व्यवस्थित नमूनाकरण: लाभ और नुकसान

एक सर्वेक्षण आबादी के अनुसंधान का संचालन करते समय सांख्यिकीय नमूने के रूप में व्यवस्थित नमूने का उपयोग करने के अलग-अलग फायदे और नुकसान हैं ।

व्यवस्थित नमूनाकरण: एक अवलोकन

व्यवस्थित नमूनाकरण यादृच्छिक नमूने की तुलना में सरल और अधिक सरल है । व्यापक अध्ययन क्षेत्र को कवर करने के लिए यह अधिक अनुकूल हो सकता है। दूसरी ओर, व्यवस्थित नमूने डेटा में कुछ मनमाने मापदंडों का परिचय देते हैं। यह विशेष प्रतिमानों के अधिक या कम प्रतिनिधित्व का कारण बन सकता है।

व्यवस्थित नमूने इसकी सादगी के कारण शोधकर्ताओं के साथ लोकप्रिय हैं। शोधकर्ता आम तौर पर यह मानते हैं कि परिणाम सबसे सामान्य आबादी के प्रतिनिधि हैं, जब तक कि हर “nth” डेटा सैंपल (जो कि संभावना नहीं है) के साथ यादृच्छिक विशेषता मौजूद नहीं है।

शुरू करने के लिए, एक शोधकर्ता एक शुरुआती पूर्णांक का चयन करता है जिस पर सिस्टम को आधार बनाया जाता है। इस संख्या को समग्र रूप से आबादी से छोटा होना चाहिए (उदाहरण के लिए, वे प्रत्येक 500 वें यार्ड को 100-यार्ड फुटबॉल क्षेत्र के लिए नमूना लेने के लिए नहीं चुनते हैं)। एक नंबर चुने जाने के बाद, शोधकर्ता आबादी में नमूनों के बीच अंतराल, या रिक्त स्थान को चुनता है।

चाबी छीन लेना

• इसकी सादगी के कारण, व्यवस्थित नमूना शोधकर्ताओं के साथ लोकप्रिय 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 नमूना उदाहरण

एक व्यवस्थित नमूने में, चुना गया डेटा समान रूप से वितरित किया जाता है। उदाहरण के लिए, 10,000 लोगों की आबादी में, एक सांख्यिकीविद प्रति 100 वें व्यक्ति का नमूना लेने के लिए चयन कर सकता है। नमूना अंतराल भी व्यवस्थित हो सकते हैं, जैसे कि हर 12 घंटे में एक नया नमूना चुनना।

सिस्टेमेटिक सैंपलिंग के फायदे

व्यवस्थित नमूने के पेशेवरों में शामिल हैं:

निष्पादन और समझने में आसान

व्यवस्थित नमूने निर्माण, निष्पादन, तुलना और समझने में अपेक्षाकृत आसान हैं। यह विशेष रूप से अध्ययन या सर्वेक्षण के लिए महत्वपूर्ण है जो तंग बजट बाधाओं के साथ काम करते हैं।

नियंत्रण और प्रक्रिया की भावना

एक व्यवस्थित विधि शोधकर्ताओं और सांख्यिकीविदों को नियंत्रण और प्रक्रिया की भावना के साथ प्रदान करता है। यह सख्त मापदंडों या एक संकीर्ण रूप से गठित परिकल्पना के साथ अध्ययन के लिए विशेष रूप से फायदेमंद हो सकता है, यह मानते हुए कि नमूना कुछ मापदंडों को फिट करने के लिए उचित रूप से निर्मित है ।

गुच्छित चयन समाप्त हो गया

गुच्छित चयन, एक घटना जिसमें बेतरतीब ढंग से चुने गए नमूने असामान्य रूप से एक आबादी में एक साथ करीब होते हैं, को व्यवस्थित नमूनाकरण में समाप्त कर दिया जाता है। यादृच्छिक नमूने केवल नमूनों की संख्या बढ़ाकर या एक से अधिक सर्वेक्षण चलाकर इससे निपट सकते हैं। ये महंगे विकल्प हो सकते हैं।

कम जोखिम कारक

शायद एक व्यवस्थित दृष्टिकोण की सबसे बड़ी ताकत इसका कम जोखिम कारक है। सिस्टम के प्राथमिक संभावित नुकसान डेटा को दूषित करने की एक कम संभावना है।

व्यवस्थित नमूनाकरण के नुकसान

इस शोध पद्धति की कमियां भी हैं:

जनसंख्या का आकार निर्धारित किया जा सकता है

व्यवस्थित विधि मानती है कि जनसंख्या का आकार उपलब्ध है या यथोचित रूप से अनुमानित किया जा सकता है । उदाहरण के लिए, मान लीजिए कि शोधकर्ता किसी दिए गए क्षेत्र में चूहों के आकार का अध्ययन करना चाहते हैं। यदि उन्हें कोई पता नहीं है कि कितने चूहे हैं, तो वे व्यवस्थित रूप से एक प्रारंभिक बिंदु या अंतराल आकार का चयन नहीं कर सकते हैं।

यादृच्छिकता के प्राकृतिक डिग्री की आवश्यकता

एक 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।

एक साधारण काल्पनिक स्थिति के लिए, पसंदीदा कुत्तों की नस्लों की एक सूची पर विचार करें जहां (जानबूझकर या दुर्घटना से) सूची में हर समान रूप से गिने कुत्ते छोटे थे और प्रत्येक विषम कुत्ता बड़ा था। यदि व्यवस्थित नमूना चौथे कुत्ते के साथ शुरू हुआ और उसने छह का अंतराल चुना, तो सर्वेक्षण बड़े कुत्तों को छोड़ देगा।

डेटा हेरफेर का अधिक जोखिम

व्यवस्थित नमूनाकरण के साथ डेटा हेरफेर का एक बड़ा खतरा है क्योंकि शोधकर्ता अपने सिस्टम का निर्माण करने में सक्षम हो सकते हैं ताकि यादृच्छिक डेटा को प्रतिनिधि जवाब देने की बजाय लक्षित परिणाम प्राप्त करने की संभावना बढ़ सके। किसी भी परिणामी आंकड़ों पर भरोसा नहीं किया जा सकता है।