পরিসংখ্যানগুলিতে, একটি নমুনা একটি জনসংখ্যার একটি উপসেট যা সমগ্র গোষ্ঠীর প্রতিনিধিত্ব হিসাবে ব্যবহৃত হয়। গবেষণা করার সময়, এটি একটি বিশেষ জনসংখ্যার প্রত্যেক সদস্যকে জরিপের জন্য প্রায়ই অস্বাভাবিক হয় কারণ জনসংখ্যার মাত্রা কেবল মাত্র খুব বড়। একটি জনসংখ্যার বৈশিষ্ট্য সম্পর্কে তথ্যসূত্র করতে, গবেষকরা একটি র্যান্ডম নমুনা ব্যবহার করতে পারেন।
গবেষকরা কেন নমুনা ব্যবহার করেন?
মানুষের মন বা আচরণ একটি দৃষ্টিভঙ্গি গবেষণা যখন, গবেষকরা কেবল অধিকাংশ ক্ষেত্রে প্রতিটি একক থেকে তথ্য সংগ্রহ করতে পারে না। পরিবর্তে, তারা বড় দলের প্রতিনিধিত্ব করে এমন ব্যক্তিদের একটি ছোট নমুনা চয়ন করে। যদি নমুনা প্রশ্নে জনসংখ্যার প্রকৃত প্রতিনিধিত্ব করে তবে গবেষকরা তাদের ফলাফল গ্রহণ করতে পারেন এবং তাদের বৃহত্তর গ্রুপে সাধারণীকরণ করতে পারেন।
নমুনাগুলির প্রকার
মনস্তাত্ত্বিক গবেষণায় এবং অন্যান্য ধরনের সামাজিক গবেষণাগুলিতে, পরীক্ষাগার সাধারণত কয়েকটি স্যাম্পলিং পদ্ধতিতে নির্ভর করে।
1. সম্ভাব্য নমুনা
সম্ভাব্যতা নমুনা মানে জনসংখ্যার প্রতিটি ব্যক্তি দাঁড়িয়েছে এবং নির্বাচিত হওয়ার সমান সুযোগ। যেহেতু সম্ভাব্যতা স্যাম্পলিংটি র্যান্ডম নির্বাচনকে অন্তর্ভুক্ত করে, এটি নিশ্চিত করে যে জনসংখ্যার বিভিন্ন উপসেটটি নমুনাতে উপস্থাপনের একটি সমান সুযোগ রয়েছে। এই সম্ভাবনা নমুনা আরো প্রতিনিধিত্ব করে তোলে, এবং গবেষকরা একটি গ্রুপ হিসাবে তাদের ফলাফল সাধারণকরণ করতে সক্ষম ভাল।
সম্ভাব্য স্যাম্পলিং এর কয়েকটি ভিন্ন ধরনের আছে:
- সহজ র্যান্ডম স্যাম্পলিং নামটি প্রস্তাবিত, সম্ভাব্যতা নমুনা সহজতম ধরনের। গবেষকরা জনসংখ্যার মধ্যে প্রত্যেকে গ্রহণ করে এবং তাদের নমুনা র্যান্ডমভাবে নির্বাচন করে, প্রায়ই কিছু ধরণের কম্পিউটার প্রোগ্রাম বা র্যান্ডম সংখ্যা জেনারেটর ব্যবহার করে।
- স্ট্র্যাটমেট করা র্যান্ডম স্যাম্পলিংটি জনসংখ্যাকে উপগোষ্ঠীতে আলাদা করে এবং তারপর এই প্রতিটি উপগোত্রগুলির মধ্যে একটি সহজ র্যান্ডম নমুনা গ্রহণ করে। উদাহরণস্বরূপ, একটি গবেষণা জনসংখ্যা জাতি, লিঙ্গ, বা বয়স উপর ভিত্তি করে subgroups বিভক্ত হতে পারে এবং তারপর এই গ্রুপ প্রতিটি একটি সহজ র্যান্ডম নমুনা নিতে। স্ট্র্যাটমেট করা র্যান্ডম স্যাম্পলিংটি সাধারণত সহজ র্যাঙ্কিং স্যাম্পলিংয়ের চেয়ে বড় পরিসংখ্যানগত নির্ভুলতা প্রদান করে এবং এটি নিশ্চিত করে যে কিছু গ্রুপ সঠিকভাবে নমুনাতে প্রতিনিধিত্ব করে।
