स्तरीकृत नमूनाकरण: यह क्या है, प्रकार, फायदे और नुकसान - अर्थव्यवस्था - 2025

स्तरीकृत नमूना, या स्तरीकरण, एक नमूना पद्धति है कि छोटे उपसमूहों, तबके के रूप में जाना में आबादी को विभाजित करना शामिल है। बदले में, इन स्ट्रेट्स का गठन सदस्यों की साझा विशेषताओं या विशेषताओं के आधार पर किया जाता है, जैसे आय या शैक्षिक स्तर।

इसका उपयोग साधारण नमूने के विपरीत, आबादी में समूहों के बीच के अंतर को उजागर करने के लिए किया जाता है, जो कि आबादी के सभी सदस्यों के समान होने की संभावना के साथ समान व्यवहार करता है।

स्रोत: needpix.com

नमूना नमूना त्रुटि को कम करके नमूना की शुद्धता में सुधार करना लक्ष्य है। यह जनसंख्या के एक साधारण नमूने के अंकगणितीय माध्य की तुलना में कम परिवर्तनशीलता के साथ एक भारित माध्य उत्पन्न कर सकता है।

स्तरीकरण नमूनाकरण से पहले एक आबादी के सदस्यों को सजातीय सबसेट में विभाजित करने की प्रक्रिया है। स्ट्रैट के माध्यम से, एक जनसंख्या वितरण को परिभाषित किया गया है।

यही है, यह सामूहिक रूप से संपूर्ण और पारस्परिक रूप से अनन्य होना चाहिए, ताकि आबादी के प्रत्येक तत्व को एक स्ट्रैटम सौंपा जाए। फिर प्रत्येक स्ट्रैटम के भीतर एक व्यवस्थित या सरल नमूना लागू किया जाता है।

महत्वपूर्ण विचार

यह ध्यान रखना महत्वपूर्ण है कि परतों को juxtaposed नहीं किया जाना चाहिए। उपसमूहों के अतिव्यापी होने से कुछ लोगों को विषय के रूप में चुने जाने की अधिक संभावना होगी। यह पूरी तरह से नमूने के प्रोटोटाइप के रूप में स्तरीकृत नमूने की धारणा को सुस्त करता है।

यह भी उतना ही महत्वपूर्ण है कि शोधकर्ता को विभिन्न स्तरों के भीतर सरल नमूने का उपयोग करना चाहिए।

स्तरीकृत नमूनाकरण में उपयोग किए जाने वाले सबसे आम स्ट्रेटा उम्र, लिंग, सामाजिक आर्थिक स्थिति, धर्म, राष्ट्रीयता और शैक्षिक स्तर हैं।

स्तरीकृत नमूनाकरण क्या है?

समान विशेषताओं वाली संस्थाओं के समूह पर विश्लेषण पूरा करने पर, एक अन्वेषक को यह पता लग सकता है कि जांच को पूरा करने के लिए जनसंख्या का आकार बहुत बड़ा है।

समय और धन बचाने के लिए, आबादी से एक छोटे समूह का चयन करके अधिक व्यवहार्य परिप्रेक्ष्य लिया जा सकता है। इस छोटे समूह को नमूना आकार कहा जाता है, जो पूरी आबादी का प्रतिनिधित्व करने के लिए उपयोग की जाने वाली आबादी का एक सबसेट है।

आबादी से एक नमूना को कई तरीकों से चुना जा सकता है, जिनमें से एक स्तरीकृत नमूने के साथ है। इसमें कुल जनसंख्या को समरूप समूहों में विभाजित करना शामिल है जिन्हें स्ट्रैटा कहा जाता है। फिर प्रत्येक नमूने से यादृच्छिक नमूने चुने जाते हैं।

स्तरीकृत नमूनाकरण करने के लिए प्रक्रिया

- सदस्यों द्वारा साझा की गई विशेषताओं और विशेषताओं के अनुसार जनसंख्या को उपसमूह या छोटे स्तर में विभाजित करें।

- प्रत्येक स्ट्रेटम से एक संख्या में एक यादृच्छिक नमूना लें जो स्ट्रेटम के आकार के आनुपातिक है।

