सर्व थराथराने रचलेला नमूना नमूना बद्दल
स्तरीय यादृच्छिक नमूना काय आहे?
एक नमुना एक मोठी लोकसंख्या एक मिनी-प्रतिनिधित्व आहे
नमुने अनौपचारिक किंवा औपचारिकरित्या निर्धारित केले जाऊ शकतात. परंतु काही विशिष्ट वैज्ञानिक पद्धतींनुसार पद्धतशीरपणे तयार केलेले नमुने सामान्यतः मोठ्या लोकसंख्येबद्दल सामान्यीकरण करण्यासाठी उपयुक्त ठरतात.
स्तरीकृत म्हणजे काय?
स्तरीकृत नमुने मध्ये एकसंध उप-गट समाविष्ट आहेत जे महत्वाच्या मार्गांनी वेगळं केले जातात. या एकसंध उप-गटाचे संकलन स्ट्रेट असे म्हटले जाते. नमूना करण्याची पध्दत या पद्धतीमुळे लोकसंख्या एकसंध उपसमूहांमध्ये विभागली जाऊ शकते ज्यातून सरळ यादृच्छिक नमुने निवडली जाऊ शकतात .
एक स्तरीकृत नमुना उपयुक्त का आहे?
स्तरीकृत यादृच्छिक नमूनांचा उद्देश वेगवेगळ्या उपसमूहांमधील सहभागींचा शोध घेणे आहे जे असे मानले जाते की संशोधन केले जाईल. उदाहरणार्थ, अभ्यासाचे निष्कर्ष ' त्यांच्या वय, लिंग, कामाचा अनुभव स्तर, वांशिक व जातीय गट, आर्थिक परिस्थिती, शिक्षणाची पातळी इत्यादीसारख्या' विषयांच्या गुणधर्माचा प्रभाव टाकू शकतात, आणि पुढेही.
एक स्तरीकृत नमुना बांधण्यात आला आहे ज्यामुळे या संभाव्य प्रभावी वैशिष्ट्यांना सामान्य लोकसंख्येमध्ये या वैशिष्ट्यांच्या नमुना प्रतिबिंबित करण्यासाठी गृहित धरले जाऊ शकते. अशाप्रकारे, नमुना ज्या लोकसंख्येवरून घेतलेल्यांची लोकसंख्या प्रतिबिंबित करते, परंतु नमुना मोठ्या लोकसंख्येचा प्रतिनिधी म्हणू शकत नाही.
स्मर्रेटेड नमुना सदस्यांची निवड यादृच्छिक प्रक्रिया नाही हे लक्षात ठेवा. असे म्हटले जाते, की एकदा स्तर स्थापन करण्यात आले की, प्रत्येक यादृच्छिक नमुन्यासाठी प्रत्येक नमुन्यासाठी सदस्य नमूने निवडणे सोपे असते.
संभाव्यता म्हणजे काय?
स्तरीय यादृच्छिक नमुना संभाव्य आहे कारण नमूना लोकसंख्या निवडण्यासाठी वापरलेली प्रत्येक पद्धत नम्र लोकसंख्येची प्रतिनिधी आहे ज्याचा नमूना किती निवडला गेला आहे याचा अंदाज घेण्याचा एक यथोचित विश्वसनीय मार्ग प्रदान करतो. दुस-या शब्दात, संभाव्य नमुना एक संशोधकांना ज्या नमुनांनी नमुद केलेल्या मोठ्या लोकसंख्येचा प्रतिनिधित्व करत नाही किंवा नमुना तयार केला आहे त्या अंदाजापेक्षा अंदाज लावण्यास अनुमती देतो.
उदाहरणे
एकसंध उपसमूहात आणि संपूर्ण संपूर्ण मोठ्या नमूना लोकसंख्या यांच्यातील फरक शोधताना स्ट्रेटेटेड यादृच्छिक नमूना पद्धती वापरा.
