गैर-संभाव्यता नमूने के 3 मुख्य प्रकार

यह लेख गैर-संभाव्यता नमूने के तीन मुख्य प्रकारों पर प्रकाश डालता है। प्रकार हैं: 1. आकस्मिक नमूने 2. कोटा नमूने 3. उद्देश्य या निर्णय नमूने।

गैर-संभाव्यता नमूना: प्रकार # 1. आकस्मिक नमूने:

आकस्मिक नमूनाकरण में, शोधकर्ता बस पहुंचता है और उन मामलों को उठाता है जो गिर जाते हैं, प्रक्रिया को ऐसे समय तक जारी रखना जब तक नमूना वांछित आकार प्राप्त नहीं कर लेता। उदाहरण के लिए, शोधकर्ता, सड़क के किसी भी एक पैदल मार्ग पर मिलने वाले पहले 150 व्यक्तियों को ले सकता है, जो साक्षात्कार के लिए तैयार हैं या जिस तरह की जानकारी चाहते हैं, उसे प्रदान करने के लिए।

इसी तरह, एक कल्याण अधिकारी, जो कारखाने के श्रमिकों के बारे में कुछ सामान्यीकरण करना चाहता है, कारखाने के किसी विशेष विभाग के श्रमिकों का अध्ययन कर सकता है जहाँ वह काम कर रहा है।

एक पत्रकार, यह जानना चाहता है कि किसी मुद्दे के बारे में 'लोगों' को कैसा महसूस होता है, जो विभिन्न क्षेत्रों में जीवन के विभिन्न क्षेत्रों, जैसे, शिक्षक, कर्मचारी, टैक्सी-चालक, खुदरा दुकानदार, गृहिणियां और अन्य जो आसानी से जनता को प्रतिबिंबित करने के लिए प्रकल्पित हैं, से साक्षात्कार के मामलों को चुन सकते हैं। राय।

इस तरह के एक नमूने में, निश्चित रूप से, पूर्वाग्रह का आकलन करने का कोई दूसरा तरीका नहीं है (औसत नमूना मूल्य और वास्तविक जनसंख्या मूल्य के बीच अंतर) एक संभावना नमूना के साथ एक समानांतर अध्ययन करके या एक पूर्ण जनगणना करके।

यदि कोई आकस्मिक नमूने का उपयोग करता है, तो कोई केवल आशा कर सकता है और प्रार्थना कर सकता है कि वह अपने नमूना निष्कर्षों से बहुत अधिक गुमराह नहीं हो रहा है जो कि 'जनसंख्या' की स्थिति का अनुमान लगाने का आधार है।

हालांकि, इसका मतलब यह नहीं है कि आकस्मिक नमूनों का वैज्ञानिक अनुसंधान में कोई स्थान नहीं है। इस प्रकार का नमूना आर्थिक और सुविधाजनक होने के अलावा, अंतर्दृष्टि और कामकाजी परिकल्पनाओं की उत्तेजना के लिए एक आधार भी हो सकता है।

जहां बहुत अधिक सटीकता की आवश्यकता नहीं है या जहां पूर्व-कब्जे की परिकल्पना-सूत्रीकरण (खोजपूर्ण अध्ययन में) के लिए अस्थायी सुराग के साथ है, आकस्मिक नमूनाकरण की प्रक्रिया काफी उपयोगी है।

गैर-संभाव्यता नमूना: प्रकार # 2. कोटा नमूने:

विपणन शोध और चुनाव सर्वेक्षण में नमूना लेने के सबसे अधिक इस्तेमाल किए जाने वाले तरीकों में से एक कोटा नमूनाकरण की विधि है। कोटा सैंपलिंग का मूल उद्देश्य एक ऐसे नमूने का चयन है जो 'जनसंख्या' की प्रतिकृति है जिसके संबंध में कोई भी सामान्यीकरण करना चाहेगा।

