বেশিরভাগ সমাজতাত্ত্বিক গবেষণা ক্রমাগত নয়, তবে নির্বাচনী: কঠোর নিয়ম অনুসারে, একটি নির্দিষ্ট সংখ্যক লোককে নির্বাচিত করা হয়, যা অধ্যয়ন করা বস্তুর কাঠামোর সামাজিক-জনসংখ্যাগত বৈশিষ্ট্যগুলিকে প্রতিফলিত করে। এই ধরনের গবেষণাকে স্যাম্পলিং বলা হয়।
একটি সমাজতাত্ত্বিক নমুনা তৈরি করার সময়, দুটি সর্বাধিক গুরুত্বপূর্ণ সহ অনেকগুলি বিশেষ পদ ব্যবহার করা হয়: সাধারণএবং নমুনা জনসংখ্যা.
যে জনসংখ্যা থেকে যৌথ অধ্যয়নের জন্য বিকল্পগুলি নির্বাচন করা হয় তাকে বলা হয় সাধারণএবং সাধারণ জনগণ থেকে নির্বাচিত সদস্যদের অংশকে বলা হয় নমুনাবা নমুনা জনসংখ্যা. জনসংখ্যার আকার প্রতীক দ্বারা নির্দেশিত হয় এন, এবং নমুনা আকার হয় n.
সাধারণ জনগনসমগ্র জনসংখ্যা বা এর যে অংশটি সমাজবিজ্ঞানী অধ্যয়ন করতে চান তা বিবেচনা করুন, অধ্যয়নের জন্য এক বা একাধিক বৈশিষ্ট্য রয়েছে এমন লোকদের একটি সেট। প্রায়শই জনসংখ্যা (জনসংখ্যাও বলা হয়) এত বেশি যে প্রত্যেক সদস্যের সাক্ষাৎকার নেওয়া অত্যন্ত কষ্টকর এবং ব্যয়বহুল। এগুলি হল তারা যাদের প্রতি একজন সমাজবিজ্ঞানীর তাত্ত্বিক আগ্রহ নির্দেশিত হয় (এই অর্থে যে একজন বিজ্ঞানী শুধুমাত্র সাধারণ জনসংখ্যার প্রতিটি প্রতিনিধি সম্পর্কে পরোক্ষভাবে শিখতে পারেন - নমুনা জনসংখ্যা সম্পর্কে তথ্যের ভিত্তিতে)।
স্যাম্পলিংসমাজতাত্ত্বিক গবেষণার একটি বস্তুর উপাদানগুলির একটি সেট যা সরাসরি অধ্যয়নের বিষয়। পরিসংখ্যান এবং সমাজবিজ্ঞানে নমুনার ধারণাটিকে দুটি অর্থে বিবেচনা করা হয়:
- নমুনা (একটি কর্মের ফলস্বরূপ) - সাধারণ জনসংখ্যার একটি প্রতিনিধি অংশ যেখানে একটি বৈশিষ্ট্যের বন্টনের আইনটি সাধারণ জনগণের মধ্যে এই বৈশিষ্ট্যের বন্টনের আইনের সাথে মিলে যায়;
- নমুনা (একটি পদ্ধতি বা কর্মের প্রক্রিয়া হিসাবে) - একটি সাধারণ জনসংখ্যা থেকে একটি নমুনায় বস্তু নির্বাচন করার একটি পদ্ধতি।
নমুনাটি অধ্যয়নের বস্তুর (সাধারণ জনসংখ্যা) সেরা প্রতিনিধিত্ব করা উচিত।
নমুনা জনসংখ্যা- সাধারণ জনসংখ্যার হ্রাসকৃত মডেল। অন্য কথায়, এটি এমন একদল লোক যাদের সমাজবিজ্ঞানী সাক্ষাৎকার নেন। নমুনা, বা নমুনা জনসংখ্যা, শুধুমাত্র তাদের অন্তর্ভুক্ত করে যাদের সমাজবিজ্ঞানী সরাসরি সাক্ষাৎকার নিতে চান। আসুন কল্পনা করা যাক যে তার গবেষণার বিষয়, অর্থাত্ বিষয়, পেনশনভোগীদের অর্থনৈতিক কার্যকলাপ। সমস্ত পেনশনভোগী - 55 বছরের বেশি বয়সী (মহিলা) এবং 60 (পুরুষ) বছর - সাধারণ জনসংখ্যা গঠন করবে৷ বিশেষ সূত্র ব্যবহার করে, সমাজবিজ্ঞানী গণনা করেছিলেন যে 2.5 হাজার পেনশনভোগীদের জরিপ করা তার পক্ষে যথেষ্ট ছিল। এটি তার নমুনা জনসংখ্যা হয়ে উঠবে।
এর সংকলনের জন্য মৌলিক নিয়ম হল: জনসংখ্যার প্রতিটি উপাদানের নমুনায় অন্তর্ভুক্ত হওয়ার সমান সুযোগ থাকা উচিত।কিন্তু কিভাবে এই অর্জন? প্রথমত, আপনাকে সাধারণ জনসংখ্যার যতটা সম্ভব সম্পত্তি বা পরামিতি খুঁজে বের করতে হবে, উদাহরণস্বরূপ, বয়স, আয়, জাতীয়তা এবং উত্তরদাতাদের বসবাসের স্থানের বিস্তার। উত্তরদাতাদের যুগে ছড়িয়ে পড়া বলা হয় প্রকরণ, নির্দিষ্ট বয়স মান - মান, এবং সমস্ত মানগুলির সামগ্রিকতা গঠন করে পরিবর্তনশীল.
সুতরাং, "বয়স" ভেরিয়েবলের মান 0 থেকে 70 (গড় আয়ু) বা তার বেশি বছর। মানগুলিকে ব্যবধানে বিভক্ত করা হয়েছে: 0-5, 6-10, 11-15 বছর, ইত্যাদি। এগুলিকে আলাদাভাবে গোষ্ঠীভুক্ত করা যেতে পারে, এটি সবই অধ্যয়নের উদ্দেশ্যগুলির উপর নির্ভর করে। পেনশনভোগীদের ক্ষেত্রে "বয়স" পরিবর্তনশীলের মানগুলির ব্যবধান 55 এবং 60 বছর থেকে শুরু হয়।
একটি সম্পূর্ণ জনসংখ্যা, একটি সমগ্র জাতি, বা একটি খুব বড় সামাজিক গোষ্ঠী খুব কমই একটি সাধারণ জনসংখ্যা গঠন করে। বেশিরভাগ অভিজ্ঞতামূলক গবেষণায়, সমাজবিজ্ঞানী একটি বিশেষ সমস্যায় আগ্রহী, উদাহরণস্বরূপ, তরুণ পরিবারগুলির মধ্যে বিবাহবিচ্ছেদের সংখ্যা বৃদ্ধি প্রধান শহরগুলোবা রাজধানী শহরের মধ্যবিত্তদের মধ্যে বিনিয়োগ কার্যক্রমে আগ্রহ। বিবাহবিচ্ছেদ এবং বিনিয়োগ কার্যক্রম একটি নির্দিষ্ট সময়ের মধ্যে একটি নির্দিষ্ট গবেষকের আগ্রহের বিষয়। তদনুসারে, এই প্রক্রিয়ার সাথে জড়িত বা এই ইভেন্টে অংশগ্রহণকারী সমস্ত লোককে ডাকা হবে সুদ গ্রুপহাজার হাজার বা হাজার হাজার মানুষ থাকতে পারে। তারা উৎস জনসংখ্যা, বা জনসংখ্যা গঠন করে, যেখান থেকে সমাজবিজ্ঞানী একটি নমুনা তৈরি করেন এবং এটির সাক্ষাৎকার নেন।
নমুনা পদ্ধতির সারমর্ম হল একটি অংশের (নমুনা) বৈশিষ্ট্যগুলির দ্বারা সমগ্রের (সাধারণ জনসংখ্যা) সংখ্যাগত বৈশিষ্ট্যগুলি এবং উপাদানগুলির পৃথক গোষ্ঠীর দ্বারা বিচার করা - তাদের সামগ্রিকতা সম্পর্কে, যা কখনও কখনও অসীমতার সংগ্রহ হিসাবে বিবেচিত হয়। বড় ভলিউম নমুনা পদ্ধতির ভিত্তি হল যে ইন্টারকম, যা ব্যক্তি এবং সাধারণ, অংশ এবং সমগ্রের মধ্যে জনসংখ্যার মধ্যে বিদ্যমান।
প্রতিনিধিত্বকারী নমুনাসমাজবিজ্ঞানে, একটি নমুনা জনসংখ্যাকে বিবেচনা করা হয় যার প্রধান বৈশিষ্ট্যগুলি সম্পূর্ণভাবে মিলে যায় (একই অনুপাতে বা একই ফ্রিকোয়েন্সি সহ) সাধারণ জনসংখ্যার একই বৈশিষ্ট্যের সাথে। শুধুমাত্র এই ধরনের নমুনার জন্য কিছু ইউনিটের (বস্তু) সমীক্ষার ফলাফল সমগ্র জনসংখ্যার জন্য প্রসারিত করা যেতে পারে। পূর্বশর্তএকটি প্রতিনিধি নমুনা তৈরি করতে - সাধারণ জনসংখ্যা সম্পর্কে তথ্যের প্রাপ্যতা, যেমন হয় সম্পুর্ণ তালিকাসাধারণ জনসংখ্যার একক (বিষয়), বা বৈশিষ্ট্য অনুযায়ী গঠন সম্পর্কে তথ্য যা গবেষণার বিষয়ের প্রতি মনোভাবকে উল্লেখযোগ্যভাবে প্রভাবিত করে।
অধীন প্রতিনিধিত্বসমাজবিজ্ঞানে, আমরা একটি নমুনার বৈশিষ্ট্যগুলি বুঝতে পারি যা এটিকে সমীক্ষার সময় একটি মডেল, সাধারণ জনসংখ্যার প্রতিনিধি হিসাবে কাজ করার অনুমতি দেয়। অন্য কথায়, একটি প্রতিনিধি নমুনা সাধারণ জনসংখ্যার একটি সঠিক মডেল যা এটি প্রতিফলিত করা উচিত (অধ্যয়নের জন্য গুরুত্বপূর্ণ পরামিতি অনুসারে)। একটি নমুনা যে পরিমাণ প্রতিনিধি, সেই নমুনার অধ্যয়নের উপর ভিত্তি করে উপসংহার সমগ্র জনসংখ্যার জন্য প্রয়োগ করা যেতে পারে।
প্রতিনিধিএকটি সমীক্ষা এমন একটি হিসাবে বিবেচিত হয় যেখানে নিয়ন্ত্রণ বৈশিষ্ট্যগুলির জন্য নমুনা জনসংখ্যার বিচ্যুতি 5% এর বেশি হয় না। একটি ছোট জনসংখ্যার একটি পাইলট জরিপ পরিচালনা করার সময় (উদাহরণস্বরূপ, 100-250 জনের অনুষদের মধ্যে), একটি অবিচ্ছিন্ন জরিপ প্রতিনিধিত্ব করবে। একটি বিশ্ববিদ্যালয়ের স্কেলে, মোট শিক্ষার্থীর 25% জরিপ করা যথেষ্ট।
একবার সমাজবিজ্ঞানী স্থির করেন যে তিনি কাকে সাক্ষাৎকার দিতে চান, তিনি নির্ধারণ করেন নমুনা ফ্রেমতারপর স্যাম্পলিংয়ের ধরন নিয়ে সিদ্ধান্ত নেওয়া হয়।
নমুনার ধরনপরিসংখ্যানগত নমুনার প্রধান প্রকারগুলিকে বলা হয়: এলোমেলো (সম্ভাব্যতা) এবং নন-এলোমেলো (অ-সম্ভাব্যতা)। স্যাম্পলিং টাইপ বলে যে কিভাবে লোকেদের নমুনা জনসংখ্যার অন্তর্ভুক্ত করা হয়। সাধারন মাপতাদের মধ্যে কতজন সেখানে পৌঁছেছে তা জানায়।
সবচেয়ে সাধারণ নমুনার বৈশিষ্ট্যের দিকে এগিয়ে যাওয়া যাক।
আসলে, আমরা একটি নয়, তিনটি প্রশ্ন দিয়ে শুরু করি: নমুনা কী? এটা কখন প্রতিনিধি? সে কি করে?
