a:

Systematische steekproeven zijn nuttig voor situaties waarin het onpraktisch is om de volledige populatie voor bepaalde informatie te beoordelen en een eenvoudig proces is nodig om een ​​steekproef te maken. Het wordt ook gebruikt in geavanceerde statistische technieken in de financiële wereld. Als een belegger bijvoorbeeld een probleem met de bedrijven in de S & P 500 wil onderzoeken, is het vaak onpraktisch om alle 500 bedrijven te onderzoeken. In plaats daarvan kan systematische bemonstering de populatiegrootte gemakkelijk tot een beheersbaar monster reduceren. Met de S & P 500 kan een persoon elke 10e onderneming uit een alfabetische lijst opnemen om in de steekproef op te nemen, voor een totale steekproefomvang van 50. Het is veel gemakkelijker om 50 bedrijven te onderzoeken in plaats van 500.

Systematische bemonstering is een bemonsteringsprocedure waarbij een willekeurige startpositie wordt geselecteerd in een populatie en vervolgens worden monsters getrokken volgens een vast vooraf bepaald interval. De belangrijkste voordelen zijn het gebruiksgemak en het feit dat de populatie gelijkmatig wordt bemonsterd. Een belangrijk nadeel is dat er een verborgen periodetrek in de populatie is die niet wordt herkend, en dat de systematische steekproef naar dat verborgen kenmerk schuift.

Systematische sampling is ook een techniek die wordt gebruikt in Monte Carlo-simulaties. Monte Carlo-analyse is een statistische techniek die wordt gebruikt om de waarschijnlijkheid van bepaalde uitkomsten te bepalen door een aantal verschillende simulaties uit te voeren met willekeurige variabelen. De techniek is genoemd naar de casinospellen van Monte Carlo en is ontstaan ​​in het Los Alamos Scientific Laboratory. Monte Carlo-analyse heeft veel toepassingen in de financiële wereld waar het kan helpen bij het bepalen van kansen op onzekere toekomstige uitkomsten. Het kan worden gebruikt voor prijsderivaten, risicobeheer, kostenmodellering en portfolio-optimalisatie.