- গুরুত্বপূর্ণ বিবেচনা
- স্তরিত নমুনা কী?
- স্তরযুক্ত নমুনা সম্পাদনের জন্য প্রক্রিয়া
- প্রকারভেদ
- আনুপাতিক স্তরযুক্ত নমুনা
- ইউনিফর্ম স্তরযুক্ত নমুনা
- সুবিধাগুলি এবং অসুবিধাগুলি
- - সুবিধা
- মূল বৈশিষ্ট্য সংগ্রহ করুন
- উচ্চ পরিসংখ্যান নির্ভুলতা
- ছোট নমুনার আকার
- - অসুবিধা
- স্ট্রাট খুঁজে পেতে অসুবিধা
- সুসংগঠিত করার জটিলতা
- উদাহরণ
- স্তর তৈরি
- তথ্যসূত্র
স্তরীভূত স্যাম্পলিং বা স্তরবিন্যাস, একটি স্যাম্পলিং পদ্ধতি যা ক্ষুদ্রতর উপগোষ্ঠী, স্তরে নামে পরিচিত জনসংখ্যা বিভাজক চালানো যায়। ঘুরেফিরে, এই স্তরগুলি সদস্যদের ভাগ করা গুণাবলী বা বৈশিষ্ট্যগুলির উপর ভিত্তি করে গঠিত হয় যেমন আয় বা শিক্ষাগত স্তরের।
এটি একটি জনসংখ্যার বিভিন্ন দলের মধ্যে পার্থক্যগুলি হাইলাইট করার জন্য ব্যবহৃত হয়, সাধারণ নমুনা থেকে ভিন্ন, যা জনসংখ্যার সমস্ত সদস্যকে সমান হিসাবে বিবেচনা করে, নমুনা দেওয়ার একই সম্ভাবনা সহ।
সূত্র: needpix.com
স্যাম্পলিংয়ের ত্রুটি হ্রাস করে লক্ষ্যটি নমুনার যথার্থতা উন্নত করা। এটি জনসংখ্যার সাধারণ নমুনার গাণিতিক গড়ের চেয়ে কম পরিবর্তনশীলতার সাথে একটি ভারিত গড় উত্পাদন করতে পারে।
নমুনা দেওয়ার আগে একটি জনসংখ্যার সদস্যকে একজাতীয় উপগ্রহে বিভক্ত করার প্রক্রিয়া হ'ল স্ট্র্যাটিয়েশন। স্তরের মাধ্যমে একটি জনসংখ্যা বিতরণ সংজ্ঞায়িত করা হয়।
এটি হ'ল এটি অবশ্যই সম্মিলিতভাবে পরিস্ফুটিত এবং পারস্পরিক একচেটিয়া হওয়া উচিত, যাতে জনগণের প্রতিটি উপাদানকে একক স্তর নির্ধারণ করা আবশ্যক। তারপরে প্রতিটি স্তরের মধ্যে নিয়মিত বা সাধারণ নমুনা প্রয়োগ করা হয়।
গুরুত্বপূর্ণ বিবেচনা
এটি লক্ষ করা গুরুত্বপূর্ণ যে স্তরগুলি জাস্টস্পোজ করা উচিত নয়। ওভারল্যাপিং সাবগ্রুপগুলি থাকা কিছু লোককে বিষয় হিসাবে নির্বাচিত হওয়ার বৃহত্তর সুযোগ দেবে। এটি একটি নমুনা প্রোটোটাইপ হিসাবে স্তরিত নমুনা ধারণা পুরোপুরি নিস্তেজ।
এটি সমানভাবে গুরুত্বপূর্ণ যে গবেষককে অবশ্যই বিভিন্ন স্তরের মধ্যে সাধারণ নমুনা ব্যবহার করতে হবে।
স্তরবদ্ধ নমুনা ব্যবহারে সবচেয়ে সাধারণ স্তরটি হ'ল বয়স, লিঙ্গ, আর্থ-সামাজিক অবস্থান, ধর্ম, জাতীয়তা এবং শিক্ষাগত স্তর।
স্তরিত নমুনা কী?
