कैसे संभाव्यता और गैर-लाभकारी क्षमता के अंतर

एक नमूना एक आबादी के भीतर एक सबसेट या छोटा समूह है। अध्ययनों को डिजाइन करते समय, शोधकर्ताओं को यह सुनिश्चित करना चाहिए कि नमूना सभी विशिष्ट तरीकों से बड़ी आबादी की नकल करता है जो अध्ययन के शोध निष्कर्षों के लिए महत्वपूर्ण हो सकता है।

कुछ नमूने इतनी बड़ी आबादी को बारीकी से दर्शाते हैं कि नमूना समूह की टिप्पणियों से बड़ी आबादी के बारे में अनुमान लगाना आसान है। बाजार अनुसंधान में, नमूना लेने के दो सामान्य दृष्टिकोण हैं: संभावना नमूनाकरण और गैर-प्रतिरूपता नमूनाकरण।

आम तौर पर, पक्षपाती और व्यक्तिपरक प्रक्रिया के साथ गैर-लाभप्रदता नमूना थोड़ा मोटा होता है। इस नमूने का उपयोग एक परिकल्पना उत्पन्न करने के लिए किया जाता है। इसके विपरीत, संभावना नमूनाकरण अधिक सटीक, उद्देश्यपूर्ण और निष्पक्ष है, जो इसे एक परिकल्पना का परीक्षण करने के लिए एक अच्छा फिट बनाता है।

सम्भाव्यता नमूनाचयन

संभाव्यता नमूनाकरण की तकनीक में, जिसे यादृच्छिक नमूने के रूप में भी जाना जाता है, आबादी में हर किसी को प्रतिनिधि के रूप में चुने जाने की समान संभावना है:

  • सैंपल में सभी को समान संभावना, या निश्चित अवसर, नमूना सेट में होना चाहिए।
    तथा
  • नमूना समूह के किसी भी सदस्य के नमूने के लिए चुने जाने की संभावना गणितीय रूप से गणना की जा सकती है। दूसरे शब्दों में, सभी के पास समान है, चुने जाने का उचित मौका।

संभाव्यता नमूने की विशेषताओं को निम्नानुसार संक्षेपित किया जा सकता है:

  • चयन का यादृच्छिक आधार
  • चयन का निश्चित, ज्ञात अवसर
  • निर्णायक अनुसंधान के लिए उपयोग किया जाता है
  • निष्पक्ष परिणाम उत्पन्न करता है
  • विधि वस्तुनिष्ठ है
  • सांख्यिकीय निष्कर्ष बना सकते हैं
  • परिकल्पना का परीक्षण किया जाता है

गैर संभावित नमूना

नॉनप्रोबेबिलिटी सैंपलिंग की विधि की सबसे उल्लेखनीय विशेषताओं में से एक, जिसे गैर-आयामी नमूनाकरण के रूप में भी जाना जाता है, यह है कि कोई भी विशिष्ट संभावना नहीं है कि कोई भी व्यक्ति नमूना सेट में होगा। दूसरे शब्दों में, आप यह नहीं जानते कि जनसंख्या के किस व्यक्ति को नमूने के लिए चुना जाएगा।

Nonprobability नमूने की कुछ विशेषताओं में शामिल हैं:

  • चयन का मनमाना आधार
  • खोजपूर्ण अनुसंधान के लिए उपयोग किया जाता है
  • एक पक्षपाती परिणाम पैदा करता है
  • एक व्यक्तिपरक विधि का उपयोग करता है
  • विश्लेषणात्मक निष्कर्ष बना सकते हैं
  • परिकल्पना उत्पन्न होती है

Nonprobability नमूनाकरण की एक महत्वपूर्ण सीमा

Nonprobability नमूनाकरण के साथ, एक nonprobability नमूने के आधार पर बड़ी जनसंख्या के बारे में निष्कर्ष नहीं निकाला जा सकता है। यह हमेशा मामला नहीं होता है, हालांकि, लोगों के शोध के निष्कर्षों के दृष्टिकोण के बारे में यथार्थवादी दृष्टिकोण आसानी से उन स्थितियों की पहचान करता है जहां लोग अनुचित तरीके से गैर-नमूने नमूनों से जुड़े निष्कर्षों से निष्कर्ष निकालते हैं।

संभावित नमूनाकरण त्रुटियां

जब गैर-लाभप्रदता नमूनों के साथ काम करते हैं, तो नमूना त्रुटि की घटना को समझना महत्वपूर्ण है। नमूना समूह जितना छोटा होगा, नमूना त्रुटि का मौका उतना अधिक होगा। एक विशेष प्रकार का पूर्वाग्रह गैर-बराबरी का परिणाम होता है, जो एक अध्ययन के समग्र परिणाम पर महत्वपूर्ण प्रभाव डाल सकता है।

