आंकड़ों में, एक नमूना एक आबादी का उप-समूह है जिसका उपयोग पूरे समूह को पूरी तरह से प्रस्तुत करने के लिए किया जाता है। शोध करते समय, किसी विशेष आबादी के प्रत्येक सदस्य का सर्वेक्षण करने के लिए अक्सर अव्यवहारिक होता है क्योंकि लोगों की संख्या बहुत बड़ी होती है। आबादी की विशेषताओं के बारे में जानकारी बनाने के लिए, शोधकर्ता यादृच्छिक नमूना का उपयोग कर सकते हैं।
शोधकर्ता नमूने का उपयोग क्यों करते हैं?
मानव दिमाग या व्यवहार के पहलू पर शोध करते समय , शोधकर्ता बस ज्यादातर मामलों में प्रत्येक व्यक्ति से डेटा एकत्र नहीं कर सकते हैं। इसके बजाय, वे ऐसे व्यक्तियों का एक छोटा सा नमूना चुनते हैं जो बड़े समूह का प्रतिनिधित्व करते हैं। यदि नमूना वास्तव में आबादी का प्रतिनिधि है, तो शोधकर्ता अपने परिणाम ले सकते हैं और उन्हें बड़े समूह में सामान्यीकृत कर सकते हैं।
नमूना के प्रकार
मनोवैज्ञानिक अनुसंधान और अन्य प्रकार के सामाजिक शोध में, प्रयोगकर्ता आम तौर पर कुछ अलग नमूना तरीकों पर भरोसा करते हैं।
1. संभाव्यता नमूनाकरण
संभाव्यता नमूनाकरण का अर्थ है कि आबादी में प्रत्येक व्यक्ति खड़ा होता है और चयनित होने का बराबर मौका होता है। चूंकि संभाव्यता नमूनाकरण में यादृच्छिक चयन शामिल है, यह आश्वासन देता है कि जनसंख्या के विभिन्न उप-समूह के नमूने में प्रतिनिधित्व करने का बराबर मौका है। इससे संभाव्यता के नमूने अधिक प्रतिनिधि बनते हैं, और शोधकर्ता पूरी तरह से समूह को अपने परिणामों को सामान्यीकृत करने में सक्षम होते हैं।
संभावना नमूने के कुछ अलग प्रकार हैं:
- सरल यादृच्छिक नमूनाकरण , जैसा कि नाम से पता चलता है, संभावित नमूना नमूना का सबसे सरल प्रकार है। शोधकर्ता प्रत्येक व्यक्ति को आबादी में लेते हैं और यादृच्छिक रूप से अपने नमूने का चयन करते हैं, अक्सर कुछ प्रकार के कंप्यूटर प्रोग्राम या यादृच्छिक संख्या जनरेटर का उपयोग करते हैं।
- स्ट्रैटिफाइड यादृच्छिक नमूनाकरण में आबादी को उपसमूहों में विभाजित करना और फिर इन उपसमूहों में से प्रत्येक से एक साधारण यादृच्छिक नमूना लेना शामिल है। उदाहरण के लिए, एक शोध जनसंख्या को जाति, लिंग या आयु के आधार पर उपसमूहों में विभाजित कर सकता है और फिर इन समूहों में से प्रत्येक का एक साधारण यादृच्छिक नमूना ले सकता है। स्तरीकृत यादृच्छिक नमूनाकरण आमतौर पर सरल यादृच्छिक नमूनाकरण से अधिक सांख्यिकीय सटीकता प्रदान करता है और यह सुनिश्चित करने में सहायता करता है कि नमूने में कुछ समूहों का सटीक रूप से प्रतिनिधित्व किया जाता है।
- क्लस्टर नमूनाकरण में जनसंख्या को छोटे समूहों में विभाजित करना शामिल होता है, जो अक्सर भौगोलिक स्थान या सीमाओं के आधार पर होता है। इन समूहों का एक यादृच्छिक नमूना तब चुना जाता है और क्लस्टर में मौजूद सभी विषयों को मापा जाता है। उदाहरण के लिए, कल्पना करें कि आप अपने राज्य के स्कूल प्रिंसिपल पर एक अध्ययन करने की कोशिश कर रहे हैं। प्रत्येक स्कूल सिद्धांत से डेटा एकत्र करना लागत-निषिद्ध और समय लेने वाला होगा। क्लस्टर नमूनाकरण विधि का उपयोग करके, आप यादृच्छिक रूप से अपने राज्य से पांच काउंटी का चयन करते हैं और फिर उन पांच काउंटी में से प्रत्येक में प्रत्येक विषय से डेटा एकत्र करते हैं।
2. गैर-प्रयोज्य नमूनाकरण
गैर-संभाव्यता नमूनाकरण, दूसरी तरफ, प्रतिभागियों का उपयोग उन विधियों का उपयोग करना शामिल है जो जनसंख्या में प्रत्येक व्यक्ति को चुना जाने का बराबर मौका नहीं देते हैं।
