एक बड़ी आबादी का अध्ययन करने के लिए एक सरल यादृच्छिक नमूने का उपयोग करने के फायदे।

सरल यादृच्छिक नमूनाकरण एक ऐसी विधि है जिसका उपयोग बड़ी आबादी से छोटे नमूने के आकार को खींचने के लिए किया जाता है और इसका उपयोग बड़े समूह के बारे में अनुसंधान और सामान्यीकरण करने के लिए किया जाता है। यह कई तरीकों में से एक है, सांख्यिकीविद् और शोधकर्ता बड़ी आबादी से एक नमूना निकालने के लिए उपयोग करते हैं; अन्य तरीकों में स्तरीकृत यादृच्छिक नमूनाकरण और संभाव्यता नमूनाकरण शामिल हैं। एक साधारण यादृच्छिक नमूने के फायदों में इसके उपयोग में आसानी और बड़ी आबादी का सटीक प्रतिनिधित्व शामिल है।

कैसे एक साधारण यादृच्छिक नमूना उत्पन्न होता है

शोधकर्ताओं ने बड़ी आबादी की एक विस्तृत सूची प्राप्त करके और फिर, यादृच्छिक पर, नमूना को शामिल करने के लिए व्यक्तियों की एक निश्चित संख्या को प्राप्त करके एक सरल यादृच्छिक नमूना उत्पन्न करते हैं। एक सरल यादृच्छिक नमूने के साथ, बड़ी आबादी के प्रत्येक सदस्य को चुने जाने की समान संभावना है।

एक सरल यादृच्छिक नमूना उत्पन्न करने के लिए शोधकर्ताओं के पास दो तरीके हैं। एक एक मैनुअल लॉटरी विधि है। बड़ी जनसंख्या समूह के प्रत्येक सदस्य को एक नंबर सौंपा गया है। अगला, नमूना समूह को शामिल करने के लिए संख्याओं को यादृच्छिक रूप से तैयार किया जाता है। यदि एक साधारण यादृच्छिक नमूना 1, 000 की आबादी के साथ एक हाई स्कूल में 100 छात्रों को लिया जाना था, तो प्रत्येक छात्र को चयनित होने के 10 अवसरों में एक होना चाहिए।

छोटी आबादी के लिए मैनुअल लॉटरी विधि अच्छी तरह से काम करती है, लेकिन यह बड़े लोगों के लिए संभव नहीं है। इन स्थितियों में, शोधकर्ता कंप्यूटर जनित चयन को प्राथमिकता देते हैं। यह एक ही सिद्धांत के माध्यम से काम करता है, लेकिन एक परिष्कृत कंप्यूटर सिस्टम, एक इंसान के बजाय, संख्याओं को असाइन करता है और यादृच्छिक पर उनका चयन करता है।

त्रुटि के लिए कमरा

एक साधारण यादृच्छिक नमूने के साथ, प्लस और माइनस विचरण द्वारा दर्शाई गई त्रुटि के लिए जगह होनी चाहिए। उदाहरण के लिए, यदि उसी हाई स्कूल में यह निर्धारित करने के लिए एक सर्वेक्षण लिया जाना था कि कितने छात्र बाएं हाथ के हैं, तो एक यादृच्छिक नमूना यह निर्धारित कर सकता है कि 100 में से आठ नमूने बाएं हाथ के हैं। निष्कर्ष यह होगा कि हाई स्कूल की 8% छात्र आबादी बाएं हाथ की है, जब वास्तव में वैश्विक औसत 10% के करीब होगा।

विषय वस्तु की परवाह किए बिना वही सत्य है। छात्र की आबादी के प्रतिशत पर एक सर्वेक्षण जिसमें हरे रंग की आँखें हैं या शारीरिक रूप से अक्षम हैं, एक उच्च यादृच्छिक संभावना के आधार पर एक उच्च गणितीय संभावना होगी, लेकिन हमेशा एक प्लस या माइनस विचरण के साथ। 100% सटीकता की दर का एकमात्र तरीका सभी 1, 000 छात्रों का सर्वेक्षण करना होगा, जो संभव हो, अव्यावहारिक होगा।

रैंडम सैंपलिंग के फायदे

सरल यादृच्छिक नमूना लाभों में उपयोग में आसानी और प्रतिनिधित्व की सटीकता शामिल है। सरल यादृच्छिक नमूने की तुलना में बड़ी आबादी से एक शोध नमूना निकालने के लिए कोई आसान तरीका मौजूद नहीं है। आबादी को उप-आबादी में विभाजित करने या बड़े समूह से यादृच्छिक पर आवश्यक अनुसंधान विषयों की संख्या को लूटने की तुलना में कोई कदम आगे बढ़ाने की आवश्यकता नहीं है। फिर, केवल आवश्यकताएं हैं कि यादृच्छिकता चयन प्रक्रिया को नियंत्रित करती है और बड़ी आबादी के प्रत्येक सदस्य को चयन की समान संभावना है।

बड़ी आबादी से यादृच्छिक पर पूरी तरह से विषयों का चयन भी एक नमूना है कि अध्ययन किया जा रहा है समूह के प्रतिनिधि है। यहां तक ​​कि 40 के रूप में छोटे आकार के नमूने कम नमूना त्रुटि प्रदर्शित कर सकते हैं जब सरल यादृच्छिक नमूना सही ढंग से किया जाता है। जनसंख्या पर किसी भी प्रकार के अनुसंधान के लिए, बड़े समूह के बारे में अनुमान और सामान्यीकरण बनाने के लिए प्रतिनिधि नमूने का उपयोग करना महत्वपूर्ण है; एक पक्षपाती नमूना बड़ी आबादी के बारे में गलत निष्कर्ष निकाल सकता है।

सरल यादृच्छिक नमूनाकरण उतना ही सरल है जितना कि इसका नाम इंगित करता है, और यह सटीक है। ये दोनों विशेषताएँ सरल यादृच्छिक नमूने को एक बड़ी आबादी पर अनुसंधान का संचालन करते समय अन्य नमूना तरीकों पर एक मजबूत लाभ देती हैं।