কিভাবে সম্ভাব্যতা এবং অযোগ্যতা নমুনা ভিন্ন

একটি নমুনা একটি জনসংখ্যার মধ্যে একটি উপসেট, বা ছোট গ্রুপ। গবেষণায় নকশা করার সময়, গবেষকরা অবশ্যই নিশ্চিত করতে হবে যে নমুনাটি জনসংখ্যার বৃহত্তর জনসংখ্যার সমস্ত চরিত্রগত উপায়ে প্রতিফলিত করে যা গবেষণার গবেষণামূলক ফলাফলগুলির জন্য গুরুত্বপূর্ণ হতে পারে।

কিছু নমুনা নমুনা গোষ্ঠীর আপনার পর্যবেক্ষণ থেকে বৃহত্তর জনসংখ্যার সম্পর্কে সন্নিবেশ করা সহজ যে বৃহত্তর জনসংখ্যার এত ঘনিষ্ঠভাবে প্রতিনিধিত্ব করে। বাজার গবেষণাতে, নমুনার নমুনার দুটি সাধারণ পদ্ধতি রয়েছে: সম্ভাব্য নমুনা এবং অযোগ্যতা নমুনা।

সাধারণভাবে, অযোগ্যতা নমুনা একটি পক্ষপাতী এবং বিষয়ী প্রক্রিয়া সঙ্গে, একটু রুক্ষ। এই নমুনা একটি অনুমান উত্পন্ন করা হয়। বিপরীতভাবে, সম্ভাব্য নমুনাটি আরও সুনির্দিষ্ট, উদ্দেশ্যমূলক এবং নিরপেক্ষ, যা একটি হাইপোথিসিস পরীক্ষার জন্য এটি উপযুক্ত।

সম্ভাব্য নমুনা

সম্ভাবনা স্যাম্পলিংয়ের কৌশলতে, র্যান্ডম স্যাম্পলিং হিসাবেও পরিচিত, জনসংখ্যার প্রত্যেকটিতে প্রতিনিধি নমুনা হিসাবে নির্বাচিত হওয়ার সমান সুযোগ রয়েছে:

• নমুনা প্রত্যেকের নমুনা সেট হতে একই সম্ভাবনা, বা নির্দিষ্ট সুযোগ থাকতে হবে। এবং
• নমুনা গোষ্ঠীর যে কোন সদস্যের নমুনার নমুনা নির্বাচিত হওয়ার সম্ভাবনা গণনা করা যেতে পারে। অন্য কথায়, প্রত্যেকেরই একই, নির্বাচিত হওয়ার উপযুক্ত সুযোগ।

সম্ভাব্য নমুনা বৈশিষ্ট্য নিম্নরূপ সংক্ষেপিত করা যেতে পারে:

• নির্বাচন র্যান্ডম ভিত্তিতে
• স্থির, নির্বাচন সুযোগ পরিচিত
• চূড়ান্ত গবেষণা জন্য ব্যবহৃত
• একটি নিরপেক্ষ ফলাফল উত্পাদন করে
• পদ্ধতি উদ্দেশ্য
• পরিসংখ্যানগত পরিসংখ্যান করতে পারেন
• অনুমান পরীক্ষা করা হয়

Nonprobability নমুনা

Nonprobability নমুনা পদ্ধতির সবচেয়ে উল্লেখযোগ্য বৈশিষ্ট্যগুলির মধ্যে একটি, নন-র্যান্ডম স্যাম্পলিং নামেও পরিচিত, এটি যে কোন নির্দিষ্ট ব্যক্তি নমুনা সেটের মধ্যে থাকবে এমন কোনো নির্দিষ্ট সম্ভাবনা নেই। অন্য কথায়, আপনি জানেন না যে জনসংখ্যার কোন ব্যক্তি নমুনার জন্য নির্বাচিত হবে।

Nonprobability নমুনা কিছু বৈশিষ্ট্য অন্তর্ভুক্ত করা হয়েছে:

• নির্বাচন নির্বিচারে ভিত্তিতে
• অনুসন্ধানমূলক গবেষণার জন্য ব্যবহৃত
• একটি পক্ষপাতমূলক ফলাফল উত্পাদন করে
• একটি বুদ্ধিমান পদ্ধতি ব্যবহার করে
• বিশ্লেষণাত্মক সংজ্ঞা করতে পারেন
• অনুমান উত্পন্ন হয়

Nonprobability নমুনা একটি গুরুত্বপূর্ণ সীমাবদ্ধতা

নন-প্রোব্যাবলিবিলিটি স্যাম্পলিংয়ের সাথে, অযোগ্যতা নমুনার উপর ভিত্তি করে বৃহত্তর জনসংখ্যার বিষয়ে আনুষ্ঠানিকতাগুলি আঁকা যাবে না। মানুষ সবসময় অনুসন্ধানের ফলাফলের সাথে কিভাবে যোগাযোগ করে সে সম্পর্কে বাস্তবসম্মত দৃষ্টিকোণ থেকে, এমন ঘটনাগুলি চিহ্নিত করে যেখানে লোকেরা অযোগ্যতার নমুনাগুলির সাথে সম্পর্কিত ফলাফলগুলি থেকে উপসংহারগুলি আঁকড়ে নেয়।

সম্ভাব্য নমুনা ত্রুটি

অনাক্রম্যতা নমুনার সঙ্গে কাজ করার সময়, নমুনা ত্রুটি সংঘটিত হয় তা বুঝতে গুরুত্বপূর্ণ। নমুনা গ্রুপ ছোট, স্যাম্পলিং ত্রুটি সম্ভাবনা বেশি। এক বিশেষ ধরনের পক্ষপাতহীনতার ফলে অংশীদারিত্বের ফল হয়, যা একটি গবেষণার সামগ্রিক ফলাফলের উপর একটি গুরুত্বপূর্ণ প্রভাব ফেলতে পারে।