चला, असे म्हणूया की व्यवसायिक ग्राहकांची लोकसंख्या तीन गटांमध्ये विभागली जाऊ शकते: जनरल-एक्सर्स, जेन-येर्स (मिलेनियल), आणि बेबी पीके. याशिवाय, जेन-एक्सर्स आणि जेन-येर्स ही एकूण व्यावसायिक ग्राहकांपेक्षा तुलनेने लहान अल्पसंख्यक आहेत यावर आमचा विश्वास आहे. जनरल-एक्सर्स ग्राहकांच्या एकूण लोकसंख्येपैकी 5 टक्के लोकसंख्येतील आहेत आणि जनरल-यर्समध्ये सुमारे 10 टक्के ग्राहक असतात.
जर आम्ही 100% नमुना अपूर्णांक वापरले असतील तर 100 सदस्यांचे (n = 100) एक सोपे यादृच्छिक नमुना 5 जनरल-एक्सर्स आणि 10 जनरल-यर्स निर्माण करू शकतात. नमुन्यात - अगदी दैवयोगाने, अगदी कमी जनरल-एक्सर्स आणि त्यापेक्षा कमी जेनर्स प्राप्त करणे शक्य होईल. स्ट्रेटीफिकेशन अधिक प्रामाणिक परिणामांची निर्मिती होण्याची शक्यता आहे. समजा सांगा आम्ही प्रत्येक गटात किमान 25 लोक असणे आवश्यक आहे. जर आम्ही अद्याप 100 (n = 100) चा नमुना घेतला तर आपण 25 जनरल-एक्सर्स, 25 जनरल-यर्स आणि 50 बेबी बूमर्स यांचे नमुना घेऊ शकतो.
आम्हाला माहित आहे की लोकसंख्येतील 10 टक्के लोक हजारो किंवा जन-याज (किंवा आमच्या 100 क्लायंटपैकी आहेत.) 25 क्लायंटचे यादृच्छिक नमुना 25/100 किंवा 25 टक्के अंतराळ नमूना अंश देईल. बेबी बूमर म्हणजे जेन-एक्सर्स, ज्या 50 क्लायंट नाहीत. याचा अर्थ असा की अंतर-स्तरीय अंश 25/50 किंवा 50 टक्के असतील.
तर 50 जनरल-एक्सर्स आणि 100 जनरल-यार्स आमच्या एकूण क्लायंट नमुनांपैकी 150 आहेत. संपूर्ण क्लायंटची लोकसंख्या 1000 असल्याने, आम्ही जनरल-एक्सर्स आणि जनरल-यर्स (एकूण 150 क्लायंट्स) वजा करतात जे 850 ग्राहकांना देते, जे बेबी पीके आहेत. बेबी बुमेरर्ससाठी अंतर्गत-स्टेटम नमुना अपूर्णांक 50/850 किंवा 5.88 टक्के आहे.
दोन गोष्टी स्पष्ट आहेत: (1) समूहाच्या लोकसंख्येपेक्षा तीन गट एकसमान गट आहेत. याचा अर्थ असा की कमी फरक आहे, जे मोठ्या प्रमाणावर सुस्पष्टता मिळविण्याची संधी प्रदान करते. (2) आणि नमुन्यात स्तरीय केले गेले असल्याने, अर्थपूर्ण उपसमूह संदर्भात सक्षम होण्यासाठी प्रत्येक गटातील पुरेसे सदस्य असतील.
संपूर्ण लोकसंख्येचे प्रतिनिधित्व करणे आणि लोकसंख्येतील की उपसमूहांचे प्रतिनिधित्व करणे महत्त्वाचे असते तेव्हा विशेषत: जेव्हा सबग्राफ खूपच लहान असतात परंतु महत्वाच्या मार्गांनी ओळखले जातात तेव्हा सामान्य यादृच्छिक नमुन्यापेक्षा अधोरेखित केलेले नमूने प्राधान्य दिले जाऊ शकते. स्तरीकृत नमूना पध्दती वापरून, संशोधक प्रभावीपणे खात्री देतो की उपसमूहाचा शोध निष्कर्षांविषयीच्या चर्चामध्ये फरक केला जाऊ शकतो .