उदाहरण के लिए, 1980 के जनरल सोसाइटी सर्वे (जीएसएस) में, जिन्होंने शोध में भाग नहीं लिया था, वे एक समूह के रूप में, जिन्होंने भाग लिया था, से काफी भिन्न पाए गए। हार्ड-टू-पहुंच समूह के सदस्य अपने सहकर्मी श्रम-बल के प्रतिभागियों से काफी भिन्न थे, जो सामाजिक-आर्थिक स्थिति, वैवाहिक स्थिति, आयु, बच्चों की संख्या, स्वास्थ्य और सेक्स में स्पष्ट रूप से शामिल थे।

आराम नमूना

सुविधा के नमूने आमतौर पर सामाजिक विज्ञान और व्यवहार विज्ञान में उपयोग किए जाते हैं क्योंकि कॉलेज के छात्रों, रोगियों, भुगतान किए गए स्वयंसेवकों, सामाजिक नेटवर्क या औपचारिक संगठनों के सदस्यों और यहां तक ​​कि कैदियों पर भारी निर्भरता के कारण।

बहुत सामाजिक विज्ञान और व्यवहार विज्ञान अनुसंधान का उद्देश्य यह सत्यापित करना है कि अध्ययन के दौर से गुजरने वाले कुछ लक्षण होते हैं या नहीं होते हैं। एक सामान्य दृष्टिकोण कई विशेषताओं के बीच संबंधों की तलाश करना है। इस तरह के अध्ययन के लिए सुविधा के नमूने उपयोगी और पर्याप्त हैं, हालांकि एक सुविधा नमूना हमेशा एक साथ रखना आसान नहीं है।

दो समूहों की तुलना करने के लिए सुविधा नमूनों का मिलान भी किया जा सकता है। मिलान सुविधा नमूनों का उपयोग करने के लिए, एक शोधकर्ता को पहले नमूने के प्रत्येक सदस्य के लिए एक समकक्ष की पहचान करने में सक्षम होना चाहिए। ये समकक्ष दूसरे (मिलान किए गए) नमूने के सदस्य हैं।

आमतौर पर जिन चरों का मिलान किया जाता है उनमें लिंग, आयु, नस्ल, जातीयता, शैक्षिक प्राप्ति, निवास स्थान, राजनीतिक अभिविन्यास, धर्म, नौकरी के प्रकार, और वेतन या वेतन शामिल हैं। इन चरों के मिलान से पूर्वाग्रह के स्रोतों को कम करने में मदद मिलती है, हालांकि सावधानीपूर्वक मिलान से भी पूर्वाग्रह मुक्त नहीं हो सकते हैं। छिपे हुए स्रोतों से पूर्वाग्रह की संभावना हमेशा मौजूद होती है।

सोद्देश्य नमूना चयन

उद्देश्यपूर्ण नमूने का उपयोग तब किया जाता है जब अनुसंधान डिजाइन ऐसे लोगों के नमूने के लिए कहता है जो विशेष विशेषताओं का प्रदर्शन करते हैं। आम तौर पर, ये विशेषताएँ दुर्लभ या असामान्य होती हैं और आमतौर पर बड़ी आबादी में "सामान्य वक्र" के अनुसार सामान्य रूप से वितरित नहीं की जाती हैं। उद्देश्यपूर्ण नमूना पूर्वाग्रह से भरा होता है, जिनमें से कुछ एक उद्देश्यपूर्ण नमूने के सदस्यों की पहचान करने के लिए उपयोग किए जाने वाले तरीकों के परिणामस्वरूप होता है।

उदाहरण के लिए, यदि शोध के उद्देश्य में दर्दनाक मस्तिष्क की चोट (टीबीआई) के साथ दिग्गजों का अध्ययन करने की आवश्यकता होती है, तो नमूना में सैन्य के पूर्व-सदस्यों का समावेश होना चाहिए, जिन्होंने एक टीबीआई को बनाए रखा है और जो तदनुसार खुद को पहचानते हैं और अध्ययन में भाग लेने के लिए सहमत होते हैं। इन विशेषताओं या शर्तों में से प्रत्येक नमूने के लिए पूर्वाग्रह की माप में योगदान देता है, जिससे अध्ययन के परिणामस्वरूप होने वाले निष्कर्षों के स्तर और प्रकार को सीमित किया जाता है।

उदाहरण के लिए, जनमत सर्वेक्षण की तरह काम करने वाले नमूने इस विचार के साथ प्रसारित किए जाते हैं कि वे इस बात का प्रतिनिधित्व करते हैं कि एक आबादी के सदस्य आने वाले चुनाव में कैसे मतदान करेंगे। विश्वसनीय नमूने बनाने के लिए इन नमूनों को आबादी का अत्यधिक प्रतिनिधि होना चाहिए।

वीडियो देखना: Mark of Cain and the Beast and Other Occult Secrets - Zen Garcia, Gary Wayne and David Carrico (मार्च 2020).

Loading...