स्तरीकृत यादृच्छिक नमूनाकरण: लाभ और नुकसान - KamilTaylan.blog
6 May 2021 8:01

स्तरीकृत यादृच्छिक नमूनाकरण: लाभ और नुकसान

जब प्रयोगकर्ता या शोधकर्ता डेटा की तलाश में होते हैं, तो आबादी में प्रत्येक व्यक्ति डेटा बिंदु को मापना अक्सर असंभव होता है । हालांकि, सांख्यिकीय विधियाँ उस आबादी से निकाले गए एक छोटे नमूने के परिणामों का विश्लेषण करके एक आबादी के बारे में अनुमान लगाने की अनुमति देती हैं । नमूने लेने के कई तरीके हैं।

स्तरीकृत यादृच्छिक नमूनाकरण एक सामान्य तरीका है जो शोधकर्ताओं द्वारा उपयोग किया जाता है क्योंकि यह उन्हें एक नमूना आबादी प्राप्त करने में सक्षम बनाता है जो पूरी आबादी का अध्ययन किया जाता है, जिससे यह सुनिश्चित होता है कि प्रत्येक उपसमूह ब्याज का प्रतिनिधित्व करता है। सभी समान, अनुसंधान का यह तरीका इसके नुकसान के बिना नहीं है।

चाबी छीन लेना

  • स्तरीकृत यादृच्छिक नमूने शोधकर्ताओं को एक नमूना जनसंख्या प्राप्त करने की अनुमति देता है जो पूरी आबादी का अध्ययन करता है जिसे इसे उपसमूह में विभाजित करके अध्ययन किया जा रहा है जिसे स्ट्रेटा कहा जाता है।
  • सांख्यिकीय नमूनाकरण की यह विधि, हालांकि, प्रत्येक अध्ययन डिजाइन में या प्रत्येक डेटा सेट के साथ उपयोग नहीं की जा सकती।
  • स्तरीकृत यादृच्छिक नमूना सरल यादृच्छिक नमूने से भिन्न होता है, जिसमें संपूर्ण आबादी से डेटा का यादृच्छिक चयन शामिल होता है, इसलिए प्रत्येक संभावित नमूना समान रूप से होने की संभावना है।

स्तरीकृत रैंडम नमूनाकरण: एक अवलोकन

स्तरीकृत यादृच्छिक नमूने में पहले आबादी को उप-योगों में विभाजित करना और फिर एक परीक्षण समूह बनाने के लिए प्रत्येक उप-समूह में यादृच्छिक नमूनाकरण विधियों को लागू करना शामिल है। एक नुकसान यह है कि जब शोधकर्ता आबादी के प्रत्येक सदस्य को उपसमूह में वर्गीकृत नहीं कर सकते हैं।

स्तरीकृत यादृच्छिक नमूना सरल यादृच्छिक नमूनाकरण से अलग है, जिसमें पूरी आबादी से डेटा का यादृच्छिक चयन शामिल है ताकि प्रत्येक संभावित नमूना समान रूप से होने की संभावना हो। इसके विपरीत, स्तरीकृत यादृच्छिक नमूने साझा विशेषताओं के आधार पर जनसंख्या को छोटे समूहों या वर्गों में विभाजित करता है। जनसंख्या के मुकाबले स्ट्रेटम के आकार के प्रत्यक्ष अनुपात में प्रत्येक स्ट्रैटम से एक यादृच्छिक नमूना लिया जाता है।

स्तरीकृत रैंडम नमूनाकरण उदाहरण

निम्नलिखित स्तरीकृत यादृच्छिक नमूने का एक उदाहरण है:

एक प्रमुख विश्वविद्यालय में अर्थशास्त्र के छात्रों के राजनीतिक झुकाव का मूल्यांकन करने के लिए शोधकर्ताओं ने एक अध्ययन किया है। शोधकर्ता यह सुनिश्चित करना चाहते हैं कि यादृच्छिक नमूना लिंग, स्नातक और स्नातक छात्रों सहित छात्र आबादी का सबसे अच्छा अनुमान लगाता है। अध्ययन में कुल आबादी 1,000 छात्रों की है और वहां से, उपसमूहों को नीचे दिखाया गया है।

कुल जनसंख्या = 1,000

शोधकर्ता विश्वविद्यालय में प्रत्येक अर्थशास्त्र के छात्रों को चार उप-योगों में से एक में नियुक्त करेंगे: पुरुष स्नातक, महिला स्नातक, पुरुष स्नातक और महिला स्नातक। शोधकर्ता अगली गणना करेंगे कि प्रत्येक उपसमूह के कितने छात्र 1,000 छात्रों की कुल आबादी बनाते हैं। वहां से, शोधकर्ता कुल आबादी के प्रत्येक उपसमूह के प्रतिशत प्रतिनिधित्व की गणना करते हैं। 

उपसमूह:

  • पुरुष अंडरग्रेजुएट = 450 छात्र (100 में से) या 45% आबादी
  • महिला स्नातक = 200 छात्र या 20%
  • पुरुष स्नातक छात्र = 200 छात्र या 20%
  • महिला स्नातक छात्र = 150 छात्र या 15%

