জরিপের জনসংখ্যার গবেষণা পরিচালনা করার সময় পরিসংখ্যানগত নমুনা পদ্ধতি হিসাবে পদ্ধতিগত নমুনা ব্যবহারের পৃথক সুবিধা এবং অসুবিধা রয়েছে।
সিস্টেমেটিক স্যাম্পলিং: একটি ওভারভিউ
সিস্টেমেটিক স্যাম্পলিং এলোমেলো নমুনার চেয়ে সহজ এবং আরও সোজা। এটি বিস্তৃত অধ্যয়নের ক্ষেত্রটি আচ্ছাদন করার জন্য আরও উপযুক্ত হতে পারে। অন্যদিকে, পদ্ধতিগত নমুনা ডেটাতে কিছু স্বেচ্ছাচারিত পরামিতি প্রবর্তন করে। এটি নির্দিষ্ট নিদর্শনগুলির অতিরিক্ত বা নিম্ন-উপস্থাপনের কারণ হতে পারে।
সিস্টেমেটিক স্যাম্পলিং এর সরলতার কারণে গবেষকদের কাছে জনপ্রিয়। গবেষকরা সাধারণত ফলাফলগুলি বেশিরভাগ সাধারণ জনগোষ্ঠীর প্রতিনিধি বলে ধরে নেন, যদি না প্রতিটি রবিবার "ন্যাত" ডেটা নমুনার (যা সম্ভাবনা নেই) সাথে এলোমেলোভাবে বৈশিষ্ট্যহীনভাবে উপস্থিত থাকে unless
শুরু করার জন্য, একজন গবেষক একটি প্রারম্ভিক পূর্ণসংখ্যা নির্বাচন করেন যার ভিত্তিতে সিস্টেমটি বেস করা যায়। এই সংখ্যাটি সামগ্রিকভাবে জনসংখ্যার চেয়ে কম হওয়া দরকার (উদাহরণস্বরূপ, তারা 100 গজ ফুটবলের ক্ষেত্রের জন্য নমুনা হিসাবে প্রতি 500 গজ পছন্দ করে না)। একটি সংখ্যা নির্বাচিত হওয়ার পরে, গবেষক জনসংখ্যার নমুনার মধ্যে ব্যবধান বা ফাঁকগুলি বেছে নেন।
কী Takeaways
- এর সরলতার কারণে, পদ্ধতিগত নমুনা গবেষকদের কাছে জনপ্রিয় this এই পদ্ধতিটির অন্য সুবিধার মধ্যে রয়েছে ক্লাস্টার নির্বাচনের ঘটনাটি দূরীকরণ এবং ডেটা দূষিত করার কম সম্ভাবনা। এই অসুবিধাগুলিতে নির্দিষ্ট নিদর্শনগুলির অতিরিক্ত বা নিম্ন-উপস্থাপন এবং ডেটা ম্যানিপুলেশনের আরও বেশি ঝুঁকি রয়েছে include ।
পদ্ধতিগত নমুনা উদাহরণ
পদ্ধতিগত নমুনায়, নির্বাচিত ডেটা সমানভাবে বিতরণ করা হয়। উদাহরণস্বরূপ, 10, 000 জনসংখ্যার জনসংখ্যায় একজন পরিসংখ্যানবিদ নমুনা দেওয়ার জন্য প্রতি 100 তম ব্যক্তিকে বেছে নিতে পারেন। নমুনা ব্যবধানগুলি নিয়মিতও হতে পারে যেমন প্রতি 12 ঘন্টা পরে একটি নতুন নমুনা বেছে নেওয়া।
সিস্টেমেটিক স্যাম্পলিংয়ের সুবিধা
নিয়মিত পদ্ধতিতে নমুনা দেওয়ার সুবিধার মধ্যে রয়েছে:
কার্যকর এবং বুঝতে সহজ
পদ্ধতিগত নমুনাগুলি তুলনামূলকভাবে নির্মান, সম্পাদন, তুলনা এবং বোঝার পক্ষে সহজ। এটি স্টাডি বা জরিপের জন্য বিশেষভাবে গুরুত্বপূর্ণ যা শক্ত বাজেটের সীমাবদ্ধতা নিয়ে কাজ করে।
প্রক্রিয়া নিয়ন্ত্রণ এবং সংবেদন
