स्तरीकृत यादृच्छिक नमूनाकरण के बारे में सब कुछ
स्तरीकृत यादृच्छिक नमूना क्या है?
एक नमूना एक बड़ी आबादी का एक छोटा सा प्रतिनिधित्व है।
नमूने अनौपचारिक रूप से या औपचारिक रूप से निर्धारित किए जा सकते हैं। लेकिन कुछ वैज्ञानिक तरीकों के अनुसार व्यवस्थित रूप से विकसित नमूने आम तौर पर बड़ी आबादी के बारे में सामान्यीकरण करने के लिए अधिक उपयोगी होने के रूप में माना जाता है।
स्तरीकृत मतलब क्या है?
स्ट्रैटिफाइड नमूनों में समरूप उप-समूह होते हैं जिन्हें महत्वपूर्ण तरीकों से अलग माना जाता है। इन सजातीय उप-समूहों का संग्रह स्ट्रेट के रूप में जाना जाता है। नमूना प्रक्रियाओं की यह पद्धति जनसंख्या को समरूप उपसमूहों में विभाजित करने में सक्षम बनाती है, जिससे सरल यादृच्छिक नमूने चुने जा सकते हैं ।
एक स्तरीकृत नमूना उपयोगी क्यों है?
स्तरीकृत यादृच्छिक नमूनाकरण का उद्देश्य अलग-अलग उपसमूहों के प्रतिभागियों का चयन करना है, जिन्हें माना जाता है कि अनुसंधान के लिए प्रासंगिकता होगी। उदाहरण के लिए, अध्ययन के नतीजे विषयों के गुणों से प्रभावित हो सकते हैं, जैसे उनकी उम्र, लिंग, कार्य अनुभव स्तर, नस्लीय और जातीय समूह, आर्थिक स्थिति, शिक्षा का स्तर प्राप्त हुआ, और इसी तरह।
एक स्तरीकृत नमूना बनाया गया है ताकि समग्र रूप से प्रभावशाली विशेषताओं को समग्र जनसंख्या में इन विशेषताओं के पैटर्न को प्रतिबिंबित करने के लिए उचित रूप से माना जा सके। इस तरह, नमूना उस आबादी को दर्शाता है जहां से इसे लिया गया है, लेकिन नमूना को बड़ी आबादी का प्रतिनिधि नहीं कहा जा सकता है।
याद रखें, एक स्तरीकृत नमूने के सदस्यों का चयन यादृच्छिक प्रक्रिया नहीं है। उस ने कहा, एक बार स्तर स्थापित हो जाने के बाद, सरल यादृच्छिक नमूनाकरण प्रत्येक स्तर के नमूने के सदस्यों का चयन करने के लिए किया जाता है।
संभाव्यता का क्या अर्थ है?
