a:

किसी अन्य प्रकार के नमूने की तरह, एक प्रतिनिधि नमूना, इसकी प्रकृति द्वारा नमूनाकरण पूर्वाग्रह की एक डिग्री या नमूनाकरण त्रुटि की ओर जाता है विश्लेषण करता है कि किसी भी नमूने से प्राप्त आंकड़ों पर भरोसा करते समय सटीक नहीं हो सकता जैसा कि संपूर्ण आबादी, या सभी कारक या उदाहरणों का डेटा का विश्लेषण करती है, जिसमें नमूना तैयार किया गया था। हालांकि, वित्तीय कारणों और समय की कमी के लिए, नमूनों का उपयोग करना अक्सर आवश्यक होता है, और कुछ प्रकार के नमूनों का उपयोग, उनमें प्रतिनिधि नमूने, एक अध्ययन के नमूना पूर्वाग्रह की डिग्री को बहुत कम कर देता है और अधिक से अधिक आत्मविश्वास के लिए अनुमति देता है बड़ी आबादी, कारक या उदाहरणों के बारे में सांख्यिकीय अनुमान

AD:

प्रतिनिधि नमूने का उपयोग नमूनाकरण पूर्वाग्रह को कम करने के लिए सबसे प्रभावी तरीकों में से एक है। एक प्रतिनिधि का नमूना परीक्षा के तहत विशेषताओं या गुणों के अनुसार अध्ययन के तहत बड़ी आबादी, कारक या उदाहरणों को सही रूप से दर्शाता है या प्रदर्शित करता है। उदाहरण के लिए, यदि कोई विश्लेषण लिंग के अनुसार एक निश्चित क्षेत्र में उपभोक्ता आबादी की प्राथमिकताओं को शामिल करता है, तो प्रतिनिधि नमूना का पुरुष-महिला अनुपात पूरे उपभोक्ता आबादी के पुरुष-महिला अनुपात के करीब है।

-2 ->

अकेले प्रतिनिधि नमूना पद्धति का उपयोग करना सुनिश्चित करने के लिए पर्याप्त नहीं है कि पूर्वाग्रह नगण्य है, खासकर जब बड़ी आबादी के बारे में नमूने के परिणामों से संदर्भ बनाते समय सामान्य आबादी से यादृच्छिक नमूना भी महत्वपूर्ण है। यादृच्छिक नमूनाकरण में, बड़ी आबादी के प्रत्येक सदस्य को चुना जाने की एक समान संभावना है। उपर्युक्त उदाहरण का प्रयोग करना, यदि उपभोक्ता आबादी एक विशिष्ट राज्य में उपभोक्ताओं से बना है, लेकिन नमूना को केवल दो काउंटियों से चुना जाता है, तो नमूना पक्षपातपूर्ण होने की अधिक संभावना है क्योंकि अन्य देशों के खरीदारों के पास समान अवसर नहीं था प्रतिनिधित्व। समूह का आकार नमूनाकरण पूर्वाग्रह को कम करने के लिए भी बेहतर रूप से गणना किया जा सकता है।

AD: