica, psicometria e metodologia della ricerca, con lezioni online personalizzate.