एक स्तरीकृत यादृच्छिक नमूना संभाव्य है क्योंकि नमूना आबादी का चयन करने के लिए उपयोग की जाने वाली हर विधि का आकलन करने का एक उचित विश्वसनीय तरीका प्रदान करता है कि नमूना जनसंख्या बड़े (ब्रह्मांड) आबादी के लिए कैसे प्रतिनिधि है, जिससे नमूना चुना गया था। दूसरे शब्दों में, संभाव्य नमूना एक शोधकर्ता को उन बाधाओं का अनुमान लगाने की अनुमति देता है जो नमूना चयनित नमूना तैयार करता है या उस बड़े जनसंख्या का प्रतिनिधित्व नहीं करता है, जिससे नमूना तैयार किया गया था।
उदाहरण
समरूप उपसमूहों और संपूर्ण नमूना आबादी के बीच मतभेदों में रुचि होने पर स्तरीकृत यादृच्छिक नमूनाकरण विधियों का उपयोग करें।
आइए मान लें कि व्यापारिक ग्राहकों की आबादी को तीन समूहों में विभाजित किया जा सकता है: जेन-जेर्स, जेन-यर्स (मिलेनियल), और बेबी बूमर्स। इसके अलावा, हमारे पास यह मानने का कारण है कि जेन-जेर्स और जेन-यर्स दोनों समग्र व्यापारिक ग्राहकों की अपेक्षाकृत छोटी अल्पसंख्यक हैं। जेन-जेर्स ग्राहकों की कुल आबादी का लगभग 5 प्रतिशत हिस्सा बनाते हैं और जेन-यर्स ग्राहकों के लगभग 10 प्रतिशत बनाते हैं।
100 सदस्यों (एन = 100) का एक साधारण यादृच्छिक नमूना 5 जेन-एक्सर्स और 10 जेन-यर्स उत्पन्न कर सकता है अगर हमने 10 प्रतिशत के नमूना अंश का उपयोग किया। नमूना में उससे भी कम जेन-जेर्स और कम जेन-यर्स प्राप्त करना संभव होगा - बस मौका से। स्ट्रैटिफिकेशन अधिक प्रतिनिधि परिणामों का उत्पादन करने की संभावना है। मान लें कि हम प्रत्येक समूह में कम से कम 25 लोगों को रखना चाहते हैं। अगर हम अभी भी 100 (एन = 100) का नमूना लेते हैं, तो हम 25 जेन-जेर्स, 25 जेन-यर्स और 50 बेबी बूमर्स का नमूना दे सकते हैं।
हम जानते हैं कि 10 प्रतिशत आबादी मिलेनियल या जेन-यर्स (या हमारे लगभग 100 ग्राहक हैं। 25 ग्राहकों का एक यादृच्छिक नमूना 25/100 या 25 प्रतिशत के भीतर-स्ट्रैटम नमूना अंश देगा। हम यह भी जानते हैं कि 5 प्रतिशत 50 क्लाइंट्स जो बेबी बूमर्स नहीं हैं वे जनरल-एक्सर्स हैं। इसका मतलब है कि भीतर-स्ट्रैटम अंश 25/50 या 50 प्रतिशत होगा।
तो, 50 जेन-एक्सर्स प्लस 100 जेन-यर्स हमारे क्लाइंट नमूने का कुल 150 है। चूंकि कुल ग्राहक आबादी 1000 है, इसलिए हम जनरल-एक्सर्स प्लस जेन-यर्स (कुल 150 क्लाइंट) घटाते हैं जो 850 क्लाइंट छोड़ते हैं, जो बेबी बूमर्स हैं। बेबी बूमर्स के लिए भीतर-स्ट्रैटम नमूना अंश 50/850 या लगभग 5.88 प्रतिशत है।
दो चीजें स्पष्ट हैं: (1) पूरे समूह की तुलना में तीन समूह अधिक समरूप समूह हैं। इसका मतलब है कि कम भिन्नता है, जो अधिक सांख्यिकीय परिशुद्धता का अवसर प्रदान करता है। (2) और चूंकि नमूना स्तरीकृत किया गया है, इसलिए प्रत्येक समूह के पर्याप्त सदस्य सार्थक उपसमूहों को सम्मिलित करने में सक्षम होंगे।
सरल यादृच्छिक नमूनाकरण पर स्ट्रैटिफाइड नमूनाकरण को प्राथमिकता दी जा सकती है जब समग्र आबादी का प्रतिनिधित्व करना और आबादी के प्रमुख उपसमूहों का प्रतिनिधित्व करना महत्वपूर्ण है, खासकर जब उपसमूह काफी छोटे होते हैं लेकिन महत्वपूर्ण तरीकों से प्रतिष्ठित होते हैं। स्तरीकृत नमूनाकरण विधियों का उपयोग करके, एक शोधकर्ता प्रभावी ढंग से आश्वस्त कर सकता है कि शोध निष्कर्षों की चर्चा में उपसमूहों को अलग किया जा सकता है ।