একটি সেট হ'ল কোনও ব্যক্তি, সংস্থা, ইভেন্টের যে কোনও গোষ্ঠী যা আমাদের আগ্রহী, যার সম্পর্কে আমরা সিদ্ধান্ত নিতে চাই এবং একটি কেস বা অবজেক্ট হল এই জাতীয় সেট 1 এর যে কোনও উপাদান। নমুনা - বিশ্লেষণের জন্য নির্বাচিত কেস (বস্তু) জনসংখ্যার যেকোনো উপগোষ্ঠী। আমরা যদি রাজ্যের বিধায়কদের সিদ্ধান্ত গ্রহণের কার্যকলাপ অধ্যয়ন করতে চাই, তবে আমরা পঞ্চাশটি রাজ্যের পরিবর্তে ভার্জিনিয়া, উত্তর ক্যারোলিনা এবং দক্ষিণ ক্যারোলিনার রাজ্যের আইনসভাগুলিতে এই জাতীয় কার্যকলাপ পরীক্ষা করতে পারি এবং সেখান থেকে জনসংখ্যার ফলাফলগুলিকে সাধারণ করে তুলতে পারি। যা এই তিনটি রাজ্যকে বেছে নেওয়া হয়েছে। আমরা যদি পেনসিলভানিয়ার ভোটার পছন্দ সিস্টেম পরীক্ষা করতে চাই, তাহলে আমরা 50 মার্কিন কর্মী সমীক্ষা করে তা করতে পারি। এস. স্টিল” পিটসবার্গে, এবং রাজ্যের সমস্ত ভোটারদের কাছে সমীক্ষার ফলাফল প্রসারিত করুন। একইভাবে, যদি আমরা কলেজ ছাত্রদের বুদ্ধিমত্তা পরিমাপ করতে চাই, আমরা একটি প্রদত্ত ফুটবল মরসুমে ওহাইও রাজ্যে নথিভুক্ত সমস্ত প্রতিরক্ষামূলক খেলোয়াড়দের পরীক্ষা করতে পারি এবং তারপর ফলাফলগুলিকে জনসংখ্যার সাধারণীকরণ করতে পারি যার তারা একটি অংশ। প্রতিটি উদাহরণে, আমরা এইভাবে এগিয়ে যাই: আমরা জনসংখ্যার মধ্যে একটি উপগোষ্ঠী সনাক্ত করি, এই উপগোষ্ঠী বা নমুনাটি কিছু বিশদে অধ্যয়ন করি এবং সমগ্র জনসংখ্যার কাছে আমাদের ফলাফলগুলিকে সাধারণীকরণ করি। এগুলি নমুনার প্রধান পর্যায়।
যাইহোক, এটি বেশ স্পষ্ট বলে মনে হচ্ছে যে এই নমুনার প্রতিটিতে উল্লেখযোগ্য ত্রুটি রয়েছে। উদাহরণস্বরূপ, যদিও ভার্জিনিয়া, উত্তর ক্যারোলিনা এবং দক্ষিণ ক্যারোলিনার আইনসভাগুলি আইন প্রণয়ন সংস্থারাষ্ট্র, তারা, ঐতিহাসিক কারণে, ভৌগলিক এবং রাজনৈতিক কারণ, নিউ ইয়র্ক, নেব্রাস্কা এবং আলাস্কার মত ভিন্ন ভিন্ন রাজ্যের আইনসভা থেকে খুব অনুরূপ এবং খুব ভিন্ন উপায়ে কাজ করার সম্ভাবনা রয়েছে। যদিও পিটসবার্গের পঞ্চাশজন ইস্পাত শ্রমিক প্রকৃতপক্ষে পেনসিলভানিয়া রাজ্যের ভোটার হতে পারে, তারা, আর্থ-সামাজিক অবস্থা, শিক্ষা এবং জীবনের অভিজ্ঞতার ভিত্তিতে, তাদের মতামত থাকতে পারে যা অন্য অনেক লোকের থেকে আলাদা যারা ভোটার। একইভাবে, যদিও ওহিও স্টেটের ফুটবল খেলোয়াড়রা কলেজের ছাত্র, তারা তাদের কারণে বিবিধ কারণবশতঅন্যান্য ছাত্রদের থেকে আলাদা হতে পারে। অর্থাৎ, যদিও এই সাবগ্রুপগুলির প্রত্যেকটি প্রকৃতপক্ষে একটি নমুনা, প্রত্যেকটির সদস্যরা জনসংখ্যার অন্যান্য সদস্যদের থেকে পদ্ধতিগতভাবে আলাদা যা থেকে তারা নির্বাচিত হয়েছে। একটি পৃথক গোষ্ঠী হিসাবে, তাদের মধ্যে কোনটিই মতামতের বৈশিষ্ট্য, আচরণের উদ্দেশ্য এবং জনসংখ্যার বৈশিষ্ট্যগুলির বন্টনের ক্ষেত্রে সাধারণ নয় যার সাথে এটি জড়িত। তদনুসারে, রাজনৈতিক বিজ্ঞানীরা বলবেন যে এই নমুনার কোনটিই প্রতিনিধি নয়।
একটি প্রতিনিধি নমুনা হল একটি নমুনা যেখানে জনসংখ্যার সমস্ত প্রধান বৈশিষ্ট্য যা থেকে নমুনা আঁকা হয়েছে প্রায় একই অনুপাতে বা একই ফ্রিকোয়েন্সি সহ এই জনসংখ্যাতে একটি প্রদত্ত বৈশিষ্ট্য প্রদর্শিত হয়। এইভাবে, যদি সমস্ত রাজ্য আইনসভার 50% প্রতি দুই বছরে একবার মিলিত হয়, তবে রাজ্য আইনসভাগুলির প্রতিনিধি নমুনার প্রায় অর্ধেক গঠন এই ধরণের হওয়া উচিত। যদি পেনসিলভানিয়ার 30% ভোটার নীল কলার হয়, তবে সেই ভোটারদের প্রতিনিধি নমুনার প্রায় 30% (উপরের উদাহরণের মতো 100% নয়) নীল কলার হওয়া উচিত। এবং যদি সমস্ত কলেজ ছাত্রদের মধ্যে 2% ক্রীড়াবিদ হয়, কলেজ ছাত্রদের প্রতিনিধি নমুনার প্রায় একই অনুপাত ক্রীড়াবিদ হওয়া উচিত। অন্য কথায়, একটি প্রতিনিধি নমুনা একটি মাইক্রোকসম, জনসংখ্যার একটি ছোট কিন্তু সঠিক মডেল যা এটি প্রতিফলিত করার উদ্দেশ্যে। নমুনাটি যে পরিমাণ প্রতিনিধিত্বশীল, সেই নমুনার অধ্যয়নের উপর ভিত্তি করে উপসংহারগুলি আসল জনসংখ্যার জন্য প্রয়োগ করার জন্য নিরাপদে ধরে নেওয়া যেতে পারে। ফলাফলের এই বিস্তারকে আমরা সাধারণীকরণ বলি।
সম্ভবত একটি গ্রাফিক চিত্র এটি ব্যাখ্যা করতে সাহায্য করবে। ধরুন আমরা মার্কিন প্রাপ্তবয়স্কদের মধ্যে রাজনৈতিক দলের সদস্যতার নিদর্শন অধ্যয়ন করতে চাই।
ভাত। 5.1। সাধারণ জনসংখ্যা থেকে একটি নমুনা গঠন
চিত্র 5.1 তিনটি বৃত্তকে ছয়টি সমান সেক্টরে বিভক্ত দেখায়। চিত্র 5.1a বিবেচনাধীন সমগ্র জনসংখ্যার প্রতিনিধিত্ব করে। জনসংখ্যার সদস্যদের রাজনৈতিক গোষ্ঠী (যেমন দল এবং স্বার্থ গোষ্ঠী) অনুযায়ী শ্রেণীবদ্ধ করা হয় যার সাথে তারা অন্তর্ভুক্ত। এই উদাহরণে, প্রতিটি প্রাপ্তবয়স্ক কমপক্ষে একটি এবং ছয়টির বেশি রাজনৈতিক দলের অন্তর্ভুক্ত নয়; এবং এই ছয় স্তরের সদস্যপদ সমানভাবে সমষ্টিগতভাবে বিতরণ করা হয় (অতএব সমান সেক্টর)। ধরুন আমরা একটি গোষ্ঠীতে যোগদানের জন্য মানুষের উদ্দেশ্য, গোষ্ঠী পছন্দ এবং অংশগ্রহণের ধরণগুলি অধ্যয়ন করতে চাই, কিন্তু সম্পদের সীমাবদ্ধতার কারণে আমরা জনসংখ্যার প্রতি ছয় সদস্যের মধ্যে একজনকে অধ্যয়ন করতে পারি। কে বিশ্লেষণের জন্য নির্বাচন করা উচিত?