একটি নিয়মতান্ত্রিক পদ্ধতি গবেষকগণ এবং পরিসংখ্যানবিদদের একটি ডিগ্রি নিয়ন্ত্রণ এবং প্রক্রিয়া অনুভূতি সরবরাহ করে। কঠোর পরামিতি বা সংকীর্ণভাবে গঠিত হাইপোথিসিসের সাথে অধ্যয়নের জন্য এটি বিশেষত উপকারী হতে পারে, ধরে নিই যে নির্দিষ্ট পরামিতিগুলির জন্য উপযুক্তভাবে নমুনাটি তৈরি করা হয়েছে।
ক্লাস্টার্ড নির্বাচন বাদ পড়েছে E
ক্লাস্টার্ড নির্বাচন, এমন একটি ঘটনা যাতে এলোমেলোভাবে নির্বাচিত নমুনাগুলি একটি জনসংখ্যার মধ্যে অস্বাভাবিকভাবে একত্রে কাছাকাছি থাকে, নিয়মিত পদ্ধতিতে নমুনা দিয়ে তা নির্মূল করা হয়। এলোমেলো নমুনাগুলি কেবলমাত্র নমুনার সংখ্যা বাড়িয়ে বা একাধিক জরিপ চালিয়ে এটি মোকাবেলা করতে পারে। এগুলি ব্যয়বহুল বিকল্প হতে পারে।
লো রিস্ক ফ্যাক্টর
সম্ভবত নিয়মতান্ত্রিক পদ্ধতির সবচেয়ে বড় শক্তি হ'ল তার স্বল্প ঝুঁকির কারণ। সিস্টেমের প্রাথমিক সম্ভাব্য অসুবিধাগুলি ডেটা দূষিত করার একটি স্বল্প কম সম্ভাবনা বহন করে।
সিস্টেমেটিক স্যাম্পলিংয়ের অসুবিধাগুলি
এই গবেষণা পদ্ধতিতেও ত্রুটি রয়েছে:
জনসংখ্যার আকার নির্ধারণ করা যেতে পারে
নিয়মানুগ পদ্ধতিটি ধরে নিয়েছে যে জনসংখ্যার আকার পাওয়া যায় বা যুক্তিসঙ্গতভাবে প্রায় অনুমান করা যায়। উদাহরণস্বরূপ, ধরুন গবেষকরা একটি নির্দিষ্ট অঞ্চলে ইঁদুরের আকারটি অধ্যয়ন করতে চান। যদি তাদের কতগুলি ইঁদুর রয়েছে তার কোনও ধারণা না থাকে তবে তারা নিয়মিতভাবে কোনও প্রারম্ভিক বিন্দু বা অন্তর আকার নির্বাচন করতে পারবেন না।
এলোমেলোতার প্রাকৃতিক ডিগ্রির জন্য প্রয়োজনীয়
একটি জনগোষ্ঠীকে বাছাই করা মেট্রিকের সাথে প্রাকৃতিক পরিমাণে এলোমেলোভাবে প্রদর্শন করা দরকার to জনসংখ্যার যদি এক ধরণের মানসম্পন্ন প্যাটার্ন থাকে তবে দুর্ঘটনাক্রমে খুব সাধারণ ক্ষেত্রে বাছাই করার ঝুঁকি আরও প্রকট হয়।
একটি সাধারণ অনুমানমূলক পরিস্থিতির জন্য, পছন্দের কুকুরের জাতের তালিকা বিবেচনা করুন যেখানে (ইচ্ছাকৃতভাবে বা দুর্ঘটনাক্রমে) তালিকার প্রতিটি সমান সংখ্যাযুক্ত কুকুর ছোট ছিল এবং প্রতিটি বিজোড় কুকুর বড় ছিল। যদি পদ্ধতিগত নমুনাটি চতুর্থ কুকুরের সাথে শুরু হয় এবং ছয়টির ব্যবধান পছন্দ করে তবে জরিপটি বড় কুকুরকে এড়িয়ে যাবে।
ডেটা ম্যানিপুলেশন এর বৃহত্তর ঝুঁকি
নিয়মিত পদ্ধতিতে নমুনা ব্যবহারের মাধ্যমে ডেটা হেরফেরের ঝুঁকি আরও বেশি কারণ গবেষকরা এলোমেলো তথ্য উপস্থাপনের পরিবর্তে কোনও লক্ষ্যবস্তু অর্জনের সম্ভাবনা বাড়াতে তাদের সিস্টেমগুলি তৈরি করতে সক্ষম হতে পারে। যে কোনও ফলাফলের পরিসংখ্যান বিশ্বাস করা যায়নি।