कोटा नमूनाकरण, द्वारा और बड़े, बीमा को पुष्टि करता है कि 'जनसंख्या' में विभिन्न तत्वों को नमूने में शामिल किया जाएगा और इन तत्वों को उस अनुपात में खाते में लिया जाएगा जिसमें वे आबादी में प्राप्त करते हैं।

मान लीजिए, हम लड़कियों की एक 'आबादी' से नमूना ले रहे हैं- सह-शैक्षणिक संस्थानों में पढ़ने वाली लड़कियों की कुल संख्या और केवल लड़कियों के लिए संस्थानों में पढ़ने वाली लड़कियों की संख्या शामिल है। मान लीजिए, हमारे द्वारा मापी जाने वाली विशेषताओं के संबंध में दो उप-आबादी के बीच एक तेज अंतर है।

ऐसा होने से, सर्वेक्षण के परिणाम लगभग निश्चित रूप से कुल 'आबादी' की एक बेहद भ्रामक तस्वीर देंगे, अगर हमने सह-शैक्षणिक संस्थानों में पढ़ने वाली लड़कियों का पर्याप्त अनुपात शामिल नहीं किया।

उप-समूहों के बीच इस तरह के संभावित मतभेदों की आशंका करने वाला कोटा नमूनाकर्ता प्रत्येक स्ट्रेटम से कुल मामलों की आबादी का एक विश्वसनीय चित्र तैयार करने के लिए पर्याप्त संख्या में मामलों के अपने नमूने में समावेश को सुनिश्चित करने का प्रयास करेगा। '

कोटा सैंपलिंग आमतौर पर तीन चरणों में होती है:

(1) जनसंख्या को ज्ञात गुणों के संदर्भ में वर्गीकृत किया जाता है या अध्ययन की जा रही विशेषताओं के अनुसार माना जाता है।

(2) प्रत्येक वर्ग में आने वाली जनसंख्या का अनुपात उपरोक्त के संबंध में आबादी की ज्ञात, अनुमानित या अनुमानित रचना के आधार पर निर्धारित किया जाता है।

(३) अन्त में, प्रत्येक पर्यवेक्षक या साक्षात्कारकर्ता को उत्तरदाताओं का एक कोटा सौंपा जाता है। उत्तरदाताओं या विषयों को चुनने की जिम्मेदारी उनकी है। कोटा इतना तय है कि देखे गए या साक्षात्कार किए गए कुल नमूने पिछले चरण (अर्थात, 2) में निर्धारित वर्गों के बीच के अनुपात को दर्शाते हैं।

चूंकि विषयों के चयन में पर्यवेक्षक या साक्षात्कारकर्ता का अंतिम कहना है, आइटम / मामलों का चयन साक्षात्कारकर्ता / पर्यवेक्षक के निर्णय पर निर्भर करता है। यह अक्सर अभ्यास में होता है, हालांकि, नमूना के विभिन्न घटक जनसंख्या में संबंधित समता के समान अनुपात में नहीं होते हैं।

साक्षात्कारकर्ताओं ने उनके निर्देशों का सही और ईमानदारी से पालन नहीं किया होगा। जनसंख्या के नमूनों और गुणों के बीच अनुपात कम होने की संभावना है, विशेष रूप से, कम प्रकट लक्षणों के संबंध में जो साक्षात्कारकर्ता / प्रेक्षक / कोटे के विनिर्देशों के हिस्से के रूप में शामिल नहीं किए गए हैं।

यह ध्यान दिया जाना चाहिए कि नमूने में अपर्याप्तता को विश्लेषण के दौरान जनसंख्या में उनके अनुपात के संदर्भ में विभिन्न स्तरों को तौलकर (उपयुक्त सुधारात्मक आंकड़ों द्वारा गुणा या परिणामों के विभाजन को शामिल करके) ठीक किया जा सकता है।