একটি প্রদত্ত আয়তনের সম্ভাব্য নমুনাগুলির মধ্যে একটিকে চিত্র 5.1b-এ ছায়াযুক্ত এলাকা দ্বারা চিত্রিত করা হয়েছে, কিন্তু এটি স্পষ্টভাবে জনসংখ্যার গঠনকে প্রতিফলিত করে না। যদি আমরা এই নমুনা থেকে সাধারণীকরণ করতে চাই, তাহলে আমরা উপসংহারে আসব: (1) যে সমস্ত আমেরিকান প্রাপ্তবয়স্করা পাঁচটি রাজনৈতিক দলের অন্তর্গত এবং (2) আমেরিকানদের সমস্ত গোষ্ঠী আচরণ তাদের আচরণের সাথে মেলে যারা বিশেষভাবে পাঁচটি দলের অন্তর্ভুক্ত। যাইহোক, আমরা জানি যে প্রথম উপসংহারটি সত্য নয় এবং এটি দ্বিতীয়টির বৈধতা সম্পর্কে আমাদের সন্দেহ করতে পারে। সুতরাং, চিত্র 5.1b-এ চিত্রিত নমুনাটি প্রতিনিধিত্বমূলক নয় কারণ এটি একটি প্রদত্ত জনসংখ্যার সম্পত্তির (প্রায়শই একটি প্যারামিটার বলা হয়) এর প্রকৃত বন্টন অনুসারে বন্টনকে প্রতিফলিত করে না। এই ধরনের নমুনাকে বলা হয় পাঁচটি গোষ্ঠীর সদস্যদের প্রতি পক্ষপাতদুষ্ট বা গোষ্ঠী সদস্যতার অন্যান্য সমস্ত ধরণ থেকে দূরে থাকা। এই ধরনের পক্ষপাতমূলক নমুনার উপর ভিত্তি করে, আমরা সাধারণত জনসংখ্যা সম্পর্কে ভুল সিদ্ধান্তে আসি।
1930-এর দশকে লিটারারি ডাইজেস্ট ম্যাগাজিন, যেটি জরিপটি সংগঠিত করেছিল, সেই বিপর্যয়ের দ্বারা এটি সবচেয়ে স্পষ্টভাবে প্রদর্শিত হতে পারে। জন মতামতনির্বাচনের ফলাফল সম্পর্কে। লিটারারি ডাইজেস্ট ছিল একটি সাময়িকী যা সংবাদপত্রের সম্পাদকীয় এবং জনমতের প্রতিফলনকারী অন্যান্য উপকরণ পুনর্মুদ্রিত করে; এই পত্রিকাটি শতাব্দীর শুরুতে খুব জনপ্রিয় ছিল। 1920 সালের শুরুতে, ম্যাগাজিনটি একটি বড় আকারের জাতীয় জরিপ পরিচালনা করে যাতে ব্যালটগুলি ডাকযোগে এক মিলিয়নেরও বেশি লোকের কাছে পাঠানো হয়েছিল যাতে তারা আসন্ন নির্বাচনে কার প্রার্থীতা চিহ্নিত করতে বলে। রাষ্ট্রপতি নির্বাচনতাদের জন্য পছন্দনীয়। বেশ কয়েক বছর ধরে, ম্যাগাজিনের ভোটের ফলাফল এতটাই নির্ভুল ছিল যে সেপ্টেম্বরের একটি জরিপ নভেম্বরের নির্বাচনকে অপ্রাসঙ্গিক করে তুলেছিল। এবং এত বড় নমুনার সাথে কীভাবে একটি ত্রুটি ঘটতে পারে? যাইহোক, 1936 সালে, ঠিক এটিই ঘটেছিল: বিপুল সংখ্যাগরিষ্ঠ ভোটের সাথে (60:40), বিজয়ী প্রার্থীর জন্য পূর্বাভাস দেওয়া হয়েছিল রিপাবলিকান পার্টিআলফা ল্যান্ডন। নির্বাচনে, ল্যান্ডন একজন প্রতিবন্ধী ব্যক্তি - ফ্রাঙ্কলিন ডি. রুজভেল্টের কাছে হেরেছিলেন - প্রায় একই ফলাফলের সাথে যার জয়লাভ করা উচিত ছিল। লিটারারি ডাইজেস্টের বিশ্বাসযোগ্যতা এতটাই ক্ষতিগ্রস্ত হয়েছিল যে পত্রিকাটি কিছুদিন পরেই ছাপা হয়ে যায়। কি হলো? এটা খুবই সহজ: ডাইজেস্ট পোল একটি পক্ষপাতমূলক নমুনা ব্যবহার করেছে। পোস্টকার্ডগুলি এমন লোকদের কাছে পাঠানো হয়েছিল যাদের নাম দুটি উত্স থেকে নেওয়া হয়েছিল: টেলিফোন ডিরেক্টরি এবং গাড়ি নিবন্ধন তালিকা। এবং যদিও আগে এই নির্বাচন পদ্ধতি অন্যান্য পদ্ধতির থেকে খুব একটা আলাদা ছিল না, এখন পরিস্থিতি সম্পূর্ণ ভিন্ন ছিল, গ্রেট ডিপ্রেশন 1936, যখন কম ধনী ভোটার, রুজভেল্টের সম্ভবত ভিত্তি, একটি টেলিফোনের সামর্থ্য ছিল না, একটি গাড়ি ছাড়া। এইভাবে, প্রকৃতপক্ষে, ডাইজেস্ট পোলে ব্যবহৃত নমুনাটি রিপাবলিকান হওয়ার সম্ভাবনার দিকে পক্ষপাতমূলক ছিল, তবুও এটি এখনও আশ্চর্যজনক যে রুজভেল্টের এমন ছিল ভালো ফলাফল.
এই সমস্যার সমাধান কিভাবে? আমাদের উদাহরণে ফিরে আসুন, আসুন চিত্র 5.1b-এর নমুনার সাথে চিত্র 5.1c-এর নমুনার তুলনা করি। পরবর্তী ক্ষেত্রে, জনসংখ্যার একটি ষষ্ঠাংশকেও বিশ্লেষণের জন্য নির্বাচিত করা হয়, তবে প্রতিটি প্রধান ধরণের জনসংখ্যাকে নমুনায় উপস্থাপন করা হয় যে অনুপাতে এটি সমগ্র জনসংখ্যার প্রতিনিধিত্ব করে। এই ধরনের একটি নমুনা দেখায় যে প্রতি ছয় আমেরিকান প্রাপ্তবয়স্কদের মধ্যে একজন একটি রাজনৈতিক দলের অন্তর্গত, ছয়জনের মধ্যে একজন দুজনের অন্তর্ভুক্ত এবং আরও অনেক কিছু। এই জাতীয় নমুনা সদস্যদের মধ্যে অন্যান্য পার্থক্যগুলিও চিহ্নিত করবে যা অংশগ্রহণের সাথে সম্পর্কিত হতে পারে বিভিন্ন সংখ্যাগ্রুপ সুতরাং, চিত্র 5.1c এ উপস্থাপিত নমুনাটি বিবেচনাধীন জনসংখ্যার জন্য একটি প্রতিনিধি নমুনা।
অবশ্যই, এই উদাহরণঅন্তত দুটি চরম সঙ্গে সরলীকৃত করা হয় গুরুত্বপূর্ণ পয়েন্টদৃষ্টি প্রথমত, রাজনৈতিক বিজ্ঞানীদের আগ্রহের বেশিরভাগ জনসংখ্যা চিত্রিতের চেয়ে বেশি বৈচিত্র্যময়। মানুষ, নথি, সরকার, সংস্থা, সিদ্ধান্ত ইত্যাদি। একে অপরের থেকে একে অপরের থেকে আলাদা নয়, বরং অনেক বেশি সংখ্যক বৈশিষ্ট্য দ্বারা। সুতরাং, একটি প্রতিনিধি নমুনা এমন হওয়া উচিত যাতে প্রতিটি প্রধান, স্বতন্ত্র এলাকা জনসংখ্যার তার ভাগের অনুপাতে প্রতিনিধিত্ব করা হয়। দ্বিতীয়ত, পরিস্থিতি যেখানে আমরা পরিমাপ করতে চাই ভেরিয়েবল বা বৈশিষ্ট্যগুলির প্রকৃত বন্টন আগে থেকে জানা যায় না তার বিপরীতের তুলনায় অনেক বেশি সাধারণ - এটি পূর্ববর্তী আদমশুমারিতে পরিমাপ করা হয়নি। এইভাবে, একটি প্রতিনিধি নমুনা ডিজাইন করা আবশ্যক যাতে এটি বিদ্যমান বন্টনকে সঠিকভাবে প্রতিফলিত করতে পারে এমনকি যখন আমরা সরাসরি এর বৈধতা মূল্যায়ন করতে অক্ষম হই। নমুনা পদ্ধতিতে অবশ্যই একটি অভ্যন্তরীণ যুক্তি থাকতে হবে যা আমাদের বিশ্বাস করতে পারে যে, যদি আমরা আদমশুমারির সাথে নমুনার তুলনা করতে সক্ষম হই, তবে এটি প্রকৃতপক্ষে প্রতিনিধিত্বমূলক হবে।
প্রদত্ত জনসংখ্যার জটিল সংগঠনকে সঠিকভাবে প্রতিফলিত করার ক্ষমতা এবং প্রস্তাবিত পদ্ধতিগুলি তা করতে পারে এমন কিছু আত্মবিশ্বাস প্রদানের জন্য, গবেষকরা পরিসংখ্যানগত পদ্ধতিতে ফিরে যান। একই সময়ে, তারা দুটি দিক থেকে কাজ করে। প্রথমত, নির্দিষ্ট নিয়ম (অভ্যন্তরীণ যুক্তি) ব্যবহার করে, গবেষকরা সিদ্ধান্ত নেন কোন নির্দিষ্ট বস্তু অধ্যয়ন করতে হবে এবং নির্দিষ্ট নমুনায় ঠিক কী অন্তর্ভুক্ত করতে হবে। দ্বিতীয়ত, খুব ভিন্ন নিয়ম ব্যবহার করে, তারা কতগুলি বস্তু নির্বাচন করবে তা নির্ধারণ করে। আমরা এই অসংখ্য নিয়ম বিশদভাবে অধ্যয়ন করব না; আমরা কেবল রাষ্ট্রবিজ্ঞান গবেষণায় তাদের ভূমিকা বিবেচনা করব। আসুন একটি প্রতিনিধি নমুনা গঠন করে এমন বস্তু নির্বাচন করার কৌশলগুলির সাথে আমাদের বিবেচনা শুরু করি।
নমুনা জনসংখ্যা অধ্যয়নের চূড়ান্ত লক্ষ্য সর্বদা জনসংখ্যা সম্পর্কে তথ্য প্রাপ্ত করা। এটি করার জন্য, নমুনা অধ্যয়ন অবশ্যই কিছু শর্ত পূরণ করতে হবে। প্রধান শর্ত এক নমুনার প্রতিনিধিত্ব. আগে আলোচনা করা হয়েছে, গুণগত এবং পরিমাণগত প্রতিনিধিত্ব আছে।
এলোমেলোতা, যা পরিসংখ্যানগত অধ্যয়নের গুণগত (কাঠামোগত) প্রতিনিধিত্বের গ্যারান্টি দেয়, নমুনা গোষ্ঠী (জনসংখ্যা) গঠনের জন্য বেশ কয়েকটি শর্ত পূরণ করে অর্জন করা হয়:
1. জনসংখ্যার প্রতিটি সদস্যের নমুনায় অন্তর্ভুক্ত হওয়ার সমান সম্ভাবনা থাকতে হবে।
