স্যাম্পলিং তত্ত্ব পরিসংখ্যান, একটি প্রদত্ত দলের ইউনিট একটি উপসেট (পরিসংখ্যানগত জনসংখ্যা নামেও পরিচিত) এর নির্বাচন। উদ্দেশ্য হ'ল সমস্ত ব্যক্তির সাধারণ বৈশিষ্ট্য নির্ধারণ করা, তবে নির্বাচিত উপসেটে নির্বাচিতদের গুণাবলী দ্বারা পরিচালিত হয়ে পুরো জনসংখ্যার অধ্যয়ন না করেই হয়।
যে পর্যবেক্ষণটি করা হয় সেগুলি অবজেক্ট বা লোকদের মধ্যে এক বা একাধিক পর্যবেক্ষণযোগ্য বৈশিষ্ট্যগুলি নির্ধারণ করার চেষ্টা করে, যাদের পরিসংখ্যানগতভাবে স্বাধীন ইউনিট হিসাবে প্রতিনিধিত্ব করা হয়। স্যাম্পলিংয়ের সাথে একত্রে, পরিসংখ্যান এবং সম্ভাবনার তত্ত্বগুলি তদন্ত চালানোর জন্য প্রয়োগ করা হয়।
সাধারণ নমুনা
সাধারণ সম্ভাবনার নমুনাটি পরিসংখ্যান জনসংখ্যা থেকে একটি নমুনা নির্বাচন করে যা প্রতিটি উপাদান এলোমেলোভাবে নির্বাচিত হওয়ার একই সম্ভাবনা থাকে। এই পদ্ধতিতে, জনসংখ্যার নমুনা বেশি অংশে বিভক্ত বা বিভাগে বিভক্ত হয় না।
সুতরাং, উপাদানগুলির যে কোনও জোড়া সমান সম্ভাবনার সাথে বেছে নেওয়া যেতে পারে। এটি হ'ল, যদি কোনও ইউনিট নমুনা থেকে নির্বাচিত হয় তবে পরবর্তীটি নির্বাচিত হওয়ার ক্ষেত্রে অন্য কোনও বিকল্প হিসাবে নির্বাচিত হওয়ার একই সম্ভাবনা থাকে।
মানগুলির এলোমেলো নির্বাচনটি প্রদত্ত নমুনায় কিছু ইউনিট বা পৃথক ব্যক্তির পক্ষে অগ্রাধিকার হ্রাস করে, প্রয়োজনীয় বিশ্লেষণ সম্পাদন করার জন্য একটি এলোমেলো পরিবেশ তৈরি করে। তদ্ব্যতীত, এর ব্যবহার ফলাফল বিশ্লেষণকে সহজতর করে।
ব্যক্তিদের মধ্যে প্রাপ্ত ফলাফলের তারতম্যটি সাধারণত ফলাফলের একটি ভাল সূচক হয়: যদি 100 জনসংখ্যার থেকে নেওয়া 10 জনের একটি নমুনায় কোনও বৈকল্পিকতা পাওয়া যায়, তবে এটি অত্যন্ত সম্ভাব্য যে এই সংখ্যাটি জনসংখ্যায় একই বা একই রকম 100 জন ব্যক্তি।
উদাহরণ
যদি কোনও দেশের জনসংখ্যা থেকে 10 জনের একটি নমুনা পাওয়া যায় তবে এটি সম্ভবত 5 জন পুরুষ এবং 5 জন মহিলা প্রাপ্ত হওয়ার সম্ভাবনা রয়েছে।
যাইহোক, এ জাতীয় এলোমেলো নমুনায় জনসংখ্যার সংখ্যার ভিত্তিতে একটি লিঙ্গের 6 জন এবং অন্য 4 জনের লোক সাধারণত আঁকেন।
সাধারণ নমুনা দেখার আরও একটি উপায় হ'ল 25 জনের একটি শ্রেণিকক্ষ নেওয়া, তাদের নাম কাগজে রাখা এবং এগুলি একটি ব্যাগে রেখে দেওয়া।
যদি এই ব্যাগটি না দেখে এবং এলোমেলোভাবে 5 টি কাগজপত্র নির্বাচন করা হয় তবে যারা বেরিয়ে আসে তারা শ্রেণিকক্ষের মোট জনসংখ্যার একটি সাধারণ নমুনা উপস্থাপন করে।