इस प्रकार, कोटा नमूनाकरण में महत्वपूर्ण आवश्यकता यह नहीं है कि आबादी में विभिन्न समता को उनके सही अनुपात में नमूना लिया जाए; इसके बजाय यह है कि जनसंख्या के मूल्य का अनुमान लगाने के लिए प्रत्येक स्तर से पर्याप्त मामले होने चाहिए और दूसरी बात यह है कि हम कुल आबादी में प्रत्येक स्तर के अनुपात को जानते हैं। '

यदि ये दोनों स्थितियां पूरी होती हैं, तो कुल आबादी के मूल्य का अनुमान देने के लिए विभिन्न स्तरों के लिए मूल्यों के अनुमानों को जोड़ा जा सकता है।

विश्लेषण के दौरान प्रभावित नमूने और सुधारों के चयन के दौरान इन सावधानियों के बावजूद, कोटा नमूनाकरण गंभीर त्रुटियों का उत्पादन कर सकता है क्योंकि इसमें संयोगवश, एक आकस्मिक नमूना प्रक्रिया शामिल है। किसी विशेष वर्ग में नमूने का एक हिस्सा जनसंख्या के संबंधित समता के आकस्मिक नमूने का गठन करता है।

कोटा फिक्सिंग के लिए डेटा आम तौर पर पिछले जनगणना परिणामों और कुछ समकालीन स्रोतों से तैयार किए जाते हैं। जब समाज में भारी बदलाव हो रहा है, तो अनुमानित कोटा गंभीरता से त्रुटिपूर्ण हो सकता है और भ्रामक परिणाम उत्पन्न कर सकता है।

नमूना लेने में साक्षात्कारकर्ता / पर्यवेक्षक के निर्णय पर एक बड़ा सौदा निर्भर करता है। सामान्य तौर पर, पर्यवेक्षक या साक्षात्कारकर्ता को अपने कोटा को इस तरह से भरने के लिए माना जा सकता है जो उसकी अपनी सुविधा के अनुसार हो। साक्षात्कारकर्ता कई मामलों में खुद के समान लोगों का चयन करने की अधिक संभावना है।

इस प्रकार, स्ट्रैटम-वार नमूने जनसंख्या में स्ट्रैट के प्रतिनिधि नहीं हो सकते हैं। साक्षात्कारकर्ता / पर्यवेक्षक शोधकर्ता की तुलना में शायद ही इतनी अच्छी तरह से अवगत कराया जाता है (यदि दोनों अलग हैं) इसलिए खुद से नमूने चुनने के लिए छोड़ दिया जाता है, वह दो पूर्वाग्रह, (क) विषय के वर्गीकरण का परिचय देता है और (ख) गैर- यादृच्छिक चयन।

कोटा नमूनाकरण का परिणाम अक्सर गलती से गंभीर नहीं हो सकता है लेकिन वे हैं या नहीं, यह स्थापित करना बेहद मुश्किल है। हमें कोई आश्वासन नहीं है कि कोटा नमूना सहिष्णुता की एक निश्चित सीमा के भीतर विश्वसनीय परिणाम देगा। और चूंकि यादृच्छिक नमूनाकरण, इसलिए संभावना सिद्धांत, किसी भी स्तर पर शामिल नहीं है, विधि की त्रुटियों को सांख्यिकीय प्रक्रियाओं द्वारा निर्धारित नहीं किया जा सकता है।

यदि विभिन्न स्तरों के नमूनों में अनुपातहीनता हो तो गणितीय सुधारों को प्रभावित किया जा सकता है। लेकिन यह कदम 'आबादी में' के वास्तविक अनुपात के बारे में हमारे अग्रिम ज्ञान पर निर्भर करता है।

कुछ आबादी के लिए, किसी को यह नहीं पता है और यहां एकमात्र नियंत्रण है कि एक अन्वेषक लाभ उठा सकता है, नमूना प्रक्रिया ही है। कोटा सैंपलिंग के साथ अब पर्याप्त अनुभव है ताकि कुछ प्रकार के गैसों के प्रति इसकी भेद्यता को नियंत्रित किया जा सके।