- यादृच्छिक नमूना बनाने के लिए स्ट्रेट्स के सबसेट समूह को बनाएं।

- विश्लेषण बाहर ले।

उदाहरण के लिए, एक शोधकर्ता पर विचार करें, जो 2018 में स्नातक करने के तीन महीने के भीतर नौकरी की पेशकश प्राप्त करने वाले व्यवसायी छात्रों की संख्या जानना चाहते हैं। वे जल्द ही पता लगाएंगे कि उस वर्ष लगभग 200,000 व्यवसाय स्नातक थे।

आप बस 5,000 स्नातकों का यादृच्छिक नमूना लेने और सर्वेक्षण करने का निर्णय ले सकते हैं। बेहतर अभी तक, आप आबादी को तबाह कर सकते हैं और उन तबकों से एक यादृच्छिक नमूना ले सकते हैं।

ऐसा करने के लिए, आप आयु, जाति, राष्ट्रीयता या पेशेवर पृष्ठभूमि के आधार पर जनसंख्या समूह बनाएंगे।

प्रत्येक जनसंख्या से एक यादृच्छिक नमूना लिया जाएगा, कुल जनसंख्या के संबंध में स्ट्रेटम के आकार के अनुपात में। इन सबसेट को एक नमूना बनाने के लिए एक साथ रखा जाएगा।

प्रकार

आनुपातिक स्तरीकृत नमूनाकरण

इस प्रकार में, कुल जनसंख्या की तुलना में प्रत्येक स्ट्रेटम के लिए नमूना आकार स्ट्रैटम के जनसंख्या आकार के लिए आनुपातिक होता है। इसका मतलब है कि प्रत्येक स्ट्रैटनम में एक ही नमूना दर है।

जब व्यक्तियों की एक विशेषता को समतलता को परिभाषित करने के लिए चुना जाता है, तो परिणामस्वरूप उपसमूह अक्सर विभिन्न आकारों के होते हैं।

उदाहरण के लिए, हम मैक्सिकन आबादी के प्रतिशत का अध्ययन करना चाहते हैं जो धूम्रपान करता है, और यह तय है कि उम्र स्तरीकरण के लिए एक अच्छा मानदंड होगा क्योंकि यह माना जाता है कि धूम्रपान की आदतें उम्र के अनुसार काफी भिन्न हो सकती हैं। तीन स्तरों को परिभाषित किया गया है:

- 20 साल से कम।

- 20 से 44 के बीच।

- 14 से अधिक।

जब मेक्सिको की आबादी को इन तीन स्तरों में विभाजित किया जाता है, तो तीनों समूहों के समान आकार होने की उम्मीद नहीं की जाती है। वास्तव में, वास्तविक डेटा इसकी पुष्टि करता है:

- स्ट्रैटम 1: 42.4 मिलियन (41.0%)।

- स्ट्रैटम 2: 37.6 मिलियन (36.3%)।

- स्ट्रैटम 3: 23.5 मिलियन (22.7%)।

यदि आनुपातिक स्तरीकृत नमूने का उपयोग किया जाता है, तो नमूने में समता का समावेश होना चाहिए जो जनसंख्या के समान अनुपात को बनाए रखता है। यदि आप 1,000 व्यक्तियों का एक नमूना बनाना चाहते हैं, तो नमूनों के निम्नलिखित आकार होने चाहिए:

यह एक छोटी आबादी को इकट्ठा करने के समान है, आबादी के भीतर अनुपात के सापेक्ष अनुपात द्वारा निर्धारित किया जाता है।

वर्दी स्तरीकृत नमूनाकरण

इस प्रकार में, जनसंख्या के भीतर इन स्ट्रैट के वजन की परवाह किए बिना, एक ही नमूना आकार सभी परिभाषित स्ट्रैट को सौंपा गया है।

पिछले उदाहरण को लेते हुए एक समान स्तरीकृत नमूनाकरण प्रत्येक स्ट्रैटम के लिए निम्नलिखित नमूने का उत्पादन करेगा:

यह पद्धति उन समता का पक्षधर है, जिनका जनसंख्या में कम वजन है, उन्हें अधिक प्रासंगिक स्तर के रूप में महत्व का स्तर प्रदान करके।

