व्यवस्थित नमूनाकरण
व्यवस्थित नमूनाकरण क्या है?
व्यवस्थित नमूनाकरण एक प्रकार की संभावना नमूनाकरण विधि है जिसमें एक बड़ी आबादी के नमूना सदस्यों को एक यादृच्छिक शुरुआती बिंदु के अनुसार चुना जाता है लेकिन एक निश्चित, आवधिक अंतराल के साथ। यह अंतराल, जिसे नमूना अंतराल कहा जाता है, की गणना जनसंख्या आकार को वांछित नमूना आकार से विभाजित करके की जाती है। नमूना जनसंख्या के अग्रिम में चयनित होने के बावजूद, व्यवस्थित नमूने को अभी भी यादृच्छिक माना जाता है यदि आवधिक अंतराल पहले से निर्धारित किया गया है और प्रारंभिक बिंदु यादृच्छिक है।
चाबी छीन लेना
- व्यवस्थित नमूनाकरण एक संभावना नमूनाकरण विधि है जिसमें एक यादृच्छिक नमूना, एक निश्चित आवधिक अंतराल के साथ, एक बड़ी आबादी से चुना जाता है।
- निश्चित आवधिक अंतराल, जिसे नमूना अंतराल कहा जाता है, की गणना वांछित आकार आकार द्वारा जनसंख्या आकार को विभाजित करके की जाती है।
- इस पद्धति के अन्य लाभों में शामिल हैं क्लस्टरिंग चयन की घटना को समाप्त करना और डेटा को दूषित करने की कम संभावना।
- नुकसान में विशेष पैटर्न का अधिक या कम प्रतिनिधित्व और डेटा हेरफेर का अधिक जोखिम शामिल है।
व्यवस्थित नमूनाकरण को समझना
चूंकि जनसंख्या का सरल यादृच्छिक नमूना अक्षम और समय लेने वाला हो सकता है, इसलिए सांख्यिकीविद् अन्य तरीकों की ओर रुख करते हैं, जैसे कि व्यवस्थित नमूनाकरण। एक व्यवस्थित दृष्टिकोण के माध्यम से एक नमूना आकार चुनना जल्दी से किया जा सकता है। एक बार एक निश्चित प्रारंभिक बिंदु की पहचान हो जाने के बाद, प्रतिभागी चयन को सुविधाजनक बनाने के लिए एक निरंतर अंतराल चुना जाता है।
सिस्टेमैटिक सैंपलिंग सरल रैंडम सैंपलिंग के लिए बेहतर है, जब डेटा हेरफेर का कम जोखिम हो। यदि एक शोधकर्ता वांछित परिणाम प्राप्त करने के लिए अंतराल लंबाई में हेरफेर कर सकता है तो ऐसा जोखिम अधिक है, एक सरल यादृच्छिक नमूना तकनीक अधिक उपयुक्त होगी।
आबादी के प्रतिनिधि हैं जब तक कि हर ” एन वें” डेटा नमूने (जो कि संभावना नहीं है) के साथ एक यादृच्छिक विशेषता असमान रूप से मौजूद है । दूसरे शब्दों में, आबादी को चुने हुए मीट्रिक के साथ यादृच्छिकता की एक प्राकृतिक डिग्री का प्रदर्शन करने की आवश्यकता होती है। यदि आबादी में एक प्रकार का मानकीकृत पैटर्न है, तो गलती से बहुत सामान्य मामलों को चुनने का जोखिम अधिक स्पष्ट है।
व्यवस्थित नमूने के भीतर, अन्य नमूना तरीकों के साथ, प्रतिभागियों को चुनने से पहले एक लक्ष्य आबादी का चयन किया जाना चाहिए। किसी भी वांछित विशेषताओं के आधार पर आबादी की पहचान की जा सकती है जो अध्ययन के उद्देश्य के अनुरूप है। कुछ चयन मानदंड में उम्र, लिंग, जाति, स्थान, शिक्षा स्तर और / या पेशा शामिल हो सकता है।
सांख्यिकीय अनुमान के लिए जनसंख्या का नमूना लेने के कई तरीके हैं; व्यवस्थित नमूना यादृच्छिक नमूने का एक रूप है।
व्यवस्थित नमूनाकरण के उदाहरण
व्यवस्थित नमूने के एक काल्पनिक उदाहरण के रूप में, मान लें कि 10,000 लोगों की आबादी में, एक सांख्यिकीविद नमूना के लिए प्रत्येक 100 वें व्यक्ति का चयन करता है। सैंपलिंग अंतराल भी व्यवस्थित हो सकता है, जैसे कि प्रत्येक 12 घंटों में ड्रा करने के लिए एक नया नमूना चुनना।