गैर-संभाव्यता नमूना: प्रकार # 3. उद्देश्य या निर्णय नमूने:

निर्णय या उद्देश्यपूर्ण नमूना लेने के पीछे मूल धारणा यह है कि अच्छे निर्णय और उपयुक्त रणनीति के अभ्यास के साथ, 'सही' मामलों को नमूने में शामिल किया जा सकता है और इस प्रकार नमूने विकसित किए जा सकते हैं जो किसी की अनुसंधान आवश्यकताओं के संबंध में संतोषजनक हों।

उद्देश्यपूर्ण नमूनाकरण की एक आम रणनीति उन मामलों को चुनना है, जो आबादी के विशिष्ट होने के लिए आंका जाता है जिसमें कोई दिलचस्पी रखता है। तत्वों का चयन इस धारणा के तहत होता है कि चयन में निर्णय की त्रुटियां एक-दूसरे को काउंटर-बैलेंस करेंगी।

दूसरे शब्दों में, जब व्यावहारिक विचारों को अपनाने के तरीके में गंभीर खतरे पैदा होते हैं, तो संभावना का नमूना, शोधकर्ता एक उपसमूह की तलाश करता है जो कि समग्र रूप से 'जनसंख्या' की विशेषता है (कुछ विशेषता के संबंध में जिसमें वह रुचि रखता है)।

उप-समूह 'जनसंख्या' का 'बैरोमीटर' है। अवलोकन इस उप-समूह तक ही सीमित हैं और इन टिप्पणियों से निष्कर्ष कुल 'आबादी' के लिए सामान्यीकृत हैं। उदाहरण के लिए, पारंपरिक सामाजिक संस्थाओं पर ग्रामीण विद्युतीकरण के प्रभाव में रुचि रखने वाला एक शोधकर्ता अपने नमूने के रूप में चुन सकता है कि एक विशेष गांव जहां विद्युतीकरण प्रभावित हुआ है, कहते हैं, लगभग दो साल पहले।

वह इस गांव में अपनी टिप्पणियों को बनाता है और मानता है कि यहां जो प्राप्त होता है वह अन्य गांवों में बहुत कम भिन्नता के साथ भी प्राप्त होगा जो कि विद्युतीकृत हो चुके हैं। हालांकि, इस तरह के विश्वास का कोई भी आधार नहीं है, यह अंततः बीमार हो सकता है।

जजमेंट या पर्पसिव सैंपलिंग बहुत अनिश्चित है, क्योंकि संभावना सैंपलिंग करते समय जनसंख्या और सैंपलिंग प्रक्रिया के बारे में बहुत मजबूत धारणाएं बनाई जानी चाहिए। दूसरे, नमूने की त्रुटियों और पूर्वाग्रहों की गणना इस प्रकार के नमूनों के लिए नहीं की जा सकती है क्योंकि नमूना प्रक्रिया किसी भी स्तर पर संभावना नमूनाकरण को शामिल नहीं करती है।

निर्णय या उद्देश्यपूर्ण नमूनों के आधार पर सुरक्षित किए गए डेटा, निश्चित रूप से, कुछ परिकल्पनाओं को इंगित करते हैं, लेकिन सामान्य तौर पर उनका उपयोग परिकल्पनाओं के सांख्यिकीय परीक्षण के लिए आधार के रूप में नहीं किया जा सकता है। इस प्रकार, निर्णय नमूने की खोजपूर्ण या सूत्रबद्ध अध्ययन में बहुत उपयोगिता है, क्योंकि वे उन अंतर्दृष्टि प्राप्त करने में मदद करते हैं जो समस्याओं को सुलझाने या अनुसंधान के लिए परिकल्पना तैयार करने में मदद करेंगे।