यह नमूने की समग्र प्रभावशीलता को कम करता है, लेकिन प्रत्येक स्ट्रैटम की व्यक्तिगत विशेषताओं को अधिक सटीकता के साथ अध्ययन करने की अनुमति देता है।

उदाहरण में, यदि आप स्ट्रैटम 3 (44 से अधिक) की आबादी के बारे में एक विशिष्ट बयान करना चाहते हैं, तो आप 227 इकाइयों के नमूने के बजाय 333 इकाइयों के नमूने का उपयोग करके नमूना त्रुटियों को कम कर सकते हैं, जैसा कि से प्राप्त किया गया है। आनुपातिक स्तरीकृत नमूनाकरण।

फायदे और नुकसान

स्तरीकृत नमूनाकरण आबादी के लिए अच्छी तरह से काम करता है जिसमें कई प्रकार की विशेषताएं होती हैं, लेकिन अन्यथा उप-समूह का गठन नहीं किया जा सकता है तो प्रभावी नहीं होगा।

- फायदा

प्रमुख विशेषताएं एकत्र करें

स्तरीकृत नमूने का मुख्य लाभ यह है कि यह नमूने में आबादी की प्रमुख विशेषताओं को एकत्र करता है।

एक भारित औसत के समान, यह नमूना विधि नमूने में विशेषताओं का उत्पादन करती है जो कुल जनसंख्या के आनुपातिक हैं।

उच्च सांख्यिकीय सटीकता

स्तरीकरण सरल नमूनाकरण विधि की तुलना में अनुमान में कम त्रुटि देता है। स्ट्रैटा के बीच अंतर जितना अधिक होगा, परिशुद्धता में अधिक लाभ होगा।

सरल नमूनाकरण की तुलना में एक उच्च सांख्यिकीय सटीकता है। यह इस तथ्य के कारण है कि उपसमूहों के भीतर परिवर्तनशीलता कम है, जब कुल जनसंख्या के साथ होने वाली विविधताओं के साथ तुलना की जाती है।

छोटे नमूने का आकार

चूंकि इस तकनीक में उच्च सांख्यिकीय सटीकता है, इसका मतलब यह भी है कि इसके लिए एक छोटे नमूने के आकार की आवश्यकता होती है, जो शोधकर्ताओं को बहुत प्रयास, पैसा और समय बचा सकता है।

- नुकसान

दुर्भाग्य से, इस शोध पद्धति का उपयोग सभी अध्ययनों में नहीं किया जा सकता है। विधि का नुकसान यह है कि इसे सही ढंग से उपयोग करने के लिए कई शर्तों को पूरा किया जाना चाहिए।

स्ट्रैटा खोजने में कठिनाई

मुख्य नुकसान यह है कि एक अध्ययन के लिए उपयुक्त स्तर की पहचान करना मुश्किल हो सकता है। इसके अलावा, एक पूरी आबादी की एक पूरी और निश्चित सूची खोजना चुनौतीपूर्ण हो सकता है।

व्यवस्थित करने के लिए जटिलता

एक दूसरा नुकसान यह है कि सरल नमूने की तुलना में परिणामों को व्यवस्थित और विश्लेषण करना अधिक जटिल है।

शोधकर्ताओं को एक अध्ययन आबादी के प्रत्येक सदस्य की पहचान करनी चाहिए और इसे केवल एक उप-विभाजन में वर्गीकृत करना चाहिए। परिणामस्वरूप, स्तरीकृत नमूनाकरण तब नुकसानदेह होता है जब शोधकर्ता जनसंख्या के प्रत्येक सदस्य को विश्वासपूर्वक उपसमूह में वर्गीकृत नहीं कर सकते।

यदि कई उपसमूह में आते हैं, तो Juxtaposition एक समस्या हो सकती है। जब सरल नमूने का प्रदर्शन किया जाता है, तो कई उपसमूहों में से चुने जाने की संभावना अधिक होती है। इसका परिणाम आबादी का गलत विवरण या गलत प्रतिबिंब हो सकता है।

कॉलेज के छात्रों, स्नातकों, पुरुषों और महिलाओं जैसे उदाहरण, इसे आसान बनाते हैं, क्योंकि वे स्पष्ट रूप से परिभाषित समूह हैं।