2. অধ্যয়ন করা বৈশিষ্ট্য নির্বিশেষে সাধারণ জনসংখ্যা থেকে পর্যবেক্ষণ ইউনিট নির্বাচন করা আবশ্যক। যদি নির্বাচনটি উদ্দেশ্যমূলকভাবে করা হয়, তবে অধ্যয়ন করা বৈশিষ্ট্যের বিতরণের স্বাধীনতার শর্তগুলি মেনে চলাও প্রয়োজনীয়।
3. একজাতীয় গোষ্ঠী থেকে নির্বাচন করা উচিত।
নমুনা এবং সাধারণ জনসংখ্যার সর্বাধিক ঘনিষ্ঠতার গ্যারান্টি দেয় এমন শর্তগুলির সাথে সম্মতি বিশেষ নির্বাচন পদ্ধতি দ্বারা নিশ্চিত করা হয়। গঠনের পদ্ধতির উপর নির্ভর করে, নিম্নলিখিত নমুনাগুলি আলাদা করা হয়:
1. নমুনা যা সাধারণ জনসংখ্যাকে অংশে ভাগ করার প্রয়োজন নেই (আসলে, এলোমেলো পুনরাবৃত্তি বা অ-পুনরাবৃত্ত নমুনা)।
2. যে নমুনাগুলির জন্য সাধারণ জনসংখ্যাকে অংশে ভাগ করা প্রয়োজন (যান্ত্রিক, সাধারণ বা টাইপোলজিকাল নমুনা, সমগোত্রীয়, জোড়া নমুনা)।
প্রকৃতপক্ষে, এলোমেলো নির্বাচনের মাধ্যমে একটি এলোমেলো নমুনা তৈরি হয় - এলোমেলোভাবে। র্যান্ডম নির্বাচন মিশ্রণ উপর ভিত্তি করে. উদাহরণস্বরূপ: সমস্ত বল মিশ্রিত করার পরে স্পোর্টস লোটোতে একটি বল নির্বাচন করা, বিজয়ী লটারি নম্বর নির্বাচন করা, গবেষণার জন্য এলোমেলোভাবে অসুস্থ কার্ড নির্বাচন করা ইত্যাদি। কখনও কখনও টেবিল থেকে প্রাপ্ত এলোমেলো সংখ্যা ব্যবহার করা হয় এলোমেলো সংখ্যাঅথবা র্যান্ডম নম্বর জেনারেটর ব্যবহার করে। এই সংখ্যা অনুসারে, অঙ্কিত এলোমেলো সংখ্যার সাথে সম্পর্কিত সংখ্যা সহ পর্যবেক্ষণ ইউনিটগুলি সাধারণ জনসংখ্যার একটি প্রাক-সংখ্যাযুক্ত অ্যারে থেকে নির্বাচন করা হয়।
একটি এলোমেলো নমুনা সংকলন করার সময়, একটি বস্তু নির্বাচন করার পরে এবং এটি সম্পর্কে সমস্ত প্রয়োজনীয় ডেটা রেকর্ড করা হয়েছে, দুটি বিকল্প রয়েছে: বস্তুটি ফেরত দেওয়া যেতে পারে বা জনসংখ্যাতে ফেরত দেওয়া যাবে না। এই অনুযায়ী নমুনাকে রিস্যাম্পলিং বলা হয়(বস্তুটি জনসংখ্যায় ফেরত দেওয়া হয়) বা পুনরাবৃত্তিযোগ্য(বস্তুটি জনসংখ্যায় ফেরত দেওয়া হয় না)। যেহেতু বেশিরভাগ পরিসংখ্যান গবেষণায় পুনরাবৃত্তিমূলক এবং অ-পুনরাবৃত্ত নমুনার মধ্যে কার্যত কোন পার্থক্য নেই, তাই যে শর্তটি নমুনাটি পুনরাবৃত্তি করা হয় তা একটি অগ্রাধিকার গ্রহণ করা হয়।
নমুনা জনসংখ্যাকে সাধারণ জনসংখ্যার পরিমাণগতভাবে প্রতিনিধিত্ব করার জন্য, প্রথমে নমুনা জনসংখ্যাতে অন্তর্ভুক্ত করা প্রয়োজন এমন ডেটার পরিমাণ অনুমান করা প্রয়োজন।
একটি অজানা জনসংখ্যা আকার সঙ্গেরিস্যাম্পিংয়ের পরিমাণ যা প্রতিনিধি ফলাফলের গ্যারান্টি দেয় যদি ফলাফলটি ফর্মে একটি সূচক দ্বারা প্রতিফলিত হয় আপেক্ষিক মান (শেয়ার)সূত্র দ্বারা নির্ধারিত:
যেখানে p হল অধ্যয়ন করা বৈশিষ্ট্যের সূচকের মান, % এ; q = (100- পি) ;
t হল একটি কনফিডেন্স কোফিসিয়েন্ট যা সম্ভাব্যতা দেখায় যে সূচকের আকার সর্বাধিক ত্রুটির সীমা অতিক্রম করবে না (সাধারণত t = 2 নেওয়া হয়, যা একটি ত্রুটি-মুক্ত পূর্বাভাসের 95% সম্ভাবনা প্রদান করে);
হল নির্দেশকের সর্বোচ্চ ত্রুটি।
উদাহরণ স্বরূপ: শিল্প প্রতিষ্ঠানে শ্রমিকদের স্বাস্থ্যের বৈশিষ্ট্য নির্দেশক সূচকগুলির মধ্যে একটি হল বছরে এমন শ্রমিকদের শতাংশ যারা অসুস্থ হয়নি। ধরা যাক যে শিল্প খাতের জন্য জরিপকৃত উদ্যোগটি অন্তর্গত, এই সংখ্যাটি 25%। সর্বাধিক ত্রুটি যা অনুমোদিত হতে পারে যাতে নির্দেশক মানগুলির বিস্তার যুক্তিসঙ্গত সীমা অতিক্রম না করে 5%। এই ক্ষেত্রে, সূচকটি 25% ±5% এর মান নিতে পারে, যেমন 20% থেকে 30% পর্যন্ত। ধরে নিলাম t = 2, আমরা পাই
এই ক্ষেত্রে, যদি সূচক একটি গড় মান হয়, তারপর সূত্র ব্যবহার করে পর্যবেক্ষণের সংখ্যা নির্ধারণ করা যেতে পারে:
যেখানে σ হল প্রমিত বিচ্যুতি, যা পূর্ববর্তী গবেষণা থেকে বা পাইলট অধ্যয়নের উপর ভিত্তি করে পাওয়া যেতে পারে।
অ-পুনরাবৃত্ত নির্বাচন সহএবং পরিচিত জনসংখ্যার সাপেক্ষেব্যবহৃত হলে প্রয়োজনীয় র্যান্ডম নমুনার আকার নির্ধারণ করতে আপেক্ষিক মান (শেয়ার)সূত্র প্রয়োগ করা হয়:
গড় মান জন্যব্যবহৃত সূত্র হল:
যেখানে N হল সাধারণ জনসংখ্যার আকার।
উপরের উদাহরণের শর্তের উপর ভিত্তি করে এবং সাধারণ জনসংখ্যার আকার নেওয়া এন=500 শ্রমিকরা, আমরা পাই:
এটি দেখতে সহজ যে অ-পুনরাবৃত্ত নমুনার জন্য প্রয়োজনীয় নমুনার আকার পুনরাবৃত্তি নমুনা (যথাক্রমে 188 এবং 300 কর্মী) থেকে কম।
সাধারণভাবে, প্রতিনিধি ডেটা প্রাপ্ত করার জন্য প্রয়োজনীয় পর্যবেক্ষণের সংখ্যা গ্রহণযোগ্য ত্রুটির বর্গক্ষেত্রের সাথে বিপরীতভাবে পরিবর্তিত হয়।
যান্ত্রিক নমুনা- নমুনা, যখন জরিপ করা জনসংখ্যা থেকে পর্যবেক্ষণের ইউনিটগুলি যান্ত্রিকভাবে নির্বাচন করা হয়। উদাহরণস্বরূপ: এন্টারপ্রাইজের এইচআর বিভাগের কার্ড বা মেডিকেল ইউনিট ক্লিনিকের বহির্বিভাগের কার্ড ব্যবহার করে প্রতি পঞ্চম বা প্রতি দশম কর্মী নির্বাচন।
সাধারণ, টাইপোলজিক্যালবা জোন করাস্যাম্পলিংয়ের মধ্যে জনসংখ্যাকে গুণগতভাবে একজাতীয় গোষ্ঠীতে ভাগ করা জড়িত। উদাহরণ স্বরূপ: বিশ্ববিদ্যালয়ের ছাত্রদের অসুস্থতা অধ্যয়ন করার সময়, প্রতিটি কোর্সে গভীরভাবে পরীক্ষার জন্য ছাত্র দলগুলিকে নির্বাচন করা হয় যেগুলি গঠনে সাধারণ। প্রায়শই এই নির্বাচন পদ্ধতি অন্যান্য পদ্ধতির সাথে মিলিত হয়। উদাহরণস্বরূপ: একটি শহরের অঞ্চল দূষণের মাত্রার উপর নির্ভর করে সাধারণ এলাকায় বিভক্ত করা হয়, এবং এলোমেলো নির্বাচনের মাধ্যমে এই এলাকায় পর্যবেক্ষণ গোষ্ঠী গঠিত হয়।
দলগত নির্বাচনলক্ষ্যযুক্ত নির্বাচন বোঝায়। এই পদ্ধতির সাহায্যে, ব্যক্তিদের সাধারণ জনসংখ্যা থেকে নির্বাচিত করা হয় (উপগোষ্ঠীতে বিতরণ অ-এলোমেলো), কোনো চিহ্ন বা অধ্যয়ন করা প্রভাবের উপস্থিতির মুহুর্তের দ্বারা একত্রিত হয়, যা অধ্যয়নে গুরুত্বপূর্ণ ভূমিকা পালন করে (জন্মের বছর, রোগের সূত্রপাত, একটি ওষুধ গ্রহণ, ইত্যাদি)।
কেস-কন্ট্রোল স্টাডি(RS) হল এক ধরনের মহামারী সংক্রান্ত গবেষণা যেখানে ঝুঁকির কারণের বন্টন একটি রোগ এবং একটি নিয়ন্ত্রণ গ্রুপের রোগীদের একটি গ্রুপের মধ্যে তুলনা করা হয়। অধ্যয়নটি (SC) পূর্ববর্তী, যেহেতু গবেষক, রোগীদের তাদের রোগ আছে কি না তা অনুসারে দলে ভাগ করে, অতীত থেকে তাদের কাছ থেকে তথ্য পান।
জনসংখ্যার সাধারণ অসুস্থতা অধ্যয়ন করার সময় স্যানিটারি পরিসংখ্যানে নমুনা পদ্ধতির ব্যবহারে বিশেষ মনোযোগ দেওয়া উচিত। নমুনা পদ্ধতির তাত্ত্বিক প্রাঙ্গনে বিশেষ গবেষণার সময় পরীক্ষা করা হয়েছিল। সুতরাং, ভি.এস. বাইখভস্কি এট আল। 1928 সালে, তারা ক্রমাগত পদ্ধতি এবং প্রতি পঞ্চম কার্ডের যান্ত্রিক নির্বাচনের পদ্ধতি ব্যবহার করে রোগের ডেটা সহ 132.8 হাজার কার্ডের সমান্তরাল প্রক্রিয়াকরণ করেছে। এই প্রক্রিয়াকরণের ফলাফলের বিশ্লেষণে অসুস্থতার একটি নমুনা অধ্যয়ন থেকে তথ্যের উচ্চ প্রতিনিধিত্ব দেখানো হয়েছে। যাইহোক, পর্যন্ত আজ, ব্যাপক অনুশীলনে নির্বাচনী স্যানিটারি এবং পরিসংখ্যানগত অধ্যয়ন পরিচালনা করার জন্য কোন অভিন্ন পদ্ধতিগত পন্থা নেই।
