a:

सांख्यिकीय नमूना पद्धति के रूप में, व्यवस्थित नमूनाकरण सरल और यादृच्छिक नमूने से अधिक सरल है। यह व्यापक अध्ययन क्षेत्र को कवर करने के लिए अधिक अनुकूल भी हो सकता है। दूसरी ओर, व्यवस्थित नमूना डेटा में कुछ मनमाना पैरामीटर का परिचय देता है। इससे विशेष पैटर्न का ओवर-या-निरूपण हो सकता है

व्यवस्थित नमूनाकरण की जांच करना

एक व्यवस्थित नमूना में, चुना गया डेटा समान रूप से वितरित किया जाता है उदाहरण के लिए, 10, 000 लोगों की आबादी में, एक सांख्यिकीविद् नमूना लेने के लिए हर 100 व्यक्ति का चयन कर सकता है। नमूनाकरण अंतराल भी व्यवस्थित हो सकते हैं, जैसे प्रत्येक 12 घंटे में एक नया नमूना चुनना।

व्यवस्थित नमूनाकरण इसकी सादगी के कारण शोधकर्ताओं के साथ लोकप्रिय है। शोधकर्ता आम तौर पर मानते हैं कि परिणाम सबसे सामान्य आबादी के प्रतिनिधि हैं, जब तक कि प्रत्येक एनटी डेटा नमूने के साथ एक यादृच्छिक विशेषता बेमानी से मौजूद न हो (जो कि संभावना नहीं है)।

शुरू करने के लिए, एक शोधकर्ता सिस्टम को आधार करने के लिए प्रारंभिक पूर्णांक का चयन करता है। इस संख्या को पूरे आबादी से छोटा होना चाहिए; वह प्रत्येक 500 वें यार्ड को एक 100-यार्ड फुटबॉल मैदान के लिए नमूना नहीं लेता है। एक संख्या के चयन के बाद, शोधकर्ता जनसंख्या में नमूनों के बीच अंतराल या रिक्त स्थान को चुनता है।

मुख्य लाभ

व्यवस्थित नमूनों का निर्माण, निष्पादन, तुलना और समझना अपेक्षाकृत आसान है। यह अध्ययन या सर्वेक्षणों के लिए विशेष रूप से महत्वपूर्ण है जो तंग बजट बाधाओं के साथ काम करते हैं।

एक व्यवस्थित पद्धति शोधकर्ताओं और सांख्यिकीविदों को एक डिग्री नियंत्रण और प्रक्रिया की भावना प्रदान करती है। यह विशेष रूप से सख्त मापदंडों या संकीर्ण रूप से तैयार की गई परिकल्पना के अध्ययन के लिए फायदेमंद हो सकता है, यह माना जाता है कि नमूने उन पैरामीटरों को फिट करने के लिए उचित रूप से तैयार हैं।

संकुल चयन, एक घटना जहां अनियमित चुना गया नमूना जनसंख्या में असाधारण रूप से एकजुट होते हैं, व्यवस्थित नमूनाकरण में समाप्त हो जाता है। यादृच्छिक नमूने केवल इस प्रकार से नमूने की संख्या बढ़ा कर या एक से अधिक सर्वेक्षण चला सकते हैं। ये महंगा विकल्प हो सकते हैं

शायद एक व्यवस्थित दृष्टिकोण की सबसे बड़ी ताकत कम जोखिम कारक है सिस्टम के प्राथमिक संभावित नुकसान डेटा को दूषित करने की एक स्पष्ट कम संभावना लेते हैं।

मुख्य नुकसान

व्यवस्थित विधि यह मानती है कि आबादी का आकार उपलब्ध है या उचित रूप से अनुमानित किया जा सकता है। उदाहरण के लिए, मान लीजिए कि किसी शोधकर्ता किसी क्षेत्र में चूहों के आकार का अध्ययन करना चाहता है। अगर उनके पास कोई विचार नहीं है कि कितने चूहों हैं, तो वह प्रारंभिक बिंदु या अंतराल का आकार व्यवस्थित रूप से नहीं चुन सकता।

जनसंख्या को चुना मीट्रिक के साथ यादृच्छिकता की एक प्राकृतिक डिग्री प्रदर्शित करने की आवश्यकता हैअगर आबादी में एक प्रकार का मानकीकृत पैटर्न होता है, तो गलती से बहुत ही सामान्य मामलों को चुनने का जोखिम अधिक स्पष्ट होता है।

एक सरल काल्पनिक परिस्थिति के लिए, पसंदीदा कुत्ते नस्लों की एक सूची पर विचार करें जहां (जानबूझकर या दुर्घटना से) सूची में हर समान गिने हुए कुत्ते छोटा था और हर अजीब कुत्ता बड़ा था। यदि व्यवस्थित सैंपलर चौथे कुत्ते के साथ शुरू हुआ और छः का अंतराल चुना, तो सर्वेक्षण बड़े कुत्तों को छोड़ देता है।

व्यवस्थित नमूनाकरण के साथ डाटा हेरफेलेशन का एक बड़ा जोखिम है क्योंकि शोधकर्ता अपने सिस्टम का निर्माण कर सकते हैं ताकि एक रेग्युलर डेटा एक प्रतिनिधि का जवाब पेश करने के बजाय एक लक्षित परिणाम प्राप्त करने की संभावना में वृद्धि कर सके। कोई भी परिणामी आंकड़े विश्वसनीय नहीं हो सकते