a:

शोधकर्ताओं ने नमूना आबादी प्राप्त करने के लिए स्तरीकृत यादृच्छिक नमूने का उपयोग किया है जो पूरी आबादी का अध्ययन किया जा रहा है। इसके फायदे में नमूना चयन पूर्वाग्रह को कम करना शामिल है और आबादी के कुछ क्षेत्रों को सुनिश्चित करने से अधिक प्रतिनिधित्व नहीं किया गया है या नीचे प्रस्तुत नहीं किया गया है। इसकी हानि यह है कि यह अनुपयोगी है, जब शोधकर्ता किसी आबादी के प्रत्येक सदस्य को आत्म-समूह में आत्मविश्वास से वर्गीकृत नहीं कर सकते।

स्तरीकृत यादृच्छिक नमूनाकरण में जनसंख्या को उप-जनसंख्या में विभाजित करने और फिर एक परीक्षण समूह बनाने के लिए प्रत्येक उप-जनन के लिए यादृच्छिक नमूनाकरण विधियों को लागू करना शामिल है। एक प्रमुख विश्वविद्यालय में अर्थशास्त्र के छात्रों के राजनीतिक झुकाव का मूल्यांकन करने के लिए डिज़ाइन किए गए एक अध्ययन पर विचार करें। शोधकर्ता यह सुनिश्चित करने के लिए हर संभव प्रयास करना चाहते हैं कि नमूना सबसे अच्छा अनुमानित लिंग के बारे में वास्तविक आबादी और अध्ययन के स्तर, जैसे स्नातक बनाम स्नातक

सबसे पहले, शोधकर्ता हर यूनिवर्सिटी के छात्र को चार उप-पोपों में से एक के लिए आवंटित करते हैं: पुरुष स्नातक, महिला स्नातक, पुरुष स्नातक और महिला स्नातक पूरी तरह से आबादी के भीतर अपने प्रतिनिधित्व के आधार पर प्रत्येक उप-जननेंद्रिय के लिए यादृच्छिक नमूना किया जाता है। मान लीजिए पुरुष अंडरग्रेजुएट में 45% आबादी शामिल है। यदि अध्ययन का नमूना आकार 100 है, तो इसमें 45 पुरुष स्नातक से नीचे हैं क्योंकि पुरुष स्नातक जनसंख्या का केवल 20% बनाते हैं, 20 नमूना के लिए चुना जाता है।

-3 ->

फायदे

स्तरीकृत यादृच्छिक नमूने का सबसे बड़ा फायदा यह है कि यह चयन पूर्वाग्रह को कम करता है। यादृच्छिक नमूनाकरण विधियों को लागू करने से पहले पूरी आबादी को समेकित करना एक नमूना सुनिश्चित करने में मदद करता है जो स्तरीकरण के लिए उपयोग किए गए मानदंडों के संदर्भ में आबादी का अध्ययन किया गया है।

स्ट्रैटेफाइड यादृच्छिक नमूना भी फायदेमंद होता है, जब इसे ठीक से इस्तेमाल किया जा सकता है क्योंकि यह सुनिश्चित करता है कि जनसंख्या के भीतर प्रत्येक उपसमूह नमूना के भीतर उचित प्रतिनिधित्व प्राप्त करता है। ऊपर वर्णित आबादी से 100 के एक नमूने की खरीद के लिए सरल यादृच्छिक नमूना का इस्तेमाल करने से केवल 25 पुरुष स्नातक से नीचे के चयन में परिणाम हो सकता है। तीस-पांच पुरुष स्नातकों को भी चुना जा सकता है, जिसके परिणामस्वरूप पुरुष स्नातक से स्नातक की डिग्री के लिए प्रस्तुतिकरण और पुरुष स्नातकों के लिए अधिक प्रतिनिधित्व किया जाता है। क्योंकि कई पूर्व अध्ययनों में राजनीतिक विचारों को प्रभावित करने के लिए शैक्षिक प्राप्ति को दिखाया गया है, प्रतिनिधित्व में ऐसी त्रुटियों में अध्ययन की सटीकता कम करने की क्षमता है।

नुकसान> दुर्भाग्य से, प्रत्येक अध्ययन में स्तरीकृत यादृच्छिक नमूना इस्तेमाल नहीं किया जा सकता। विधि का नुकसान यह है कि कई परिस्थितियां पूरी तरह से उपयोग किए जाने के लिए मिलनी चाहिए।शोधकर्ताओं ने प्रत्येक आबादी का अध्ययन किया जा रहा है और उनमें से प्रत्येक को एक में वर्गीकृत किया जाना चाहिए, और केवल एक ही, उप-लोकोत्तर होना चाहिए। पूरी आबादी की एक विस्तृत और निश्चित सूची खोजना पहली चुनौती है कुछ मामलों में, यह सर्वथा असंभव है

दूसरी चुनौती आबादी के प्रत्येक सदस्य को एक स्तर में सही ढंग से छंटाई जा रही है। उपरोक्त उदाहरण यह आसान बनाता है; स्नातक, स्नातक, पुरुष और महिलाएं स्पष्ट रूप से परिभाषित समूह हैं अन्य स्थितियों में, हालांकि, यह बहुत मुश्किल है कल्पना कीजिए कि नस्ल, नस्ल या धर्म जैसे नाटकों में परिभाषित विशेषताएं लाएं। छंटाई प्रक्रिया अधिक कठिन हो जाती है, स्तरीकृत यादृच्छिक नमूनाकरण को एक अप्रभावी और आदर्श विधि से कम प्रदान करती है।

यादृच्छिक नमूनाकरण में आगे जाएं - स्तरीकृत और सरल यादृच्छिक नमूनाकरण और स्तरीकृत रैंडम नमूने के उदाहरणों के बीच का अंतर पढ़ें