- ক্লাস্টার স্যাম্পলিংটি জনসংখ্যাকে ক্ষুদ্রতর ক্লাস্টারগুলিতে বিভক্ত করে, প্রায়ই ভৌগোলিক অবস্থান বা সীমানাগুলির উপর ভিত্তি করে। এই ক্লাস্টারগুলির একটি র্যান্ডম নমুনা তারপর নির্বাচন করা হয় এবং ক্লাস্টারের মধ্যে থাকা সমস্ত বিষয় পরিমাপ করা হয়। উদাহরণস্বরূপ, কল্পনা করুন যে আপনি আপনার রাজ্যের স্কুল প্রিন্সিপালদের উপর একটি অধ্যয়ন করার চেষ্টা করছেন। প্রতিটি একক নীতিমালা থেকে তথ্য সংগ্রহ করা খরচ-নিষ্ক্রিয় এবং সময় ব্যয়কারী হবে। ক্লাস্টার স্যাম্পলিং পদ্ধতি ব্যবহার করে, আপনি আপনার স্টেট থেকে পাঁচটি কাউন্টিকে এলোমেলোভাবে নির্বাচন করুন এবং তারপর প্রতিটি পাঁচটি কাউন্টিতে প্রতিটি বিষয় থেকে তথ্য সংগ্রহ করুন।
2. অযোগ্যতা নমুনা
অ-সম্ভাব্যতা স্যাম্পলিং, অন্যদিকে, পদ্ধতিগুলি ব্যবহার করে অংশগ্রহণকারীদের নির্বাচন করা হয় যা জনসংখ্যার প্রতিটি ব্যক্তিকে নির্বাচিত হওয়ার একটি সমান সুযোগ দেয় না।
এই ধরনের নমুনাতে একটি সমস্যা হল যে স্বেচ্ছাসেবকদের অ-স্বেচ্ছাসেবকের চেয়ে কিছু ভেরিয়েবলের উপর ভিন্ন হতে পারে, যা সম্পূর্ণ জনসংখ্যার ফলাফল সাধারণকরণ করা কঠিন করে তুলতে পারে।
বিভিন্ন ধরনের অসমর্থনীয়তা স্যাম্পলিং এর কয়েকটি রয়েছে:
- সুবিধার স্যাম্পলিং একটি অধ্যয়নে অংশগ্রহণকারীদের ব্যবহার করে থাকে কারণ তারা সুবিধাজনক এবং উপলব্ধ। আপনার যদি প্রতিটি বিশ্ববিদ্যালয়ের মনোবিজ্ঞান বিভাগের মাধ্যমে পরিচালিত মনোবিজ্ঞান অধ্যয়নের জন্য স্বেচ্ছায় স্বেচ্ছাসেবক থাকে, তবে আপনি একটি গবেষণায় অংশগ্রহণ করেছেন যা একটি সুবিধার নমুনার উপর নির্ভরশীল। গবেষকরা স্বেচ্ছাসেবকদের জন্য জিজ্ঞাসা করতে বা গবেষনার জন্য উপলব্ধ ক্লিনিকাল নমুনা ব্যবহার করে নির্ভর করে যা সুবিধার নমুনা উদাহরণ।
- উদ্দেশ্যসাধনের নমুনা নির্দিষ্ট মানদণ্ড পূরণ যে ব্যক্তিদের খুঁজে চাওয়া জড়িত। উদাহরণস্বরূপ, 18 থেকে 35 বছর বয়সী মহিলাদের দ্বারা তাদের পণ্যগুলি কীভাবে অনুধাবন করা যায় তা জানার জন্য বিপণনীরা আগ্রহী হতে পারে। তারা টেলিফোন সাক্ষাৎকার গ্রহণের জন্য একটি বাজার গবেষণা ফার্ম ভাড়া করতে পারে যা ইচ্ছাকৃতভাবে তাদের বয়সভিত্তিক মানদণ্ডগুলি পূরণ করে এমন মহিলারা খুঁজে বের করে এবং তাদের সাক্ষাৎকার দেয়।
- কোটা স্যাম্পলিং একটি জনসংখ্যা মধ্যে একটি উপগোষ্ঠীর একটি নির্দিষ্ট অনুপাত ইচ্ছাকৃতভাবে নমুনা জড়িত থাকে। উদাহরণস্বরূপ, রাজনৈতিক পটভূমি একটি নির্দিষ্ট রাজনৈতিক বিষয়ে জনসংখ্যার মতামত অনুসন্ধানে আগ্রহী হতে পারে। যদি তারা সহজ র্যাঙ্কিং স্যাম্পলিং ব্যবহার করে, তবে তারা সম্ভাবনা দ্বারা জনসংখ্যার নির্দিষ্ট উপসর্গ মিস করতে পারে। পরিবর্তে, তারা মানদণ্ড স্থাপন করে যে নমুনা একটি নির্দিষ্ট শতাংশ এই উপগোষ্ঠী অন্তর্ভুক্ত করা আবশ্যক। যদিও ফলাফলের নমুনা প্রকৃতপক্ষে জনসংখ্যার মধ্যে বিদ্যমান প্রকৃত অনুপাতের প্রতিনিধিত্ব নাও হতে পারে, কোটা থাকার ফলে এই ছোট উপগোষ্ঠীগুলি প্রতিনিধিত্ব করে তা নিশ্চিত করে।
সম্ভাব্যতা এবং nonprobability নমুনার পার্থক্য যে কিছু উপায় সম্পর্কে আরও জানুন।
ত্রুটিগুলি নমুনা
কারণ স্যাম্পলিং স্বাভাবিকভাবে জনসংখ্যার মধ্যে প্রতিটি একক ব্যক্তি অন্তর্ভুক্ত করতে পারে না, ত্রুটি ঘটতে পারে। একটি জনসংখ্যার মধ্যে বিদ্যমান এবং একটি নমুনা পাওয়া যায় কি মধ্যে পার্থক্য স্যাম্পলিং ত্রুটি হিসাবে পরিচিত হয়
জনসংখ্যা এবং নমুনা মধ্যে পার্থক্য কতটুকু মহান তা জানা অসম্ভব, গবেষকরা স্যাম্পলিং ত্রুটির আকারকে পরিসংখ্যানগতভাবে অনুমান করতে সক্ষম। রাজনৈতিক নির্বাচনে, উদাহরণস্বরূপ, আপনি কিছু আত্মবিশ্বাসের মাত্রা দ্বারা প্রকাশ করা ভুলগুলির মার্জিনের কথা শুনতে পারেন।
স্বাভাবিকভাবে, বড় আকারের নমুনা আকারটি ছোট আকারের ত্রুটি। এই কেবল কারণ হিসাবে নমুনা মোট জনসংখ্যার আকার পৌঁছনোর কাছাকাছি হয়ে, সম্ভবত এটি সঠিকভাবে জনসংখ্যার সমস্ত বৈশিষ্ট্য ক্যাপচার করা হয়। স্যাম্পলিং ত্রুটিটি সম্পূর্ণভাবে মুছে ফেলার একমাত্র উপায় হচ্ছে সমগ্র জনসংখ্যার থেকে তথ্য সংগ্রহ করা, যা কেবলমাত্র অত্যন্ত ব্যয়বহুল এবং সময় ব্যয়কারী। স্যাম্পলিং ত্রুটি ছোট করা যেতে পারে, তবে, র্যান্ডমিং সম্ভাব্যতার পরীক্ষা এবং একটি বড় নমুনা আকার ব্যবহার করে।
তথ্যসূত্র:
গুডউইন, সিজে (২010)। মনস্তত্ত্ব গবেষণা: পদ্ধতি এবং ডিজাইন। হকোকেন, এনজে: জন উইলি অ্যান্ড সন্স।
নিকোলাস, এল। (২008)। মনোবিজ্ঞানের ভূমিকা . ইউসিটি প্রেস: কেপ টাউন