অনুরূপ বৈশিষ্ট্যযুক্ত সত্তার একটি গ্রুপের বিশ্লেষণ সমাপ্ত করার সময়, তদন্তকারী আবিষ্কার করতে পারেন যে তদন্ত শেষ করতে জনসংখ্যার আকার খুব বেশি size
সময় এবং অর্থ সাশ্রয়ের জন্য জনসংখ্যার থেকে একটি ছোট গোষ্ঠী নির্বাচন করে আরও সম্ভাব্য দৃষ্টিকোণ নেওয়া যেতে পারে। এই ছোট্ট দলটিকে নমুনা আকার বলা হয়, যা সমগ্র জনগণের প্রতিনিধিত্ব করতে ব্যবহৃত জনসংখ্যার একটি উপসেট।
জনসংখ্যার একটি নমুনা বিভিন্ন উপায়ে নির্বাচন করা যেতে পারে, যার মধ্যে একটি স্তরিত নমুনা সহ। এর মধ্যে মোট জনসংখ্যাকে স্ট্রাটা নামে সমজাতীয় গোষ্ঠীতে ভাগ করা জড়িত। তারপরে প্রতিটি স্তর থেকে এলোমেলো নমুনা নির্বাচন করা হয়।
স্তরযুক্ত নমুনা সম্পাদনের জন্য প্রক্রিয়া
- সদস্যদের দ্বারা ভাগ করা গুণাবলী এবং বৈশিষ্ট্য অনুসারে জনগোষ্ঠীকে উপ-গোষ্ঠী বা ছোট স্তরে বিভক্ত করুন।
- স্ট্র্যাটামের আকারের সাথে আনুপাতিক এমন একটি সংখ্যায় প্রতিটি স্তর থেকে একটি এলোমেলো নমুনা নিন।
- একটি এলোমেলো নমুনা গঠনের জন্য স্তরের সাবসেটগুলি গ্রুপ করুন।
- বিশ্লেষণ করা।
উদাহরণস্বরূপ, এমন এক গবেষক বিবেচনা করুন যিনি 2018 সালে স্নাতক হওয়ার তিন মাসের মধ্যে চাকরির অফার প্রাপ্ত ব্যবসায়িক শিক্ষার্থীদের সংখ্যা জানতে চেয়েছিলেন soon তারা শীঘ্রই আবিষ্কার করবেন যে বছর সেখানে প্রায় 200,000 ব্যবসায় স্নাতক ছিল।
আপনি কেবল 5,000 গ্র্যাজুয়েটের একটি এলোমেলো নমুনা গ্রহণ এবং সমীক্ষা চালানোর সিদ্ধান্ত নিতে পারেন। আরও ভাল, আপনি জনসংখ্যাকে স্তরগুলিতে বিভক্ত করতে পারেন এবং সেই স্তরগুলির থেকে এলোমেলো নমুনা নিতে পারেন।
এটি করার জন্য, আপনি বয়স, বর্ণ, জাতীয়তা বা পেশাদার পটভূমির উপর ভিত্তি করে জনসংখ্যার গোষ্ঠী তৈরি করবেন।
মোট স্তরের আকারের অনুপাতে প্রতিটি স্তর থেকে একটি এলোমেলো নমুনা নেওয়া হবে। এই উপগ্রহগুলিকে একত্র করে একটি নমুনা তৈরি করা হবে।
প্রকারভেদ
আনুপাতিক স্তরযুক্ত নমুনা
এই ধরণের, মোট জনসংখ্যার তুলনায় প্রতিটি স্তরের জন্য নমুনার আকার স্ট্র্যাটমের জনসংখ্যার আকারের সাথে সমানুপাতিক। এর অর্থ হ'ল প্রতিটি স্তরে একই নমুনার হার রয়েছে।
যখন ব্যক্তির একটি বৈশিষ্ট্য স্তরটি সংজ্ঞায়িত করতে নির্বাচিত হয়, ফলস্বরূপ উপগোষ্ঠীগুলি প্রায়শই বিভিন্ন আকারের হয়।