एक अन्य उदाहरण के रूप में, यदि आप व्यवस्थित नमूने का उपयोग करके 50,000 की आबादी के 1,000 लोगों के यादृच्छिक समूह का चयन करना चाहते हैं, तो सभी संभावित प्रतिभागियों को एक सूची में रखा जाना चाहिए और एक प्रारंभिक बिंदु चुना जाएगा। एक बार सूची बनने के बाद, सूची में प्रत्येक 50 वें व्यक्ति (चयनित प्रारंभिक बिंदु पर गिनती शुरू) को प्रतिभागी के रूप में चुना जाएगा, क्योंकि 50,000 / 1,000 = 50 है।
उदाहरण के लिए, यदि चयनित प्रारंभिक बिंदु 20 था, तो सूची में 70 वें व्यक्ति को 120 वें और उसके बाद चुना जाएगा। एक बार सूची के अंत तक पहुँच गया था और यदि अतिरिक्त प्रतिभागियों की आवश्यकता होती है, तो गिनती समाप्त करने के लिए सूची की शुरुआत के लिए लूप्स समाप्त हो जाते हैं।
व्यवस्थित नमूनाकरण बनाम।चुननेवाली मेडिकल जांच
व्यवस्थित नमूनाकरण और क्लस्टर नमूनाकरण इस बात में भिन्न होते हैं कि वे नमूने में शामिल जनसंख्या से नमूना बिंदुओं को कैसे खींचते हैं। क्लस्टर नमूनाकरण जनसंख्या को गुच्छों में तोड़ देता है, जबकि व्यवस्थित नमूना नमूना बनाने के लिए बड़ी आबादी से निश्चित अंतराल का उपयोग करता है।
व्यवस्थित नमूनाकरण जनसंख्या से एक यादृच्छिक प्रारंभिक बिंदु का चयन करता है, और फिर एक नमूना इसके आकार के आधार पर जनसंख्या के नियमित निश्चित अंतराल से लिया जाता है। क्लस्टर नमूनाकरण जनसंख्या को समूहों में विभाजित करता है और फिर प्रत्येक क्लस्टर से एक सरल यादृच्छिक नमूना लेता है।
क्लस्टर नमूनाकरण नमूने के अन्य तरीकों की तुलना में कम सटीक माना जाता है। हालांकि, यह एक नमूना प्राप्त करने पर लागत बचा सकता है। क्लस्टर नमूनाकरण एक दो-चरण नमूना प्रक्रिया है। इसका उपयोग तब किया जा सकता है जब पूरी आबादी की सूची को पूरा करना मुश्किल हो। उदाहरण के लिए, किराने की दुकान के ग्राहकों की पूरी आबादी का साक्षात्कार करना मुश्किल हो सकता है।
हालांकि, एक व्यक्ति स्टोर का एक यादृच्छिक सबसेट बना सकता है, जो प्रक्रिया में पहला कदम है। दूसरा चरण उन दुकानों के ग्राहकों के यादृच्छिक नमूने का साक्षात्कार करना है। यह एक सरल मैनुअल प्रक्रिया है जो समय और पैसा बचा सकती है।
व्यवस्थित नमूनाकरण की सीमाएं
एक जोखिम जिसे सांख्यिकीविदों को विचार करना चाहिए जब व्यवस्थित नमूने का आयोजन करना शामिल होता है कि नमूना अंतराल के साथ उपयोग की जाने वाली सूची कैसे व्यवस्थित होती है। यदि सूची में रखी गई जनसंख्या चक्रीय पैटर्न में व्यवस्थित होती है जो नमूना अंतराल से मेल खाती है, तो चयनित नमूना पक्षपाती हो सकता है।
उदाहरण के लिए, एक कंपनी का मानव संसाधन विभाग कर्मचारियों का एक नमूना चुनना चाहता है और पूछता है कि वे कंपनी की नीतियों के बारे में कैसा महसूस करते हैं। कर्मचारियों को 20 टीमों में बांटा गया है, प्रत्येक टीम में एक प्रबंधक होता है। यदि नमूने के आकार को चुनने के लिए उपयोग की गई सूची को एक साथ संकुलित टीमों के साथ आयोजित किया जाता है, तो नमूना अंतराल के आधार पर केवल प्रबंधकों (या कोई भी प्रबंधक) को उठाते हुए सांख्यिकीविद् जोखिम उठाते हैं।
लगातार पूछे जाने वाले प्रश्न
व्यवस्थित नमूने के क्या लाभ हैं?