ডাবল নমুনা
একটি সাধারণ নমুনা থেকে প্রাপ্ত ফলাফলগুলিকে বৃহত্তর মাত্রা দেওয়ার জন্য ডাবল স্ট্যাটিস্টিকাল নমুনা তৈরি করা হয়েছিল। এই পদ্ধতিটি সাধারণত বৃহত পরিসংখ্যান জনগোষ্ঠীর জন্য ব্যবহৃত হয় এবং এর ব্যবহার সাধারণ নমুনা প্রাপ্তদের অতিরিক্ত ভেরিয়েবলগুলির অধ্যয়নের প্রতিনিধিত্ব করে।
এই পদ্ধতিটি প্রায়শই দ্বি-পর্যায়ের নমুনা বলা হয়। এর ব্যবহারের ত্রুটির সম্ভাবনা কম হওয়ার সাথে আরও সুনির্দিষ্ট ফলাফল পাওয়ার মূল সুবিধা রয়েছে।
সাধারণত, যখন স্যাম্পলিংয়ের ভিত্তিতে প্রাপ্ত ফলাফলগুলি সিদ্ধান্তমূলক হিসাবে উপস্থাপন না করা হয় বা স্ট্যাটিস্টিস্টদের কাছে সন্দেহ ছেড়ে দেয় তখন ডাবল নমুনা ব্যবহার করা হয়।
এই ক্ষেত্রে, একই পরিসংখ্যান জনসংখ্যা থেকে একটি অতিরিক্ত নমুনা পাওয়া যায় যা থেকে প্রথমটি প্রাপ্ত হয়েছিল এবং ফলাফলগুলি তাদের বিশ্লেষণ করতে এবং ত্রুটির প্রান্তিকতা হ্রাস করার জন্য উভয়ের মধ্যে তুলনা করা হয়।
ডাবল স্যাম্পলিং নির্দিষ্ট পরিমাণে উত্পাদিত ধাতব পণ্য (যেমন খেলনা) এর বৈশিষ্ট্যগুলির মূল্যায়নে এবং কারখানার ত্রুটির জন্য সংবেদনশীল পণ্যগুলির জন্য নিবেদিত সংস্থাগুলির মান নিয়ন্ত্রণে ব্যাপকভাবে ব্যবহৃত হয়।
উদাহরণ
100 ইউনিটের আকারের একটি নমুনা প্রচুর 1000 খেলনার ভিত্তিতে প্রাপ্ত হয়। নিষ্কাশিত 100 টি ইউনিটের বৈশিষ্ট্যগুলি মূল্যায়ন করা হয় এবং এটি নির্ধারিত হয় যে ফলাফলগুলি প্রচুর খেলনা ফেলে দেওয়া উচিত বা স্টোরগুলিতে নেওয়া উচিত কিনা তা সিদ্ধান্ত নিতে পর্যাপ্ত সিদ্ধান্ত নেওয়া যায় না।
এর ফলস্বরূপ, 1000 টি খেলনা একই ব্যাচ থেকে আরও 100 টি খেলনার অতিরিক্ত নমুনা আঁকা। এটি আবার মূল্যায়ন করা হয় এবং ফলাফলগুলি পূর্বেরগুলির সাথে তুলনা করা হয়। এইভাবে, ব্যাচটি ত্রুটিযুক্ত কিনা তা নির্ধারিত হয় এবং ফলাফলের বিশ্লেষণের উপর ভিত্তি করে এটি প্যাক করা বা ফেলে দেওয়া হয়।
একাধিক নমুনা
একাধিক নমুনা ডাবল নমুনার অতিরিক্ত বর্ধন হিসাবে বিবেচিত হয়; তবে এটি একই প্রক্রিয়ার অংশ নয়। এটি চূড়ান্ত সিদ্ধান্তে পৌঁছানোর আগে নমুনা থেকে প্রাপ্ত ফলাফলগুলি ব্যাপকভাবে মূল্যায়নের জন্য ব্যবহৃত হয়।
এই নমুনাটিতে, মাল্টিস্টেজ স্যাম্পলিং নামেও পরিচিত, এটি একটি বৃহত নমুনা এবং স্বল্প অধ্যয়নের ব্যয় নিয়ে শুরু করার রীতি আছে। এই ধরণের অনুশীলনে, নমুনাটি সাধারণত একক না হয়ে স্তরগুলি অর্জন করে অধিগ্রহণ করা হয়; অর্থাৎ, কেবল একটির পরিবর্তে এক জোড়া বস্তু বা লোক নির্বাচিত হয়।
