नमूनाकरण का सिद्धांत, सांख्यिकीय, एक दिए गए समूह में इकाइयों का सबसेट का चयन (सांख्यिकीय जनसंख्या के रूप में जाना जाता है)। उद्देश्य सभी व्यक्तियों की सामान्य विशेषताओं को निर्धारित करना है, लेकिन पूरी आबादी का अध्ययन किए बिना, चुने हुए उपसमुच्चय में चुने गए लोगों की विशेषताओं द्वारा निर्देशित किया जा रहा है।
जो अवलोकन किया जाता है, उसका अध्ययन करने के लिए वस्तुओं या लोगों में एक या अधिक अवलोकन योग्य विशेषताओं को निर्धारित करने के लिए किया जाता है, जिन्हें सांख्यिकीय रूप से स्वतंत्र इकाइयों के रूप में दर्शाया जाता है। नमूनाकरण के साथ, जांच करने के लिए सांख्यिकी और संभाव्यता के सिद्धांत लागू होते हैं।
सरल नमूना है
सरल संभाव्यता नमूने में सांख्यिकीय आबादी से एक नमूना चुनना होता है जिसमें प्रत्येक तत्व को यादृच्छिक रूप से चुने जाने की समान संभावना होती है। इस विधि में, जनसंख्या के नमूने को अधिक भागों में विभाजित नहीं किया जाता है या अनुभागों में अलग नहीं किया जाता है।
इसलिए, तत्वों की किसी भी जोड़ी को समान संभावना के साथ चुना जा सकता है। यही है, अगर किसी इकाई को नमूने से चुना जाता है, तो चयनित होने वाले को किसी अन्य विकल्प के रूप में चुने जाने की समान संभावना है।
मूल्यों का यह यादृच्छिक चयन किसी दिए गए नमूने में कुछ इकाई या व्यक्ति के लिए वरीयता को कम करता है, जिससे आवश्यक विश्लेषण करने के लिए यादृच्छिक वातावरण का निर्माण होता है। इसके अलावा, इसका उपयोग परिणामों के विश्लेषण को सरल करता है।
व्यक्तियों के बीच प्राप्त परिणामों की भिन्नता आमतौर पर सामान्य रूप से परिणाम का एक अच्छा संकेतक है: यदि 100 की आबादी से 10 लोगों के नमूने में एक विचरण प्राप्त किया जाता है, तो यह अत्यधिक संभावना है कि यह संख्या आबादी में समान या समान होगी 100 व्यक्तियों।
उदाहरण
यदि किसी देश की जनसंख्या से 10 लोगों का नमूना प्राप्त किया जाता है, तो सबसे अधिक संभावना है कि कुल 5 पुरुष और 5 महिलाएं प्राप्त की जाएंगी।
हालांकि, इस प्रकार के यादृच्छिक नमूने में, एक सेक्स के 6 लोग और दूसरे के 4 आमतौर पर खींचे जाते हैं, जो आबादी में लोगों की संख्या को देखते हैं।
साधारण नमूने को देखने का एक और तरीका है, 25 लोगों की कक्षा लेना, उनके नाम को कागज पर रखना और उन्हें एक बैग में रखना।
अगर 5 बैग इस बैग से बिना देखे और रैंडम तरीके से चुने जाते हैं, तो जो लोग बाहर निकलते हैं, वे कक्षा की कुल आबादी के एक साधारण नमूने का प्रतिनिधित्व करेंगे।
दोहरा नमूना
एक साधारण नमूने से प्राप्त परिणामों को अधिक गहराई देने के लिए दोहरे सांख्यिकीय नमूने का निर्माण किया गया था। यह विधि आमतौर पर बड़ी सांख्यिकीय आबादी के लिए उपयोग की जाती है, और इसका उपयोग सरल नमूनाकरण में प्राप्त किए गए अतिरिक्त चर के अध्ययन का प्रतिनिधित्व करता है।
इस विधि को अक्सर दो-चरण नमूना भी कहा जाता है। अधिक विशिष्ट परिणाम प्राप्त करने और त्रुटियों की कम संभावना के साथ इसके उपयोग का मुख्य लाभ है।
आमतौर पर, डबल सैंपलिंग का उपयोग तब किया जाता है जब साधारण सैंपलिंग के आधार पर प्राप्त परिणामों को निर्णायक के रूप में प्रस्तुत नहीं किया जाता है, या जब वे सांख्यिकीविदों के लिए संदेह छोड़ते हैं।
इस मामले में, एक अतिरिक्त नमूना उसी सांख्यिकीय आबादी से प्राप्त किया जाता है जहां से पहले एक प्राप्त किया गया था, और परिणामों का विश्लेषण करने और त्रुटि के मार्जिन को कम करने के लिए दोनों के बीच तुलना की जाती है।
डबल सैंपलिंग व्यापक रूप से कुछ बड़े पैमाने पर उत्पादित सामग्री के सामान (जैसे खिलौने) की विशेषताओं के मूल्यांकन में और कारखाने त्रुटियों के लिए अतिसंवेदनशील उत्पादों के लिए समर्पित कंपनियों के गुणवत्ता नियंत्रण में उपयोग किया जाता है।