इस प्रकार के नमूने के साथ एक समस्या यह है कि गैर-स्वयंसेवकों की तुलना में स्वयंसेवक कुछ चर पर भिन्न हो सकते हैं, जिससे परिणाम पूरी आबादी को सामान्यीकृत करना मुश्किल हो सकता है।
गैर-प्रयोज्य नमूने के कुछ अलग-अलग प्रकार भी हैं:
- सुविधा नमूना में प्रतिभागियों को एक अध्ययन में उपयोग करना शामिल है क्योंकि वे सुविधाजनक और उपलब्ध हैं। यदि आपने अपने विश्वविद्यालय के मनोविज्ञान विभाग के माध्यम से आयोजित मनोविज्ञान अध्ययन के लिए स्वयंसेवा किया है, तो आपने एक अध्ययन में भाग लिया है जो सुविधा नमूने पर निर्भर था। अध्ययन जो स्वयंसेवकों से पूछते हैं या शोधकर्ता के लिए उपलब्ध नैदानिक नमूने का उपयोग करके भरोसेमंद नमूने के उदाहरण हैं।
- प्रयोजन नमूना में उन व्यक्तियों की तलाश करना शामिल है जो कुछ मानदंडों को पूरा करते हैं। उदाहरण के लिए, विपणक 18 से 35 वर्ष की उम्र के महिलाओं द्वारा उनके उत्पादों को कैसे समझते हैं, यह जानने में रुचि हो सकती है। वे टेलीफोन साक्षात्कार आयोजित करने के लिए एक मार्केट रिसर्च फर्म किराए पर ले सकते हैं जो जानबूझकर उन महिलाओं से मुलाकात करते हैं जो उनके आयु मानदंडों को पूरा करते हैं।
- कोटा नमूना में जानबूझकर आबादी के भीतर एक उपसमूह के एक विशिष्ट अनुपात का नमूनाकरण शामिल है। उदाहरण के लिए, राजनीतिक मतदाताओं को एक निश्चित राजनीतिक मुद्दे पर आबादी की राय पर शोध करने में रुचि हो सकती है। यदि वे सरल यादृच्छिक नमूनाकरण का उपयोग करते हैं, तो वे आबादी के कुछ सबसेट मौके से चूक सकते हैं। इसके बजाय, वे मानदंड स्थापित करते हैं कि नमूने के एक निश्चित प्रतिशत में इन उपसमूहों को शामिल करना चाहिए। जबकि परिणामस्वरूप नमूना वास्तव में जनसंख्या में मौजूद वास्तविक अनुपात का प्रतिनिधि नहीं हो सकता है, जबकि कोटा होने से यह सुनिश्चित होता है कि इन छोटे उपसमूहों का प्रतिनिधित्व किया जाता है।
संभावनाओं और गैर-प्रयोज्यता के नमूने अलग-अलग तरीकों के बारे में और जानें।
नमूनाकरण त्रुटियां
चूंकि नमूनाकरण स्वाभाविक रूप से आबादी में प्रत्येक व्यक्ति को शामिल नहीं कर सकता है, त्रुटियां हो सकती हैं। जनसंख्या में मौजूद क्या है और नमूने में मौजूद क्या है, इसके बीच मतभेद नमूना त्रुटियों के रूप में जाना जाता है।
हालांकि यह जानना असंभव है कि जनसंख्या और नमूना के बीच अंतर कितना बड़ा हो सकता है, शोधकर्ता नमूना त्रुटियों के आकार का सांख्यिकीय अनुमान लगाने में सक्षम हैं। राजनीतिक चुनावों में, उदाहरण के लिए, आप अक्सर कुछ आत्मविश्वास के स्तर से व्यक्त त्रुटियों के मार्जिन के बारे में सुन सकते हैं।
आम तौर पर, बड़े पैमाने पर नमूना आकार त्रुटि के स्तर को छोटा करता है। यह केवल इसलिए है क्योंकि नमूना कुल जनसंख्या के आकार तक पहुंचने के करीब आता है, इसलिए जनसंख्या की सभी विशेषताओं को सटीक रूप से कैप्चर करना अधिक संभावना है। नमूना त्रुटि को पूरी तरह से खत्म करने का एकमात्र तरीका पूरी आबादी से डेटा एकत्र करना है, जो अक्सर बहुत ही लागत-निषिद्ध और समय लेने वाली होती है। नमूनाकरण त्रुटियों को याद किया जा सकता है, हालांकि, यादृच्छिक संभाव्यता परीक्षण और एक बड़े नमूना आकार का उपयोग करके।
संदर्भ:
गुडविन, सीजे (2010)। मनोविज्ञान में अनुसंधान: तरीके और डिजाइन। होबोकन, एनजेः जॉन विली एंड संस।
निकोलस, एल। (2008)। मनोविज्ञान का परिचय । यूसीटी प्रेस: केप टाउन।