प्रत्येक उप-जनसंख्या का रैंडम नमूनाकरण किया जाता है, समग्र रूप से आबादी के भीतर इसके प्रतिनिधित्व के आधार पर। चूंकि पुरुष अंडरग्रेजुएट आबादी का 45% है, इसलिए 45 पुरुष अंडरग्रैजुएट्स को उस उपसमूह से बेतरतीब ढंग से चुना जाता है। क्योंकि पुरुष स्नातक केवल 20% आबादी बनाते हैं, 20 को नमूने के लिए चुना जाता है, और इसी तरह। 



जबकि स्तरीकृत यादृच्छिक नमूना सही ढंग से अध्ययन की जा रही आबादी को दर्शाता है, जिन शर्तों को पूरा करने की आवश्यकता है, उनका मतलब है कि इस पद्धति का उपयोग हर अध्ययन में नहीं किया जा सकता है।

स्तरीकृत यादृच्छिक नमूनाकरण के लाभ

सरल यादृच्छिक नमूने की तुलना में स्तरीकृत यादृच्छिक नमूने के फायदे हैं।

सटीक रूप से दर्शाती जनसंख्या का अध्ययन

स्तरीकृत यादृच्छिक नमूनाकरण अध्ययन की जा रही आबादी को सही ढंग से दर्शाता है क्योंकि शोधकर्ता यादृच्छिक नमूनाकरण विधियों को लागू करने से पहले पूरी आबादी का स्तरीकरण कर रहे हैं। संक्षेप में, यह सुनिश्चित करता है कि जनसंख्या के भीतर प्रत्येक उपसमूह को नमूने के भीतर उचित प्रतिनिधित्व मिले। परिणामस्वरूप, स्तरीकृत यादृच्छिक नमूना जनसंख्या का बेहतर कवरेज प्रदान करता है क्योंकि शोधकर्ताओं ने उपसमूहों पर नियंत्रण किया है ताकि यह सुनिश्चित हो सके कि उन सभी को नमूने में दर्शाया गया है। 

सरल यादृच्छिक नमूने के साथ, कोई गारंटी नहीं है कि किसी विशेष उपसमूह या व्यक्ति का प्रकार चुना गया है। विश्वविद्यालय के छात्रों के हमारे पहले उदाहरण में, जनसंख्या से 100 का नमूना प्राप्त करने के लिए सरल यादृच्छिक नमूने का उपयोग करने से केवल 25 पुरुष स्नातक या कुल आबादी का केवल 25% का चयन हो सकता है। इसके अलावा, 35 महिला स्नातक छात्रों का चयन किया जा सकता है (जनसंख्या का 35%) जिसके परिणामस्वरूप पुरुष स्नातक और महिला स्नातक छात्रों का अधिक प्रतिनिधित्व होता है। जनसंख्या के प्रतिनिधित्व में कोई भी त्रुटि अध्ययन की सटीकता को कम करने की क्षमता रखती है।

स्तरीकृत यादृच्छिक नमूनाकरण के नुकसान

स्तरीकृत यादृच्छिक नमूना भी शोधकर्ताओं को नुकसान के साथ प्रस्तुत करता है।

सभी अध्ययनों में इस्तेमाल नहीं किया जा सकता

दुर्भाग्य से, अनुसंधान की इस पद्धति का उपयोग हर अध्ययन में नहीं किया जा सकता है। विधि का नुकसान यह है कि इसे ठीक से उपयोग करने के लिए कई शर्तों को पूरा करना चाहिए। शोधकर्ताओं को अध्ययन की जा रही आबादी के प्रत्येक सदस्य की पहचान करनी चाहिए और उनमें से प्रत्येक को एक में वर्गीकृत करना चाहिए, और केवल एक, उप-विभाजन। परिणामस्वरूप, स्तरीकृत यादृच्छिक नमूना नुकसानदायक होता है जब शोधकर्ता जनसंख्या के प्रत्येक सदस्य को विश्वासपूर्वक उपसमूह में वर्गीकृत नहीं कर सकते। इसके अलावा, संपूर्ण आबादी की एक संपूर्ण और निश्चित सूची को  खोजना चुनौतीपूर्ण हो सकता है। 

ओवरलैपिंग एक मुद्दा हो सकता है यदि ऐसे विषय हैं जो कई उपसमूहों में आते हैं। जब सरल यादृच्छिक नमूना किया जाता है, तो जो कई उपसमूहों में होते हैं उन्हें चुने जाने की अधिक संभावना होती है। परिणाम आबादी का गलत चित्रण या गलत प्रतिबिंब हो सकता है। 

उपरोक्त उदाहरण यह आसान बनाता है: स्नातक, स्नातक, पुरुष और महिला स्पष्ट रूप से परिभाषित समूह हैं। अन्य स्थितियों में, हालांकि, यह कहीं अधिक कठिन हो सकता है। दौड़, जातीयता या धर्म जैसी विशेषताओं को शामिल करने की कल्पना करें। छँटाई प्रक्रिया अधिक कठिन हो जाती है, स्तरीकृत यादृच्छिक नमूने का अप्रभावी और आदर्श विधि से कम प्रतिपादन।