ISO 9001:2000 এর ধারা 8 "পরিমাপ, বিশ্লেষণ এবং উন্নতি" কভার করে। যদিও নমুনা এই মান দ্বারা আচ্ছাদিত নয়, ধারা 8.1, যা সমগ্র পরিমাপ বিভাগের একটি সাধারণ ভূমিকা, বলে যে পরিমাপ, বিশ্লেষণ এবং উন্নতি কার্যক্রম (পরিসংখ্যানগত পদ্ধতি সহ প্রযোজ্য পদ্ধতির সনাক্তকরণ অন্তর্ভুক্ত করা উচিত) এবং তাদের প্রয়োগের পরিমাণ ) গ্রাহক সন্তুষ্টির সঠিক পরিমাপ তখনই করা যেতে পারে যখন এটি গ্রাহকদের একটি ভাল নমুনার উপর ভিত্তি করে। এই অধ্যায়টি এই লক্ষ্য অর্জনের জন্য ব্যবহৃত নমুনা পদ্ধতির একটি ওভারভিউ প্রদান করে।
নমুনা নীতি সহজ. বেশিরভাগ সংস্থার প্রচুর সংখ্যক গ্রাহক রয়েছে, তবে সঠিক IEP ফলাফল পাওয়ার জন্য, প্রত্যেকের সাথে গবেষণা চালানোর প্রয়োজন নেই, এটি একটি ছোট নমুনা দিয়ে করা যথেষ্ট, তবে এই নমুনাটি মানুষের একটি বৃহৎ গোষ্ঠীর প্রতিনিধিত্ব করে। বেশ কিছু আছে বিভিন্ন ধরনেরনমুনা যা চিত্র 4.1-এ দেখানো হয়েছে।
ভাত। 4.1 সম্ভাব্য নমুনা
নমুনার মধ্যে মৌলিক পার্থক্য হল তারা সম্ভাব্যতা বা অ-সম্ভাব্যতা নমুনা কিনা। সম্ভাবনার নমুনাকে প্রায়শই র্যান্ডম স্যাম্পলিংও বলা হয় এবং শুধুমাত্র এলোমেলো বা সম্ভাব্যতার সাথে নমুনাগুলি আপনি নিশ্চিত হতে পারেন যে তারা পক্ষপাত থেকে মুক্ত। সংজ্ঞা অনুসারে, একটি এলোমেলো নমুনার জনসংখ্যার সমস্ত সদস্যের এটিতে প্রতিনিধিত্ব করার সমান সুযোগ রয়েছে এবং এলোমেলো নমুনার সবচেয়ে স্পষ্ট উদাহরণ হল সাধারণ লটারি। ড্রতে অবশিষ্ট সমস্ত বল বা সংখ্যা পরের বার ড্র হওয়ার সমান সুযোগ বজায় রাখে। এটা স্পষ্ট যে কোন প্রবণতা লটারিতে সংখ্যার পছন্দকে প্রভাবিত করে না।
4.2.2.1 অ-প্রতিনিধি নমুনা
স্যাম্পলিংয়ের সহজতম রূপ হল অ-প্রতিনিধিত্বমূলক নমুনা। কল্পনা করুন যে আপনি একটি জনমত জরিপ পরিচালনা করছেন। আপনি রাস্তায় বের হতে পারেন এবং আপনার দেখা প্রথম 50 জন লোককে জিজ্ঞাসা করতে পারেন যে তারা সরকারের পদক্ষেপে কতটা সন্তুষ্ট। এটি দ্রুত, সহজ এবং সস্তা হবে, তবে এটি খুব প্রতিনিধিত্বমূলক হবে না। এটি তুচ্ছ মনে হতে পারে, তবে স্পষ্টভাবে আরও কিছুর জন্য জটিল ক্ষেত্রে, আমরা পরে দেখব, এটি একটি অপ্রতিনিধিত্বমূলক নমুনায় স্লিপ করা খুব সহজ।
4.2.2.2 উদ্দেশ্যমূলক নমুনা
অ-সম্ভাব্যতা স্যাম্পলিংয়ের আরেকটি রূপ হল উদ্দেশ্যমূলক নমুনা। এটি একই ফর্ম যা আমরা অনুসন্ধানমূলক গবেষণার জন্য প্রস্তাব করেছি, এবং যদিও উদ্দেশ্যমূলক নমুনা গুণগত গবেষণার জন্য ভাল যা ভাল পরিসংখ্যান অর্জনের লক্ষ্য নয়, এটি মৌলিক গবেষণা পরিচালনার জন্য উপযুক্ত নয়, বা অন্য কোনো গবেষণা যা পরিসংখ্যানগতভাবে প্রাপ্ত করার লক্ষ্য রাখে। নির্ভরযোগ্য ফলাফল..
4.2.2.3 কোটার উপর ভিত্তি করে নমুনা
তৃতীয় ধরনের অ-সম্ভাব্যতা নমুনা হল কোটা স্যাম্পলিং এবং প্রায়ই বৃহৎ জনসংখ্যা অধ্যয়ন করতে ব্যবহৃত হয়। কল্পনা করুন যে একটি মিউনিসিপ্যাল কাউন্সিল জনসংখ্যার সন্তুষ্টির মাত্রা পরিমাপ করতে চায় কাউন্সিল তাদের যে পরিষেবা এবং সুবিধা প্রদান করে। ধরুন আপনি রাস্তায় শহরে বসবাসকারী 500 জন লোকের একটি কোটার নমুনার সদস্যদের সাক্ষাৎকার নেওয়ার সিদ্ধান্ত নিয়েছেন। আপনি পাঁচজন ইন্টারভিউয়ারকে বরাদ্দ করতে পারেন, প্রত্যেককে একটি প্রধান শপিং এলাকায় 100 জনের সাক্ষাৎকার নেওয়ার দায়িত্ব দেওয়া হয়। যাইহোক, ইন্টারভিউয়ারদের প্রতিনিধিত্বমূলক নমুনা ব্যবহার করার অনুমতি নেই, যেমন প্রথম 100 জনের সাক্ষাত্কার কোটা স্যাম্পলিং প্রয়োজন যে প্রতিটি ইন্টারভিউয়ারকে অনেক সতর্কতার সাথে সংজ্ঞায়িত নিয়ম মেনে চলতে হবে যাতে নিশ্চিত করা যায় যে নমুনা স্থানীয় জনগণের প্রতিনিধি। মানগুলি মিউনিসিপ্যাল কাউন্সিলের কাছে উপলব্ধ পরিসংখ্যানগুলির উপর ভিত্তি করে হতে পারে যেগুলি জনসংখ্যাকে বিভক্ত করা হয়েছে তা দেখানো হয়েছে। সুতরাং, উদাহরণস্বরূপ, এই তথ্যগুলি ইঙ্গিত দিতে পারে যে জনসংখ্যার 15% 21 থেকে 30 বছর বয়সী, 18% 31 থেকে 40 বছর বয়সী ইত্যাদি। বিভাজন অন্যান্য বৈশিষ্ট্যের উপর ভিত্তি করেও হতে পারে, উদাহরণস্বরূপ, লিঙ্গ অনুসারে , আয়ের স্তর, জাতিগত উত্স। কাউন্সিল যদি নমুনাটি প্রতিনিধিত্বশীল হতে চায়, তবে এটিকে অবশ্যই এই সমস্ত গোষ্ঠীকে একই অনুপাতে অন্তর্ভুক্ত করতে হবে যেভাবে তারা সমগ্র জনসংখ্যার প্রতিনিধিত্ব করে। এটি অর্জন করতে, সাক্ষাত্কারকারীদের অবশ্যই তাদের জন্য গ্রুপ এবং কোটা নির্ধারণ করতে হবে। প্রদত্ত উদাহরণে, ইন্টারভিউ নেওয়া প্রতি 100 জনের মধ্যে 15 জনের বয়স 21 থেকে 30 বছরের মধ্যে হওয়া উচিত, 18 জনের বয়স 31 থেকে 40 বছরের মধ্যে হওয়া উচিত এবং এটি লিঙ্গ, আয় ইত্যাদি দ্বারা আরোপিত অন্যান্য গোষ্ঠীর জন্য কোটার সাথে মিলিত হওয়া উচিত। .
ধরা যাক যে সাক্ষাত্কারকারীরা সারা সপ্তাহ কাজ করেছেন, সোমবার থেকে শুক্রবার, প্রতিদিন সকাল 9 টা থেকে বিকাল 5 টা পর্যন্ত, একটি শপিং আর্কেডে সাক্ষাত্কার দিয়েছেন, যাতে সপ্তাহের শেষ নাগাদ তাদের প্রত্যেকে সমস্ত মান পূরণ করে 100টি সাক্ষাত্কার সম্পন্ন করেছে। ফলস্বরূপ নমুনার আকার হল 500, যা শহরের জনসংখ্যার সম্পূর্ণ প্রতিনিধিত্ব করবে, কিন্তু এটি এলোমেলোভাবে নির্বাচন করা হবে না, তাই এটি প্রবণতা থেকে মুক্ত হবে না। র্যান্ডম স্যাম্পলিংয়ের সংজ্ঞা অনুসারে, একটি শহরের সমস্ত বাসিন্দার নমুনায় প্রতিনিধিত্ব করার সমান সুযোগ থাকা উচিত। প্রদত্ত উদাহরণে, কেবলমাত্র সেই ব্যক্তিদেরই এমন সুযোগ ছিল যারা সপ্তাহের এই দিনগুলিতে সকাল 9 টা থেকে বিকাল 5 টা পর্যন্ত শপিং আর্কেডে গিয়েছিলেন। এইভাবে, নমুনাটি অনিবার্যভাবে পক্ষপাতদুষ্ট হবে, সম্ভবত বয়স্ক মানুষ, বেকার এবং কাছাকাছি কাজ করা লোকদের প্রতি। বাস্তবে, অবশ্যই, গবেষকরা বিভিন্ন স্থানে এবং বিভিন্ন সময়ে সাক্ষাত্কারের মাধ্যমে কোটার নমুনা গ্রহণের অন্তর্নিহিত প্রবণতাগুলিকে হ্রাস করার চেষ্টা করেন, তবে তারা কখনই এটি থেকে পুরোপুরি পরিত্রাণ পেতে পারেন না, যেহেতু নমুনাটি কেবলমাত্র সেই ব্যক্তিদের প্রতিনিধিত্ব করতে পারে যারা একটি নির্দিষ্ট সময়ে একটি নির্দিষ্ট জায়গায় শেষ হয়েছে, তাই তাত্ত্বিকভাবে এই জাতীয় নমুনা কখনই এলোমেলো হবে না, প্রবণতা থেকে সম্পূর্ণ মুক্ত।
এর মানে এই নয় যে কোটা স্যাম্পলিং কখনই ব্যবহার করা উচিত নয়। আপনি যদি আপনার গ্রাহকদের না চেনেন তবে আপনি একটি এলোমেলো নমুনা আঁকতে পারবেন না কারণ সমগ্র জনসংখ্যার তালিকা করার কোন উপায় নেই যেখান থেকে এটি আঁকতে হবে। উদাহরণস্বরূপ, অনেক খুচরা বিক্রেতা জানেন না তাদের গ্রাহক কারা। এই ধরনের পরিস্থিতিতে, সংস্থাগুলি কোটার নমুনা অবলম্বন করে।