উদাহরণস্বরূপ, 1980 সালে জেনারেল সোসাইটি সার্ভে (জিএসএস) -এ, যারা এই গবেষণায় অংশ নেননি, তারা অংশগ্রহনকারীদের কাছ থেকে একটি গ্রুপ হিসাবে ভিন্ন ছিল। হার্ড-টু-গ্রুপ গ্রুপগুলি তাদের সহকর্মী শ্রম-শক্তি অংশগ্রহণকারীদের থেকে উল্লেখযোগ্যভাবে ভিন্ন ছিল-সর্বাধিক সামাজিকভাবে অর্থনৈতিক অবস্থা, বৈবাহিক অবস্থা, বয়স, শিশুদের সংখ্যা, স্বাস্থ্য এবং যৌনতার ক্ষেত্রে।

সুবিধা নমুনা

কলেজ শিক্ষার্থীদের, রোগীদের, প্রদত্ত স্বেচ্ছাসেবকদের, সামাজিক নেটওয়ার্কগুলির সদস্যদের বা আনুষ্ঠানিক সংস্থার সদস্যদের এমনকি এমনকি বন্দীদের উপর ব্যাপক নির্ভরতার কারণে সুবিধার নমুনাগুলি সাধারণত সামাজিক বিজ্ঞান এবং আচরণবিজ্ঞান বিজ্ঞানে ব্যবহৃত হয়।

অনেক সামাজিক বিজ্ঞান এবং আচরণবিজ্ঞান বিজ্ঞান গবেষণার উদ্দেশ্যটি যাচাই করা হয় যে কিছু নির্দিষ্ট বৈশিষ্ট্যগুলি ঘটেছে বা অধ্যয়নরত গোষ্ঠীগুলিতে ঘটে না। একটি সাধারণ পদ্ধতির বিভিন্ন গুণাবলী মধ্যে সম্পর্ক সন্ধান করা হয়। সুবিধার নমুনাগুলি এই ধরনের গবেষণার জন্য উপযোগী এবং পর্যাপ্ত, যদিও সুবিধার নমুনাটি একত্রে রাখা সহজ নয়।

সুবিধার নমুনা এছাড়াও দুটি দলের তুলনা করার জন্য মিলিত হতে পারে। মিলযুক্ত সুবিধা নমুনা ব্যবহার করার জন্য, একটি গবেষক প্রথম নমুনা প্রতিটি সদস্যের জন্য একটি প্রতিপক্ষ সনাক্ত করতে সক্ষম হওয়া আবশ্যক। এই সমতুল্য দ্বিতীয় (মিলিত) নমুনা সদস্য।

সাধারণভাবে মিলিত হওয়া ভেরিয়েবলগুলিতে লিঙ্গ, বয়স, জাতি, জাতিগত, শিক্ষাগত অর্জন, বাসস্থান, রাজনৈতিক অবস্থান, ধর্ম, চাকরির ধরন এবং মজুরি বা বেতন অন্তর্ভুক্ত। এই ভেরিয়েবলগুলি মিলিয়ে পক্ষপাতের উত্সগুলি হ্রাস করতে সহায়তা করে, যদিও সতর্কতার সাথে মেলামেশা নমুনাগুলি মুক্ত করে তুলতে পারে না। লুকানো উত্স থেকে পক্ষপাত সম্ভাবনা সবসময় বিদ্যমান।

উদ্দেশ্যমূলক নমুনা

গবেষণামূলক নকশার ব্যবহার যখন গবেষণা নকশা বিশেষ গুণাবলী প্রদর্শন যারা নমুনা জন্য কল। সাধারণত, এই বৈশিষ্ট্যগুলি বিরল বা অস্বাভাবিক এবং সাধারণত বড় জনসংখ্যার মধ্যে সাধারণত (সাধারণত "স্বাভাবিক বক্ররেখা" অনুসারে) বিতরণ করা হয় না। উদ্দেশ্যমূলক নমুনা পক্ষপাতের সাথে জড়িত, যার মধ্যে কিছু একটি উদ্দেশ্যমূলক নমুনা সদস্যদের সনাক্ত করার জন্য ব্যবহৃত পদ্ধতির ফলে ঘটে।

উদাহরণস্বরূপ, গবেষণার উদ্দেশ্যে যদি আঘাতমূলক মস্তিষ্কের আঘাত (টিবিআই) সহ ভেটেরান্স পড়ার প্রয়োজন হয়, তবে নমুনাটিতে অবশ্যই সেই প্রাক্তন সদস্যের সদস্য থাকা উচিত যিনি টিবিআইকে টিকে থাকতে পেরেছেন এবং যারা নিজেদেরকে সনাক্ত করে এবং গবেষণায় অংশ নিতে সম্মত হন। এই বৈশিষ্ট্যাবলী বা শর্তগুলির প্রতিটি নমুনাকে বায়াসের একটি পরিমাপকে অবদান রাখে, যার ফলে পর্যায় থেকে ফলাফল এবং পর্যায়গুলির ফলাফল সীমাবদ্ধ করে।

জনমত জরিপের মত কাজ করে এমন নমুনাগুলি এই ধারণা দিয়ে প্রচারিত হয় যে তারা কীভাবে প্রতিনিধিত্ব করে যে কোনও জনসংখ্যা আগামী নির্বাচনে ভোট দেবে কীভাবে। নির্ভরযোগ্য পূর্বাভাসের জন্য এই নমুনা জনসংখ্যার অত্যন্ত প্রতিনিধিত্বকারী হতে হবে।