উদাহরণস্বরূপ, আমরা যে ধূমপান করে মেক্সিকান জনসংখ্যার শতকরা অংশটি অধ্যয়ন করতে চাই এবং সিদ্ধান্ত নেওয়া হয়েছে যে বয়সের অনুপাতে উত্তম মানদণ্ড হবে কারণ এটি বিশ্বাস করা হয় যে বয়স অনুসারে ধূমপানের অভ্যাস উল্লেখযোগ্যভাবে পরিবর্তিত হতে পারে। তিনটি স্তর সংজ্ঞায়িত করা হয়:
- 20 বছরের কম বয়সী।
- 20 থেকে 44 এর মধ্যে।
- 44 এর বেশি।
মেক্সিকো জনসংখ্যা যখন এই তিনটি স্তরে বিভক্ত হয়, তখন তিনটি দল একই আকারের হবে বলে আশা করা যায় না। আসলে, আসল তথ্য এটি নিশ্চিত করে:
- স্ট্র্যাটাম 1: 42.4 মিলিয়ন (41.0%)।
- স্ট্র্যাটাম 2: 37.6 মিলিয়ন (36.3%)।
- স্ট্র্যাটাম 3: 23.5 মিলিয়ন (22.7%)।
যদি আনুপাতিক স্তরযুক্ত নমুনা ব্যবহার করা হয়, তবে নমুনাটিতে এমন স্তরগুলি থাকা উচিত যা জনসংখ্যার মতো একই অনুপাত বজায় রাখে। আপনি যদি এক হাজার ব্যক্তির নমুনা তৈরি করতে চান তবে স্যাম্পলগুলিতে নিম্নলিখিত আকার থাকতে হবে:
এটি একটি ছোট জনসংখ্যার একত্রিত করার মতো, যা জনসংখ্যার মধ্যে স্তরের তুলনামূলক অনুপাত দ্বারা নির্ধারিত হয়।
ইউনিফর্ম স্তরযুক্ত নমুনা
এই ধরণের ক্ষেত্রে, জনসংখ্যার মধ্যে এই স্তরগুলির ওজন নির্বিশেষে, একই নমুনার আকারটি সমস্ত সংজ্ঞায়িত স্তরের জন্য নির্ধারিত হয়।
পূর্ববর্তী উদাহরণ গ্রহণ করে একটি অভিন্ন স্তরিত নমুনা প্রতিটি স্তরের জন্য নিম্নলিখিত নমুনা উত্পাদন করতে পারে:
এই পদ্ধতিটি আরও বেশি প্রাসঙ্গিক স্তরের মতো একই স্তরের গুরুত্ব প্রদান করে জনসংখ্যায় কম ওজন ধারণকারী স্তরের পক্ষে।
এটি নমুনার সামগ্রিক কার্যকারিতা হ্রাস করে তবে প্রতিটি স্তরের পৃথক বৈশিষ্ট্যকে আরও নির্ভুলতার সাথে অধ্যয়ন করতে দেয়।
উদাহরণস্বরূপ, আপনি যদি স্ট্র্যাটাম 3 (44 এরও বেশি) জনসংখ্যা সম্পর্কে একটি নির্দিষ্ট বিবৃতি দিতে চান, তবে আপনি 227 ইউনিটের নমুনার পরিবর্তে, 333 ইউনিটের নমুনা ব্যবহার করে নমুনা ত্রুটিগুলি হ্রাস করতে পারেন আনুপাতিক স্তরযুক্ত নমুনা।
সুবিধাগুলি এবং অসুবিধাগুলি
স্ট্র্যাটেইড স্যাম্পলিং বিভিন্ন ধরণের বৈশিষ্ট্যযুক্ত জনগোষ্ঠীর জন্য ভাল কাজ করে, তবে সাব-গ্রুপগুলি গঠন করতে না পারলে অন্যথায় কার্যকর হবে না।
- সুবিধা
মূল বৈশিষ্ট্য সংগ্রহ করুন
স্তরযুক্ত নমুনার প্রধান সুবিধা হ'ল এটি নমুনায় জনসংখ্যার মূল বৈশিষ্ট্যগুলি সংগ্রহ করে।
ওজনযুক্ত গড়ের মতো, এই নমুনা পদ্ধতিটি নমুনায় এমন বৈশিষ্ট্য তৈরি করে যা মোট জনসংখ্যার সাথে সমানুপাতিক।
উচ্চ পরিসংখ্যান নির্ভুলতা
স্ট্রেটিফিকেশন সাধারণ নমুনা পদ্ধতির চেয়ে অনুমানের মধ্যে কম ত্রুটি দেয়। স্তরগুলির মধ্যে তত বেশি পার্থক্য, যথার্থতায় তত বেশি লাভ।