আপনার যদি আপনার গ্রাহকদের একটি ডাটাবেস থাকে, তাহলে আপনি একটি এলোমেলো নমুনা আঁকতে পারেন এবং করা উচিত এবং প্রথম ধাপ হল নমুনার ভিত্তি নির্ধারণ করা। মূল হল ভোক্তাদের তালিকা যা থেকে আপনি নমুনা নিতে চান এবং এই তালিকাটি সংজ্ঞায়িত করা একটি কৌশলগত সিদ্ধান্ত। সংস্থাগুলি সাধারণত বছরে একবার গ্রাহক সন্তুষ্টি পরিমাপ করে, এবং নমুনা ফ্রেম সেই গ্রাহকদের নিয়ে গঠিত যারা গত বারো মাসে সংস্থার সাথে ডিল করেছে। যাইহোক, এটি সবার জন্য গ্রহণযোগ্য নাও হতে পারে। উদাহরণস্বরূপ, যে কোনও সাহায্যের সিস্টেমের সাথে ভোক্তা সন্তুষ্টি অধ্যয়ন করার সময় এটি খুব কার্যকর নয় তথ্য প্রযুক্তিগত 11 মাসে এই সিস্টেমটি ব্যবহার করে আপনার অভিজ্ঞতা সম্পর্কে প্রশ্ন জিজ্ঞাসা করুন। এই ক্ষেত্রে, একটি সংক্ষিপ্ত সময়ের ফ্রেম ব্যবহার করা ভাল, উদাহরণস্বরূপ, গত মাসে সহায়তা সিস্টেম ব্যবহার করা সমস্ত গ্রাহকদের গণনা করা। এর জন্য চলমান পর্যবেক্ষণের প্রয়োজন হতে পারে, যেখানে প্রতি মাসে একটি ভোক্তা সমীক্ষা করা হয় এবং ফলাফলগুলি একটি পর্যায়ক্রমিক প্রতিবেদন তৈরি করার জন্য জমা করা হয়, যেমন ত্রৈমাসিক বা এমনকি বার্ষিক যদি ত্রৈমাসিকের সময় গ্রাহকের সংখ্যা কম হয়।
এইভাবে, আপনি দেখতে পারেন যে অধ্যয়নের অধীনে "ভোক্তাদের" জন্য ভিন্ন হতে পারে বিভিন্ন সংস্থা, এবং তাদের সংজ্ঞা একটি কৌশলগত সিদ্ধান্ত, এবং আপনাকে অবশ্যই সেগুলিকে স্পষ্টভাবে সংজ্ঞায়িত করতে হবে, কারণ তারাই হবেন ভোক্তা যারা গবেষণার ভিত্তি তৈরি করবে, অর্থাৎ নমুনা জনসংখ্যা।
4.2.3.1 সরল এলোমেলো নমুনা
একটি সম্ভাব্যতা বা এলোমেলো নমুনা প্রবণতাহীন কারণ জনসংখ্যার সকল সদস্যের নমুনায় অন্তর্ভুক্ত হওয়ার সমান সুযোগ থাকবে। আগেই বলা হয়েছে, লটারি দেয় ভালো উদাহরণসহজ এলোমেলো নমুনা - প্রতিবার একটি নতুন সংখ্যা নির্বাচন করা হয়, এটি "সাধারণ জনসংখ্যা"-তে অবশিষ্ট সকলের থেকে এলোমেলোভাবে নির্বাচন করা হয়। যাইহোক, যদি আপনার একটি বৃহৎ জনসংখ্যা থেকে একটি বড় নমুনার প্রয়োজন হয় তবে এটি একটি মোটামুটি দীর্ঘ প্রক্রিয়া, তাই জটিল নমুনাগুলি পাওয়ার জন্য কম্পিউটারগুলি ব্যবহার করার আগের দিনগুলিতে, বাজার গবেষকরা একটি সাধারণ এলোমেলো নমুনা পাওয়ার জন্য একটি কম শ্রম-নিবিড় উপায় আবিষ্কার করেছিলেন, যা হিসাবে পরিচিত পদ্ধতিগত র্যান্ডম নমুনা।
4.2.3.2 পদ্ধতিগত এলোমেলো নমুনা
একটি IEP পরিচালনার জন্য একটি পদ্ধতিগত র্যান্ডম নমুনা পেতে, আপনি প্রথমে আপনার ভোক্তাদের একটি তালিকা মুদ্রণ করুন। ধরা যাক 1000 জন ভোক্তা আছে এবং আপনি 100 এর নমুনা দিতে চান, যা জনসংখ্যা থেকে 10 জনের মধ্যে 1 জন। প্রথমে আপনাকে 1 থেকে 10 এর মধ্যে একটি সংখ্যা পেতে একটি র্যান্ডম সংখ্যা জেনারেটর ব্যবহার করতে হবে। আপনি যদি 7 পান, তাহলে আপনি আপনার তালিকায় তালিকা থেকে 7 তম নাম, 17 তম, 27 তম, ইত্যাদি অন্তর্ভুক্ত করবেন, যার ফলে একটি পদ্ধতিগত হবে 100 জন গ্রাহকের র্যান্ডম নমুনা। একটি র্যান্ডম নম্বর পাওয়ার আগে, সমস্ত ভোক্তাদের তালিকায় অন্তর্ভুক্ত হওয়ার সমান সুযোগ রয়েছে। সুতরাং, এটি একটি র্যান্ডম নমুনা হবে, তবে এটি প্রতিনিধিত্বমূলক নাও হতে পারে, বিশেষ করে ব্যবসায়িক বাজারে। এই ক্ষেত্রে, স্তরিত র্যান্ডম স্যাম্পলিং ব্যবহার করা ভাল।
ভাত। 4.2 স্তরিত র্যান্ডম নমুনা উদাহরণ
আমরা একটি উদাহরণ সহ দেখাব কিভাবে একটি ব্যবসা-থেকে-ব্যবসা বাজারের একটি সাধারণ ক্ষেত্রে স্যাম্পলিং করা যেতে পারে। এই ব্যবসায়িক বাজারের প্রথম ধাপ হল একটি গ্রাহক ডাটাবেস তৈরি করা এবং এটিকে গ্রাহকের মান অনুসারে সাজানো, সর্বোচ্চ থেকে শুরু করে সর্বনিম্ন পর্যন্ত কাজ করা। তারপরে আপনি সাধারণত ফলাফলের তালিকাটিকে তিনটি ভাগে ভাগ করেন - যথাক্রমে উচ্চ, মাঝারি এবং নিম্ন গ্রাহক মান বিভাগে। অবশেষে, প্রতিটি বিভাগে নমুনার আকার নির্ধারণ করুন। এই প্রক্রিয়ার ফলাফলগুলি চিত্রে সংক্ষিপ্ত করা হয়েছে। 4.2।
4.2.3.3 স্তরিত এলোমেলো নমুনা
প্রায়শই ব্যবসায়িক বাজারে, কিছু গ্রাহক অন্যদের তুলনায় অনেক বেশি মূল্যবান। কখনও কখনও একটি কোম্পানির কার্যকলাপের একটি খুব বড় অংশ, যেমন 40 বা 50%, প্রথম পাঁচ বা ছয় গ্রাহকের সাথে যুক্ত হয়। যদি সহজ বা পদ্ধতিগত এলোমেলো নমুনা ব্যবহার করা হয়, তাহলে সম্ভবত এই পাঁচ বা ছয়জন গ্রাহকের কেউ নমুনায় অন্তর্ভুক্ত হবে না। এটা স্পষ্ট যে গ্রাহকের সন্তুষ্টি পরিমাপ করার জন্য একটি সমীক্ষা পরিচালনা করার কোন মানে নেই যদি কোম্পানির সামগ্রিক কার্যক্রমের 40 বা 50% সম্পূর্ণরূপে উপেক্ষা করা হয়। একটি ব্যবসায়িক বাজারে যেখানে বেশিরভাগ কোম্পানির অল্প সংখ্যক উচ্চ-মূল্যের গ্রাহক রয়েছে এবং বড় সংখ্যানিম্ন-মূল্যের ভোক্তাদের, একটি সাধারণ বা পদ্ধতিগত র্যান্ডম নমুনা অনিবার্যভাবে কম-মূল্যের ভোক্তাদের দ্বারা আধিপত্য করা হবে। স্ট্র্যাটিফাইড র্যান্ডম স্যাম্পলিং একটি নমুনা পেতে ব্যবহৃত হয় যা প্রতিনিধিত্বমূলক এবং প্রবণতা থেকে মুক্ত। একটি স্তরীভূত র্যান্ডম নমুনা প্রাপ্তির জন্য প্রথমে ভোক্তাদেরকে সেগমেন্ট বা প্রকারে ভাগ করা এবং তারপর প্রতিটি বিভাগের মধ্যে একটি এলোমেলো নমুনা নির্বাচন করা জড়িত। চিত্র 4.2-এ দেখানো নমুনাটি প্রতিটি ভোক্তা অংশের ব্যবসায়িক অবদান অনুসারে ভোক্তা বেসের প্রতিনিধি হবে। ভোক্তা বাজারে, বিভাজন ভিন্ন হতে পারে, যেমন বয়স বা লিঙ্গ অনুসারে।
দেখানো উদাহরণে, কোম্পানি তার টার্নওভারের 40% উচ্চ-মূল্যের গ্রাহকদের কাছ থেকে অর্জন করে। একটি ব্যবসায়িক বাজারে নমুনা নেওয়ার মৌলিক নীতি হল যে যদি একটি উচ্চ-মূল্যের গ্রাহক সেগমেন্ট টার্নওভারের (বা লাভ) 40% করে, তবে তাদের নমুনার 40% তৈরি করা উচিত। যদি একটি কোম্পানি 200 জন উত্তরদাতাদের একটি নমুনা অধ্যয়ন করার সিদ্ধান্ত নেয়, তাহলে নমুনার 40%, অর্থাৎ 80 জন উত্তরদাতা উচ্চ মূল্যের গ্রাহকদের হতে হবে। যেহেতু 40 জন উচ্চ-মূল্যের ভোক্তা রয়েছে, তাই নমুনা অনুপাত হবে 2:1, যার অর্থ হল উচ্চ-মূল্যের বিভাগে 2 জন উত্তরদাতা প্রতিটি ভোক্তা থেকে নির্বাচন করা হয়েছে। ব্যবসায়িক বাজারে, গবেষণা পরিচালনা করার সময় বৃহৎ ভোক্তাদের থেকে একাধিক উত্তরদাতা নির্বাচন করা সাধারণ অভ্যাস।
গড় মূল্যের গ্রাহকরাও টার্নওভারের 40% জন্য দায়ী, তাই তাদেরও নমুনার 40% তৈরি করা উচিত। এর মানে হল যে কোম্পানিকে অবশ্যই তার গড় মূল্যের গ্রাহকদের থেকে 80 জন উত্তরদাতা নির্বাচন করতে হবে। যেহেতু এই ধরনের 160 জন গ্রাহক রয়েছে, নির্বাচিত অনুপাত হবে 1:2, অর্থাৎ, গড় মূল্যের প্রতি দুইজন গ্রাহকের জন্য একজন উত্তরদাতা। এর জন্য প্রতি দুইজন ভোক্তা থেকে একজন প্রতিনিধির একটি এলোমেলো নমুনা প্রয়োজন। এটি আগে বর্ণিত পদ্ধতিগত র্যান্ডম নমুনা পদ্ধতি ব্যবহার করে সহজেই করা যেতে পারে। প্রথমে, দুটি এলোমেলো সংখ্যার একটি তৈরি হয়: 1 বা 2। এটি 2 হতে দিন। এই ক্ষেত্রে, আপনি 2য়, 4র্থ, 6 তম, ইত্যাদি নির্বাচন করুন। গড় মূল্য ভোক্তা।