उदाहरण
1000 खिलौनों के आकार के आधार पर 100 इकाइयों के आकार के साथ एक नमूना प्राप्त किया जाता है। निकाली गई 100 इकाइयों की विशेषताओं का मूल्यांकन किया जाता है और यह निर्धारित किया जाता है कि परिणाम यह तय करने के लिए पर्याप्त नहीं हैं कि बहुत सारे खिलौनों को त्याग दिया जाना चाहिए या दुकानों में ले जाना चाहिए।
इसके परिणामस्वरूप, 1000 खिलौनों के एक ही बैच से 100 और खिलौनों का एक अतिरिक्त नमूना तैयार किया जाता है। इसका फिर से मूल्यांकन किया जाता है और परिणामों की तुलना पिछले वाले से की जाती है। इस तरह, यह निर्धारित किया जाता है कि बैच दोषपूर्ण है या नहीं और परिणाम विश्लेषण के आधार पर इसे पैक या त्याग दिया गया है।
कई नमूने
मल्टीपल सैंपलिंग को डबल सैंपलिंग का अतिरिक्त विस्तार माना जाता है; हालाँकि, यह उसी प्रक्रिया का हिस्सा नहीं है। अंतिम निर्णय पर पहुंचने से पहले नमूना से प्राप्त परिणामों का बड़े पैमाने पर मूल्यांकन करने के लिए इसका उपयोग किया जाता है।
इस नमूने में, जिसे मल्टीस्टेज नमूने के रूप में भी जाना जाता है, यह एक बड़े नमूने के साथ और कम अध्ययन लागत के साथ शुरू करने के लिए प्रथागत है। इस प्रकार के अभ्यास में, नमूना आमतौर पर स्ट्रैट प्राप्त करके प्राप्त किया जाता है, न कि व्यक्तिगत इकाइयों द्वारा; वह है, वस्तुओं या लोगों की एक जोड़ी का चयन किया जाता है, केवल एक के बजाय।
प्रत्येक स्ट्रैटम को चुनने के बाद, प्राप्त परिणामों का अध्ययन किया जाता है और एक या दो और स्ट्रैटा का चयन किया जाता है, परिणामों का फिर से अध्ययन करने के लिए और फिर उनकी एक दूसरे के साथ तुलना करें।
उदाहरण
ऑस्ट्रेलियन इंस्टीट्यूट ऑफ स्टैटिस्टिक्स ने एक जांच की जिसमें इसने आबादी को संग्रह क्षेत्रों से विभाजित किया और इनमें से कुछ क्षेत्रों को यादृच्छिक (नमूने के पहले चरण) में चुना। फिर, प्रत्येक ज़ोन को ब्लॉकों में विभाजित किया गया था, जिन्हें प्रत्येक ज़ोन के भीतर यादृच्छिक रूप से चुना जाता है (नमूने का दूसरा चरण)।
अंत में, प्रत्येक ब्लॉक के भीतर प्रत्येक घर के निवास का क्षेत्र चुना जाता है और घरों को यादृच्छिक (नमूने के तीसरे चरण) में चुना जाता है। यह इस क्षेत्र के सभी घरों के निवास क्षेत्र को सूचीबद्ध करने से बचता है, और केवल प्रत्येक ब्लॉक के भीतर स्थित आवासों पर ध्यान केंद्रित करता है।
नमूने का महत्व
नमूनाकरण एक सांख्यिकीय जांच के आवश्यक उपकरणों में से एक है। यह तकनीक लागत और समय की एक बड़ी राशि को बचाने के लिए कार्य करती है, जिससे अन्य क्षेत्रों में बजट वितरित करने की अनुमति मिलती है।
इसके अलावा, अलग-अलग नमूनाकरण तकनीक सांख्यिकीविदों को आबादी के प्रकार के आधार पर अधिक सटीक परिणाम प्राप्त करने में मदद करती हैं, जिसके साथ वे काम कर रहे हैं, अध्ययन किए जाने वाले गुण कितने विशिष्ट हैं और वे नमूना का विश्लेषण करने के लिए कितनी गहराई से चाहते हैं।
इसके अलावा, नमूनाकरण एक ऐसी सरल तकनीक है जिसका उपयोग यह इस क्षेत्र के अल्प ज्ञान वाले लोगों के लिए आंकड़ों तक पहुंच की सुविधा प्रदान करता है।
संदर्भ
- अनुपात अनुमान के लिए दोहरा नमूना, पेनस्टेट कॉलेज, (nd)। Psu.edu से लिया गया
- डबल, एकाधिक और अनुक्रमिक नमूनाकरण, नेकां स्टेट यूनिवर्सिटी, (एनडी)। Ncsu.edu से लिया गया
- सरल यादृच्छिक नमूनाकरण, (एन डी)। Investopedia.com से लिया गया
- डबल सैंपलिंग क्या है? - (एनडी)। Nist.gov से लिया गया
- बहु नमूना क्या है? - (एनडी)। Nist.gov से लिया गया
- नमूनाकरण, (nd), 19 जनवरी, 2018. wikipedia.org से लिया गया
- मल्टीस्टेज सैंपलिंग, (nd), 2 फरवरी, 2018. wikipedia.org से लिया गया