সাধারণ নমুনার সাথে তুলনা করার সময় একটি উচ্চতর পরিসংখ্যানিক নির্ভুলতা রয়েছে। মোট জনসংখ্যার সাথে যে ভিন্নতাগুলি ঘটে তার সাথে তুলনা করার পরে এটি উপগোষ্ঠীর মধ্যে পরিবর্তনশীলতা কম হওয়ার কারণে এটি ঘটে।
ছোট নমুনার আকার
যেহেতু এই কৌশলটির উচ্চ পরিসংখ্যানগত নির্ভুলতা রয়েছে, এর অর্থ এটির একটি ছোট নমুনার আকারও প্রয়োজন, যা গবেষকদের প্রচুর প্রচেষ্টা, অর্থ এবং সময় সাশ্রয় করতে পারে।
- অসুবিধা
দুর্ভাগ্যক্রমে, এই গবেষণা পদ্ধতিটি সমস্ত গবেষণায় ব্যবহার করা যায় না। পদ্ধতির অসুবিধাটি হ'ল এটি সঠিকভাবে ব্যবহারের জন্য বেশ কয়েকটি শর্ত পূরণ করতে হবে।
স্ট্রাট খুঁজে পেতে অসুবিধা
প্রধান অসুবিধাটি হ'ল একটি গবেষণার জন্য উপযুক্ত স্তরটি সনাক্ত করা কঠিন হতে পারে। তদতিরিক্ত, একটি সম্পূর্ণ জনসংখ্যার একটি সম্পূর্ণ এবং সুনির্দিষ্ট তালিকা খুঁজে পাওয়া চ্যালেঞ্জ হতে পারে।
সুসংগঠিত করার জটিলতা
দ্বিতীয় অসুবিধা হ'ল সহজ নমুনার তুলনায় ফলাফলগুলি সংগঠিত করা এবং বিশ্লেষণ করা আরও জটিল।
গবেষকদের অবশ্যই একটি অধ্যয়নের জনসংখ্যার প্রতিটি সদস্যকে সনাক্ত করতে হবে এবং এটিকে কেবল একটি উপ-জনসংখ্যায় শ্রেণীবদ্ধ করতে হবে। ফলস্বরূপ, স্তরযুক্ত নমুনা অসুবিধে হয় যখন গবেষকরা আত্মবিশ্বাসের সাথে জনগোষ্ঠীর প্রতিটি সদস্যকে একটি উপগোষ্ঠীতে শ্রেণিবদ্ধ করতে না পারেন।
একাধিক সাবগ্রুপগুলিতে পড়ার মতো বিষয় থাকলে জুসস্টেপজেশন সমস্যা হতে পারে। যখন সরল নমুনা দেওয়া হয়, তখন একাধিক সাবগ্রুপগুলিতে তাদের চয়ন করার সম্ভাবনা বেশি থাকে। ফলাফলটি ভুল উপস্থাপনা বা জনসংখ্যার একটি ভুল প্রতিবিম্ব হতে পারে।
কলেজ ছাত্র, স্নাতক, পুরুষ এবং মহিলা, যেমন উদাহরণগুলি এটিকে সহজ করে তোলে কারণ তারা স্পষ্টভাবে সংজ্ঞায়িত গ্রুপ।
তবে অন্যান্য পরিস্থিতিতে এটি আরও অনেক কঠিন হতে পারে। জাতি, জাতি বা ধর্মের মতো সংযুক্তিযুক্ত বৈশিষ্ট্যগুলি আপনি কল্পনা করতে পারেন। শ্রেণিবদ্ধকরণ প্রক্রিয়া আরও কঠিন হয়ে উঠবে, স্তরিত নমুনাটিকে একটি অকার্যকর পদ্ধতিতে পরিণত করে।
উদাহরণ
মনে করুন কোনও গবেষণা দল মার্কিন যুক্তরাষ্ট্রের কলেজ ছাত্রদের গ্রেড পয়েন্ট গড় নির্ধারণ করতে চায়।
21 মিলিয়ন কলেজ ছাত্রদের কাছ থেকে এই ডেটা সংগ্রহ করতে গবেষণা দলের স্পষ্ট অসুবিধা রয়েছে। সুতরাং, আপনি জনসংখ্যা থেকে মাত্র 4,000 শিক্ষার্থী ব্যবহার করে একটি নমুনা নেওয়ার সিদ্ধান্ত নেন।