অবশেষে, কোম্পানির টার্নওভারের 20% কম মূল্যের গ্রাহকদের কাছ থেকে আসে, তাই তাদের উচিত নমুনার 20%, অর্থাৎ প্রদত্ত উদাহরণে 40 জন উত্তরদাতা। সেখানে মোট 400 জন নিম্ন-মূল্যের ভোক্তা রয়েছে, যা 1:10 এর নির্বাচিত শেয়ারের সাথে মিলে যায়। এটি একই পদ্ধতিগত র্যান্ডম নমুনা পদ্ধতি ব্যবহার করে করা যেতে পারে। প্রক্রিয়া শেষে, কোম্পানি গ্রাহকদের একটি টাইপ করা এলোমেলো নমুনা পাবে যা তাদের ব্যবসায়িক কার্যকলাপের প্রতিনিধিত্ব করবে এবং এলোমেলো নির্বাচনের কারণে প্রবণতা থেকে মুক্ত থাকবে।
যদিও উপরের পদ্ধতিটি ভোক্তাদের একটি এলোমেলো এবং প্রতিনিধিত্বমূলক নমুনা তৈরি করে, সর্বোপরি, গবেষণাটি কোম্পানিগুলির উপর নয়, ব্যক্তিদের উপর পরিচালিত হয়, তাই আপনি যদি ব্যবসা-থেকে-ব্যবসায় বাজারে কাজ করেন, তাহলে আপনাকে অবশ্যই ভোক্তাদের নমুনা নেওয়ার পাশাপাশি, মধ্যে নমুনা ব্যক্তিগত পরিচিতি. অনুশীলনে, সংস্থাগুলি প্রায়শই সুবিধার ভিত্তিতে ব্যক্তি নির্বাচন করে - যাদের সাথে তাদের আরও যোগাযোগ রয়েছে, যাদের নাম তাদের হাতে রয়েছে। যদি এই নীতি অনুসারে ব্যক্তিদের বাছাই করা হয়, তবে কোম্পানিগুলির টাইপকৃত নমুনাটি যতই সাবধানতার সাথে পরিচালিত হোক না কেন, ফলস্বরূপ এটি এমন লোকেদের একটি অপ্রতিনিধিত্বমূলক নমুনায় পরিণত হবে যাদের কেউ জানে। এই প্রবণতা এড়াতে, আপনি এলোমেলোভাবে ব্যক্তি নির্বাচন করা উচিত. এই নির্বাচনটি বাস্তবায়ন করার উপায় হল প্রতিটি গ্রাহকের জন্য আপনার পণ্য বা পরিষেবার সাথে যুক্ত ব্যক্তিদের একটি তালিকা তৈরি করা এবং তারপরে সেই তালিকা থেকে এলোমেলোভাবে লোকেদের নির্বাচন করা। আপনি যদি আরও জটিল এবং আরও সুনির্দিষ্ট প্রক্রিয়া চালাতে চান, তাহলে আপনাকে সমস্ত ব্যক্তির তালিকাকে সেক্টরে ভাগ করতে হবে, যা অনেকগুলি অপ্রাপ্তবয়স্ক ব্যক্তিকে অন্তর্ভুক্ত করা এড়াবে। উদাহরণস্বরূপ, আপনি প্রশাসনের ক্রিয়াকলাপগুলির একটি বিশ্লেষণ পরিচালনা করুন এবং সিদ্ধান্ত নিন যে সিদ্ধান্ত গ্রহণের প্রক্রিয়াটিকে আরও সঠিকভাবে প্রতিফলিত করার জন্য, আপনার নমুনায় 40% সংগ্রহের পরিচিতি থাকা উচিত, 40% প্রযুক্তিগত যোগাযোগএবং অন্যান্য সমস্ত পরিচিতির 20%। এই ক্ষেত্রে, আপনাকে অবশ্যই এই অনুপাতে ব্যক্তিদের একটি এলোমেলো নমুনা আঁকতে হবে।
সিদ্ধান্ত নেওয়ার জন্য আরেকটি সমস্যা হল আপনার নমুনাতে আপনার থাকা প্রয়োজন ভোক্তার সংখ্যা। কিছু কোম্পানি, প্রাথমিকভাবে ব্যবসা-থেকে-ব্যবসা বাজারে, মূল্যবান গ্রাহকদের সংখ্যা খুবই কম। অন্যান্য কোম্পানির এক মিলিয়নেরও বেশি গ্রাহক রয়েছে। ব্যবসায়িক বাজারে, জনসংখ্যার আকার প্রতিটি গ্রাহকের ব্যক্তির সংখ্যার সাথে হুবহু মিলে যায় যারা সেই গ্রাহকের সন্তুষ্টির রায়কে প্রভাবিত করে এবং এটি অগত্যা সেই ব্যক্তির সংখ্যার সমান নয় যাদের সাথে আপনার নিয়মিত যোগাযোগ রয়েছে। সাধারণত, গ্রাহকের মান যত বেশি হবে, তত বেশি ব্যক্তিদের অন্তর্ভুক্ত করা উচিত। সরবরাহকারীর জন্য সফটওয়্যারএকজন গ্রাহকের কয়েকশত কম্পিউটার ব্যবহারকারী থাকতে পারে। তবুও, কিছু সংস্থার অন্যদের তুলনায় অনেক বেশি জনসংখ্যা থাকবে, তবে এটি একটি নির্ভরযোগ্য নমুনা প্রদানের জন্য জরিপ করা গ্রাহকদের সংখ্যাকে প্রভাবিত করবে না।
একটি নমুনার পরিসংখ্যানগত নির্ভুলতা তার নিখুঁত আকারের সাথে সম্পর্কিত, সমগ্র জনসংখ্যায় কতজন লোক আছে তা নির্বিশেষে। ভোক্তাদের কি অনুপাত জরিপ করা উচিত এই প্রশ্নটি একটি বিভ্রান্তিকর প্রশ্ন। একটি বড় নমুনা সর্বদা একটি ছোট নমুনার চেয়ে বেশি নির্ভরযোগ্য, জনসংখ্যার আকার নির্বিশেষে। এটি বেল কার্ভ (চিত্র 4.3 দেখুন) দ্বারা সবচেয়ে ভালভাবে চিত্রিত হয়, যেখান থেকে আমরা উপসংহারে আসতে পারি যে যখন আমরা ডেটার একটি সেট পরীক্ষা করি, তখন এটি একটি স্বাভাবিক বন্টন অনুসরণ করে। এটি শুধুমাত্র গবেষণা তথ্যের জন্য প্রযোজ্য নয়।
চরম ডেটা সাধারণ ডেটা চরম ডেটা
ভাত। 4.3 বেল কার্ভ
উদাহরণ স্বরূপ, যদি আপনি ম্যানচেস্টারে পাঁচ বছরের মধ্যে জুনের বৃষ্টিপাত রেকর্ড করেন যেখানে তিন বছরে স্বাভাবিক জুনে বৃষ্টিপাত ছিল, কিন্তু দুই বছর জুন অত্যন্ত ভেজা ছিল, তাহলে আনুমানিক গড় বৃষ্টিপাত এই দুটি অসময়ের ভেজা মাসের দ্বারা প্রবলভাবে পক্ষপাতদুষ্ট হবে। যদি 100 বছরেরও বেশি সময় ধরে তথ্য সংগ্রহ করা হয়, তাহলে দুটি ব্যতিক্রমী ভেজা বা শুকনো মাস ম্যানচেস্টারে জুনের গড় বৃষ্টিপাতের উপর সামান্য প্রভাব ফেলবে। একই গবেষণা প্রযোজ্য. আপনি যদি শুধুমাত্র 10 জনকে অধ্যয়ন করেন এবং তাদের মধ্যে দুজনের চরম দৃষ্টিভঙ্গি থাকে, তাহলে তারা চূড়ান্ত ফলাফলকে ব্যাপকভাবে তির্যক করবে। 50 এর নমুনা আকারের সাথে তাদের অনেক কম প্রভাব পড়বে এবং 500 এর নমুনা আকারের সাথে কার্যত কোন প্রভাব পড়বে না, তাই কি অপেক্ষাকৃত বড় মাপেনমুনা, ভুল ফলাফল পাওয়ার ঝুঁকি কম। চিত্র 4.4 দেখায় যে নমুনার আকার যেমন বৃদ্ধি পায়, তেমনি নমুনার নির্ভরযোগ্যতাও বৃদ্ধি পায়। প্রথমে, খুব ছোট আকারে, নির্ভরযোগ্যতা খুব দ্রুত বৃদ্ধি পায়, কিন্তু নমুনার আকার বৃদ্ধির সাথে সাথে নমুনার নির্ভরযোগ্যতার উপর নমুনার আকারের প্রভাব হ্রাস পায়। আপনি দেখতে পাচ্ছেন যে বক্ররেখাটি 30 এবং 50 জন উত্তরদাতার মধ্যে সমতল হতে শুরু করে, যা সাধারণত গুণগত এবং পরিমাণগত গবেষণার মধ্যে থ্রেশহোল্ড হিসাবে বিবেচিত হয়। যখন নমুনার আকার 200 ছুঁয়ে যায়, উত্তরদাতাদের ক্রমবর্ধমান সংখ্যার সাথে নির্ভরযোগ্যতার বৃদ্ধি অত্যন্ত ছোট। তদনুসারে, একটি নির্ভরযোগ্য IEP নিশ্চিত করতে 200 জন উত্তরদাতার একটি নমুনার আকারকে সর্বনিম্ন নমুনার আকার হিসাবে বিবেচনা করা হয়। একটি খুব ছোট ভোক্তা বেস (প্রায় 200টিরও কম পরিচিতি) সহ সংস্থাগুলিকে কেবল যোগাযোগ করা সমস্ত গ্রাহকদের গবেষণা করা উচিত।
কিছু বছর জুন মাসে বৃষ্টিপাত হয়নি (এমনকি ম্যানচেস্টারেও), কিছু বছর বৃষ্টির তীব্রতা অবিশ্বাস্যভাবে বেশি ছিল, তবে বেশিরভাগ বছরগুলিতে বৃষ্টিপাত এই দুটি সীমার মধ্যে কোথাও পড়ে, "স্বাভাবিক" অঞ্চলে। আমরা ম্যানচেস্টারে গবেষণার তথ্য বা বৃষ্টিপাতের দিকে তাকাই কিনা, মূল প্রশ্নহল: "ফলাফল বিকৃত করে এমন অস্বাভাবিক ডেটা পাওয়ার ঝুঁকি কী?" নমুনা যত ছোট, ঝুঁকি তত বেশি।