প্রতিটি স্তর নির্বাচন করার পরে প্রাপ্ত ফলাফলগুলি অধ্যয়ন করা হয় এবং আরও একটি বা দুটি স্তর নির্বাচন করা হয়, ফলাফলগুলি পুনরায় অধ্যয়ন করতে এবং তারপরে একে অপরের সাথে তুলনা করতে।
উদাহরণ
অস্ট্রেলিয়ান স্ট্যাটিস্টিক্স ইনস্টিটিউট একটি তদন্ত পরিচালনা করেছে যাতে এটি জনগণকে সংগ্রহের অঞ্চলগুলিতে বিভক্ত করে এবং এগুলির কয়েকটি অঞ্চল এলোমেলোভাবে (নমুনা দেওয়ার প্রথম পর্যায়ে) বেছে নিয়েছে। তারপরে, প্রতিটি জোনকে ব্লকে ভাগ করা হয়েছিল, যা প্রতিটি জোনের (নমুনা দেওয়ার দ্বিতীয় পর্যায়ে) এলোমেলোভাবে বেছে নেওয়া হয় are
অবশেষে, প্রতিটি ব্লকের মধ্যে প্রতিটি পরিবারের আবাসের ক্ষেত্র নির্বাচন করা হয় এবং পরিবারগুলি এলোমেলোভাবে বেছে নেওয়া হয় (নমুনার তৃতীয় পর্যায়ে)। এটি অঞ্চলের সমস্ত বাড়ির আবাস অঞ্চলকে তালিকাবদ্ধ করা এড়াতে এবং প্রতিটি ব্লকের মধ্যে থাকা আবাসগুলিতে কেবল ফোকাস করে।
স্যাম্পলিংয়ের গুরুত্ব
স্যাম্পলিং একটি পরিসংখ্যান তদন্তের অন্যতম প্রয়োজনীয় সরঞ্জাম essential এই কৌশলটি অন্যান্য ক্ষেত্রগুলিতে বাজেট বিতরণ করার অনুমতি দিয়ে ব্যয় এবং প্রচুর সময় সাশ্রয় করে।
এছাড়াও, বিভিন্ন নমুনা কৌশলগুলি পরিসংখ্যানবিদদের সাথে কাজ করে যা জনসংখ্যার ধরণের উপর নির্ভর করে আরও সঠিক ফলাফল পেতে সহায়তা করে, বৈশিষ্ট্যগুলি কতটা সুনির্দিষ্ট হয় এবং কীভাবে তারা নমুনা বিশ্লেষণ করতে চায় তার উপর নির্ভর করে আরও সঠিক ফলাফল পেতে সহায়তা করে।
তদুপরি, স্যাম্পলিংটি ব্যবহারের জন্য এমন একটি সহজ কৌশল যা এটি এই অঞ্চলের অল্প জ্ঞানের লোকদের জন্য পরিসংখ্যানগুলিতে অ্যাক্সেসকে সহজতর করে।
তথ্যসূত্র
- অনুপাত অনুমানের জন্য ডাবল স্যাম্পলিং, পেনস্টেট কলেজ, (এনডি)। Psu.edu থেকে নেওয়া
- ডাবল, একাধিক এবং সিক্যুয়ালিয়াল নমুনা, এনসি স্টেট বিশ্ববিদ্যালয়, (এনডি)। Ncsu.edu থেকে নেওয়া
- সাধারণ র্যান্ডম নমুনা, (এনডি)। ইনভেস্টোপিডিয়া ডটকম থেকে নেওয়া
- ডাবল নমুনা কী? - (এনডি) Nist.gov থেকে নেওয়া
- একাধিক নমুনা কী? - (এনডি) Nist.gov থেকে নেওয়া
- স্যাম্পলিং, (এনডি), জানুয়ারী 19, 2018. উইকিপিডিয়া.org থেকে নেওয়া
- মাল্টিস্টেজ স্যাম্পলিং, (এনডি), ফেব্রুয়ারী 2, 2018. উইকিপিডিয়া.org থেকে নেওয়া