দলটি নমুনা অংশগ্রহণকারীদের বিভিন্ন গুণাবলী দেখে এবং আশ্চর্য হয় যে গ্রেড পয়েন্ট গড়ের সাথে এবং শিক্ষার্থীদের বিশেষজ্ঞের মধ্যে কোনও পার্থক্য রয়েছে কি না।
নমুনায় দেখা গেছে যে 560 জন শিক্ষার্থী ইংরেজি শিক্ষার্থী, বিজ্ঞানের 1,135, কম্পিউটার বিজ্ঞানের 800, ইঞ্জিনিয়ারিংয়ের 1,090 এবং গণিতের 415 জন শিক্ষার্থী।
দলটি আনুপাতিক স্তরযুক্ত নমুনা ব্যবহার করতে চায়, যেখানে নমুনা স্তরটি জনসংখ্যার নমুনার সমানুপাতিক।
স্তর তৈরি
এটি করার জন্য, দলটি মার্কিন যুক্তরাষ্ট্রে বিশ্ববিদ্যালয়ের শিক্ষার্থীদের পরিসংখ্যান অনুসন্ধান করে এবং বিশেষজ্ঞের আধিকারিক শতাংশের সন্ধান করে: ইংরেজিতে 12%, বিজ্ঞানে 28%, কম্পিউটার বিজ্ঞানে 24%, ইঞ্জিনিয়ারিংয়ের 21% এবং 15% গণিতে
সুতরাং, স্তরযুক্ত নমুনা প্রক্রিয়া থেকে পাঁচটি স্তর তৈরি করা হয়। দলটিকে অবশ্যই নিশ্চিত করতে হবে যে জনসংখ্যার স্তরটি নমুনা স্তরের সাথে সমানুপাতিক। তবে তিনি দেখতে পান যে অনুপাত সমান নয়।
ফলস্বরূপ, দলটির 4,000 শিক্ষার্থীর জনসংখ্যার পুনরায় নমুনা করা দরকার, তবে এবার এলোমেলোভাবে 480 (12%) ইংরেজি শিখার, 1,120 (28%) বিজ্ঞান, 960 (24%) কম্পিউটার বিজ্ঞান, 840 (ইঞ্জিনিয়ারিংয়ে 21%) এবং গণিতে 600 (15%)
এটির সাথে, আমাদের কাছে বিশ্ববিদ্যালয়ের শিক্ষার্থীদের একটি আনুপাতিক স্তরযুক্ত নমুনা রয়েছে, যা মার্কিন যুক্তরাষ্ট্রে বিশ্ববিদ্যালয়ের শিক্ষার্থীদের আরও ভাল প্রতিনিধিত্ব করে।
গবেষকরা একটি নির্দিষ্ট স্তরকে হাইলাইট করতে, মার্কিন কলেজের শিক্ষার্থীদের বিভিন্ন গবেষণা পর্যবেক্ষণ করতে এবং বিভিন্ন গ্রেড পয়েন্টের গড় পর্যবেক্ষণ করতে সক্ষম হবেন।
তথ্যসূত্র
- অ্যাডাম হেইস (2019)। স্তরযুক্ত এলোমেলো নমুনা। থেকে নেওয়া: বিনিয়োগের জন্য ডটকম।
- উইকিপিডিয়া, বিনামূল্যে এনসাইক্লোপিডিয়া (2019)। স্তরযুক্ত নমুনা। নেওয়া হয়েছে: en.wikedia.org থেকে।
- অন্বেষণযোগ্য (2019)। স্তরিত নমুনা পদ্ধতি। থেকে নেওয়া: exploable.com।
- জরিপ গিজমো (2019)। স্ট্র্যাটেড স্যাম্পলিং কী এবং এটি কখন ব্যবহৃত হয়? নেওয়া হয়েছে: সার্ভেজিজমো ডট কম।
- অ্যাশলে ক্রসম্যান (2019)। স্তরিত নমুনা এবং সেগুলি কীভাবে বানাবেন তা বোঝা যাচ্ছে। থট কোং থেকে নেওয়া: চিন্তো.কম।
- কার্লোস ওচোয়া (2017)। এলোমেলো নমুনা: স্তরিত নমুনা। নেওয়া হয়েছে: নেটকোস্ট.কম।