যেমন আগে উল্লেখ করা হয়েছে, ব্যবসায়িক গবেষণায় সাধারণত ধারনা করা হয় যে 200 সদস্যের একটি নমুনা আকার গ্রাহক সন্তুষ্টির সামগ্রিক পরিমাপের জন্য প্রয়োজনীয় নির্ভরযোগ্যতা প্রদান করে, জনসংখ্যা 500,000 বা 600,000 হোক না কেন। তবে এটির একটি গুরুত্বপূর্ণ ব্যতিক্রম রয়েছে এবং এটি আসে যখন আপনার বিভিন্ন বিভাগ থাকে এবং আপনি বিভিন্ন বিভাগ জুড়ে সন্তুষ্টির তুলনা করে ফলাফলের গভীর বিশ্লেষণ করতে চান। আপনি যদি 200টি আইটেমের একটি নমুনাকে অনেকগুলি বিভাগে বিভক্ত করেন, তাহলে আপনি প্রতিটি বিভাগে একটি ছোট এবং তাই অবিশ্বস্ত নমুনার আকারের সমস্যার সম্মুখীন হবেন। অতএব, এটি সাধারণত গৃহীত হয় যে ন্যূনতম মোট নমুনার আকার 200 এবং সেগমেন্টটি সর্বনিম্ন 50।
এই সমস্ত কারণে, মোট নমুনার আকার প্রায়শই আপনি কতগুলি সেগমেন্ট বিশ্লেষণ করতে চান তার দ্বারা নির্ধারিত হয়। আপনি যদি আপনার ফলাফলকে ছয়টি বিভাগে বিভক্ত করতে চান তবে আপনাকে কমপক্ষে 300 সদস্যের একটি নমুনা আকারের প্রয়োজন হবে যাতে প্রতিটি বিভাগে কমপক্ষে 50 জন সদস্য থাকে। তাত্পর্যপূর্ণঅনেক বিভাগ বা বাজার সহ কোম্পানির জন্য। প্রতি সেগমেন্টে 50 জন উত্তরদাতার পরিসংখ্যানের উপর ভিত্তি করে, 100টি দোকান সহ একজন খুচরা বিক্রেতার কমপক্ষে 5,000 সদস্যের একটি নমুনা প্রয়োজন হবে যদি দোকান স্তরে গ্রাহক সন্তুষ্টি পরিমাপ করা হয়। আমাদের মতে, তবে, যদি দোকানের মধ্যে তুলনা করা হয় এবং গবেষণার ফলাফলের উপর ভিত্তি করে, তা গ্রহণ করা হবে ব্যবস্থাপনা সিদ্ধান্ত, তাহলে নিখুঁত ন্যূনতম হতে হবে প্রতি দোকানে 100 জন ভোক্তা, অথবা আরও ভাল 200 জন। 100টি দোকান সহ একজন খুচরা বিক্রেতার জন্য, এর ফলে স্টোর স্তরে অত্যন্ত নির্ভরযোগ্য ফলাফল পেতে 20,000 গ্রাহকের নমুনা আকারের প্রয়োজন হবে।
আরও একটি কারণ উল্লেখ করা প্রয়োজন। পর্যাপ্ত নির্ভরযোগ্যতা নিশ্চিত করতে 200 জন উত্তরদাতার প্রস্তাবিত নমুনার আকার প্রতিক্রিয়াগুলিকে বোঝায়, নির্বাচিত এবং আমন্ত্রিত ভোক্তাদের সংখ্যা নয়। অধিকন্তু, পরিসংখ্যানগত নির্ভরযোগ্যতা নিশ্চিত করার জন্য, এর অর্থ হল নির্বাচিত 200 জন গ্রাহক এবং একই 200 জন অংশগ্রহণকারী সাক্ষাত্কারের প্রশ্নের উত্তর দিচ্ছেন বা প্রশ্নাবলী ফেরত দিচ্ছেন। যদি প্রতিক্রিয়া হার কম হয়, তবে এটি একটি সাধারণ মেইলিংয়ের মাধ্যমে ক্ষতিপূরণ করা পরিসংখ্যানগতভাবে অবিশ্বস্ত। আরোআপনি 200টি উত্তর না পাওয়া পর্যন্ত প্রশ্নাবলী। নিম্ন প্রতিক্রিয়ার প্রবণতার সমস্যাটি IEP গবেষণায় খুবই তাৎপর্যপূর্ণ হতে পারে এবং পরবর্তী অধ্যায়ে আরও বিশদে আলোচনা করা হবে।
(a) ISO 9000:2000 বলে যে ভোক্তা-সম্পর্কিত পরিমাপের জন্য একটি নির্ভরযোগ্য নমুনা পেতে স্বীকৃত পরিসংখ্যান পদ্ধতি ব্যবহার করা আবশ্যক।
(b) অ-সম্ভাব্যতা স্যাম্পলিং ফলাফলকে প্রভাবিত করার প্রবণতার ঝুঁকি বাড়ায় এবং শুধুমাত্র সেই সংস্থাগুলির দ্বারা ব্যবহার করা উচিত যাদের গ্রাহক ডেটাবেস নেই৷
(c) অধিকাংশ প্রতিষ্ঠানের জন্য সর্বোত্তম পথএকটি প্রতিনিধি এবং প্রবণতা-মুক্ত নমুনা প্রাপ্ত করার জন্য কোটার উপর ভিত্তি করে এলোমেলো নমুনা।
(d) স্যাম্পলিং ফ্রেমটি উল্লেখযোগ্য ব্যক্তি হওয়া উচিত। ব্যবসায়িক বাজারে, বড় ভোক্তাদের থেকে অনেক উত্তরদাতা (কখনও কখনও অনেক) অন্তর্ভুক্ত করার প্রয়োজন হতে পারে।
(ঙ) 200 জন উত্তরদাতা একটি প্রতিষ্ঠান জুড়ে নির্ভরযোগ্যভাবে গ্রাহক সন্তুষ্টি পরিমাপ করার জন্য প্রয়োজনীয় সর্বনিম্ন উত্তরদাতাদের গঠন করে। এই সংখ্যাটি আপনার কাছে থাকা ভোক্তার সংখ্যার থেকে স্বাধীন।
(f) 200 টির কম গ্রাহক বা পরিচিতি সহ সংস্থাগুলিকে গণনা করা সমস্ত গ্রাহকদের উপর গবেষণা চালাতে হবে।
(g) যদি ফলাফলগুলি বিভাগ দ্বারা প্রাপ্ত করা হয়, প্রতি সেগমেন্টে ন্যূনতম নমুনার আকার 50 জন উত্তরদাতা। এই ক্ষেত্রে, সম্পূর্ণ নমুনার প্রয়োজনীয় ন্যূনতম আকার হবে সংখ্যার সমানসেগমেন্ট 50 দ্বারা গুণিত।
প্রতিনিধিত্বকারী নমুনা
প্রতিনিধিত্বকারী নমুনা
একটি প্রতিনিধি নমুনা এমন একটি নমুনা যা জনসংখ্যার মতো আপেক্ষিক বৈশিষ্ট্যের একই বন্টন রয়েছে।
ইংরেজীতে:প্রতিনিধিত্বকারী নমুনা
আরো দেখুন:নমুনা জনসংখ্যা
ফিনাম ফিনান্সিয়াল ডিকশনারী.
প্রতিনিধিত্বকারী নমুনা- অংশগ্রহণকারীদের একটি গ্রুপ যা কমবেশি সঠিকভাবে অধ্যয়ন করা জনসংখ্যার গঠনকে প্রতিনিধিত্ব করে। নমুনাটি বয়স এবং লিঙ্গ অনুসারে বন্টনকে প্রতিফলিত করতে পারে, সেইসাথে অন্য যেকোন বৈশিষ্ট্য যা পরীক্ষার ফলাফলকে প্রভাবিত করে... ...
প্রতিনিধিত্বকারী নমুনা- - [ভ্যাকসিনোলজি এবং ইমিউনাইজেশনের মৌলিক পদগুলির ইংরেজি-রাশিয়ান শব্দকোষ। বিশ্ব স্বাস্থ্য সংস্থা, 2009] বিষয় টিকাবিদ্যা, ইমিউনাইজেশন EN প্রতিনিধি স্যাম্পলিং ... প্রযুক্তিগত অনুবাদকের গাইড
প্রতিনিধিত্বকারী নমুনা- (প্রতিনিধি নমুনা) একটি নমুনা যা পিতামাতার জনসংখ্যার সত্যিকারের প্রতিফলন (বা বলে মনে করা হয়), অর্থাৎ বৈশিষ্ট্যগুলির একই প্রোফাইল রয়েছে, উদাহরণস্বরূপ, বয়সের কাঠামো, শ্রেণির কাঠামো, শিক্ষার স্তর। প্রতিনিধি....... বৃহৎ ব্যাখ্যামূলক সমাজতাত্ত্বিক অভিধান
প্রতিনিধিত্বকারী নমুনা- নমুনা দেখুন, প্রতিনিধি... অভিধানমনোবিজ্ঞানে
প্রতিনিধিত্বকারী নমুনা- এমন একটি নমুনা যাতে সাধারণ জনসংখ্যার সমস্ত প্রধান বৈশিষ্ট্য যা থেকে এই নমুনাটি বের করা হয় প্রায় একই অনুপাতে বা একই ফ্রিকোয়েন্সি সহ এই সাধারণ জনসংখ্যার মধ্যে একটি প্রদত্ত বৈশিষ্ট্য উপস্থিত হয় ... বিশ্বকোষীয় অভিধানমনোবিজ্ঞান এবং শিক্ষাবিজ্ঞানে
প্রতিনিধিত্বকারী নমুনা- এটি এমন একটি নমুনা যেখানে সাধারণ জনসংখ্যার সমস্ত প্রধান বৈশিষ্ট্য যা থেকে এই নমুনাটি বের করা হয়েছে প্রায় একই অনুপাতে বা একই ফ্রিকোয়েন্সি সহ এই সাধারণ জনসংখ্যার মধ্যে এই বৈশিষ্ট্যটি উপস্থিত হয়... ... সমাজতাত্ত্বিক অভিধান সোসিয়াম
প্রতিনিধিত্বকারী নমুনা- (প্রতিনিধিত্বকারী নমুনা). একটি নমুনা যা সঠিকভাবে সমগ্র জনসংখ্যার অবস্থা এবং বৈশিষ্ট্যগুলিকে প্রতিফলিত করে... উন্নয়নমূলক মনোবিজ্ঞান. বই দ্বারা অভিধান
প্রতিনিধিত্বকারী নমুনা- (প্রতিনিধি নমুনা) নিয়ম অনুসারে তৈরি একটি নমুনা, অর্থাৎ এমনভাবে যে এটি রচনা এবং উভয় ক্ষেত্রেই সাধারণ জনসংখ্যার বৈশিষ্ট্যগুলিকে প্রতিফলিত করে। স্বতন্ত্র বৈশিষ্ট্যবিষয় অন্তর্ভুক্ত. একটি ব্যবহারিক মনোবিজ্ঞানীর অভিধান। এম.: AST,... ... দুর্দান্ত মনস্তাত্ত্বিক বিশ্বকোষ
ইংরেজি নমুনা, প্রতিনিধি; জার্মান স্টিচপ্রোব, প্রতিনিধিত্বমূলক। একটি নমুনা যা মূলত জনসংখ্যার মতো আপেক্ষিক বৈশিষ্ট্যের একই বন্টন করে। অ্যান্টিনাজি। সমাজবিজ্ঞানের এনসাইক্লোপিডিয়া, 2009... সমাজবিজ্ঞানের এনসাইক্লোপিডিয়া
প্রতিনিধি নমুনা এমন একটি নমুনা যেখানে ব্যবসায়িক পদের জনসংখ্যা অভিধানের মতো আপেক্ষিক বৈশিষ্ট্যের একই বন্টন রয়েছে। Akademik.ru. 2001... ব্যবসায়িক পদের অভিধান