हालांकि, अन्य स्थितियों में यह अधिक कठिन हो सकता है। आप दौड़, जातीयता या धर्म जैसी विशेषताओं को शामिल करने की कल्पना कर सकते हैं। वर्गीकरण प्रक्रिया अधिक कठिन हो जाती है, जिससे स्तरीकृत नमूने एक अप्रभावी विधि बन जाते हैं।

उदाहरण

मान लीजिए कि एक शोध दल संयुक्त राज्य अमेरिका में कॉलेज के छात्रों के ग्रेड बिंदु औसत को निर्धारित करना चाहता है।

रिसर्च टीम को 21 मिलियन कॉलेज छात्रों से इस डेटा को इकट्ठा करने में स्पष्ट कठिनाइयाँ हैं। इसलिए, आप केवल 4,000 छात्रों का उपयोग करके जनसंख्या से एक नमूना लेने का निर्णय लेते हैं।

टीम नमूना प्रतिभागियों और चमत्कार के विभिन्न गुणों को देखती है अगर ग्रेड बिंदु औसत और छात्रों की विशेषज्ञता के बीच अंतर होता है।

नमूने में पाया गया है कि 560 छात्र अंग्रेजी के छात्र, विज्ञान के 1,135, कंप्यूटर विज्ञान के 800, इंजीनियरिंग के 1,090 और गणित के 415 हैं।

टीम आनुपातिक स्तरीकृत नमूने का उपयोग करना चाहती है, जहां नमूना समता जनसंख्या के नमूने के आनुपातिक हैं।

सृष्टि का निर्माण

ऐसा करने के लिए, टीम अमेरिका में विश्वविद्यालय के छात्रों के आंकड़ों की जांच करती है और उन छात्रों का आधिकारिक प्रतिशत ढूंढती है जो विशेषज्ञ हैं: अंग्रेजी में 12%, विज्ञान में 28%, कंप्यूटर विज्ञान में 24%, इंजीनियरिंग में 21% और 15% गणित में।

इसलिए, स्तरीकृत नमूनाकरण प्रक्रिया से पांच स्ट्रैट बनाए जाते हैं। टीम को यह पुष्टि करनी चाहिए कि जनसंख्या स्ट्रैटम नमूना स्ट्रैटनम के आनुपातिक है। हालांकि, वह पाता है कि अनुपात समान नहीं हैं।

नतीजतन, टीम को 4,000 छात्रों की आबादी को फिर से भरने की आवश्यकता है, लेकिन इस बार बेतरतीब ढंग से 480 (12%) अंग्रेजी सीखने वाले, 1,120 (28%) विज्ञान, 960 (24%) कंप्यूटर विज्ञान, 840 (इंजीनियरिंग में 21%) और गणित में 600 (15%)।

इसके साथ, हमारे पास विश्वविद्यालय के छात्रों का एक आनुपातिक स्तरीकृत नमूना है, जो अमेरिका में विश्वविद्यालय के छात्रों का बेहतर प्रतिनिधित्व प्रदान करता है।

शोधकर्ता एक विशिष्ट स्तर को उजागर करने में सक्षम होंगे, अमेरिकी कॉलेज के छात्रों के विभिन्न अध्ययनों का निरीक्षण करेंगे और विभिन्न ग्रेड बिंदु औसत का निरीक्षण करेंगे।

संदर्भ

1. एडम हेस (2019)। स्तरीय अनियमित नमूने का चुनाव। से लिया गया: investopedia.com।
2. विकिपीडिया, मुक्त विश्वकोश (2019)। स्तरीकृत प्रतिचयन। से लिया गया: en.wikipedia.org
3. व्याख्यात्मक (2019)। स्तरीकृत नमूनाकरण विधि। से लिया गया: explorable.com
4. सर्वे जीजोमिक्स (2019)। स्तरीकृत नमूनाकरण क्या है और इसका उपयोग कब किया जाता है? से लिया गया: Surveygizmo.com।
5. एशले क्रॉसमैन (2019)। स्तरीकृत नमूनों को समझना और उन्हें कैसे बनाना है। सोचा कं: से लिया गया।
6. कार्लोस ओचोआ (2017)। यादृच्छिक नमूनाकरण: स्तरीकृत नमूनाकरण। से लिया गया: netquest.com