व्यवस्थित नमूना लेना सरल और समझने में आसान है, यही वजह है कि यह आमतौर पर शोधकर्ताओं द्वारा इष्ट है। केंद्रीय धारणा, कि परिणाम सामान्य आबादी के बहुमत का प्रतिनिधित्व करते हैं, गारंटी देता है कि पूरी आबादी समान रूप से नमूना है। इसके अलावा, व्यवस्थित नमूनाकरण इसकी प्रक्रिया के कारण अन्य नमूना तरीकों की तुलना में नियंत्रण की एक बढ़ी हुई डिग्री प्रदान करता है। सिस्टेमैटिक सैंपलिंग भी कम जोखिम वाला कारक होता है क्योंकि इस बात की संभावना कम होती है कि डेटा दूषित हो सकता है।
व्यवस्थित नमूने के नुकसान क्या हैं?
व्यवस्थित नमूने का मुख्य नुकसान यह है कि आबादी के आकार की आवश्यकता है। एक आबादी में प्रतिभागियों की विशिष्ट संख्या जानने के बिना, व्यवस्थित नमूनाकरण अच्छी तरह से काम नहीं करता है। उदाहरण के लिए, यदि कोई सांख्यिकीविद् किसी विशिष्ट क्षेत्र में बेघर लोगों की आयु की जांच करना चाहेगा, लेकिन वहां कितने बेघर लोग हैं, तो यह ठीक-ठीक प्राप्त नहीं कर सकते, तो उनके पास जनसंख्या का आकार या प्रारंभिक बिंदु नहीं होगा। एक और नुकसान यह है कि जनसंख्या को यादृच्छिकता की एक प्राकृतिक मात्रा का प्रदर्शन करने की आवश्यकता होती है, अन्यथा इसी तरह के उदाहरणों को चुनने का जोखिम बढ़ जाता है, जो नमूना के उद्देश्य को हरा देता है।
कैसे क्लस्टर और व्यवस्थित नमूनाकरण अंतर है?
क्लस्टर नमूनाकरण और व्यवस्थित नमूनाकरण नमूना में शामिल आबादी से नमूना बिंदुओं को खींचने के तरीके में भिन्न होते हैं। क्लस्टर नमूनाकरण जनसंख्या को समूहों में विभाजित करता है और फिर प्रत्येक क्लस्टर से एक सरल यादृच्छिक नमूना लेता है। व्यवस्थित नमूनाकरण जनसंख्या से एक यादृच्छिक प्रारंभिक बिंदु का चयन करता है, और फिर एक नमूना इसके आकार के आधार पर जनसंख्या के नियमित निश्चित अंतराल से लिया जाता है। क्लस्टर नमूनाकरण व्यवस्थित नमूनाकरण की तुलना में बड़ी नमूना त्रुटि के लिए अतिसंवेदनशील है, हालांकि यह एक सस्ती प्रक्रिया हो सकती है।