Representativeness - यो प्रक्रिया के हो? कवरेज त्रुटि

प्रतिनिधित्व को अवधारणा मा साधारण छ तथ्याङ्क otchetnostyakh र बोलीहरू र रिपोर्ट को तयारी मा। सायद बिना यो प्रदर्शनमा जानकारी प्रस्तुत कुनै पनि प्रकारको कल्पना गर्न गाह्रो छ।

Representativeness - यो के हो?

Representativeness चयन वस्तुहरु वा भागहरु तिनीहरूले चयन भएको थियो जो देखि डाटा जनसंख्याको सामग्री र अर्थ अनुरूप कसरी झल्काउँछ।

अन्य परिभाषा

प्रतिनिधित्व को अवधारणा फरक सन्दर्भका मा विस्तार गर्न सकिन्छ। तर यसको अर्थ प्रतिनिधित्व - अनुपालन सुविधाहरू र सही एक सम्पूर्ण रूपमा सम्पूर्ण डेटाबेस को सामान्य विशेषताहरु झल्काउने सामान्य जनसंख्याको चयन एकाइहरूको गुण छ।

पनि प्रतिनिधि जानकारी मापदण्डहरु र निरन्तर अनुसन्धान को दृष्टिकोणबाट महत्त्वपूर्ण छन् भनेर गुण को सेट एक नमूना डाटा पेश गर्ने क्षमता रूपमा परिभाषित गरिएको छ।

प्रतिनिधि नमूना

नमूना को सिद्धान्त सबैभन्दा सही छनौट र डाटा सेटको गुण प्रदर्शन महत्त्वपूर्ण छ। यो विधि, सही परिणाम प्राप्त गर्न अनुमति जो एक किसिम र एक सिंहावलोकन प्रयोग सामान्य जनसंख्या, डाटा गुणस्तर वर्णन मात्र चयन सामाग्री प्रयोग गरेर।

त्यसैले, सबै सामाग्री सिक्न, र यो एक छनौट प्रतिनिधित्व विचार suffices कुनै आवश्यक छैन। यो के हो? यो जानकारी को कुल ठूलो बारेमा एउटा विचार गर्न व्यक्तिगत डाटा को नमूना हो।

तिनीहरूले सम्भावना र गैर-सम्भावना रूपमा विशिष्ट को आधारमा गरिन्छ। सम्भावना - जो एक नमूना जो सामान्य जनसंख्याको थप प्रतिनिधिहरू छन् सबैभन्दा महत्त्वपूर्ण र रोचक डाटा, गणना गरेको छ। यो एक जानिजानि विकल्प वा अनियमित नमूना तथापि, यसका सामग्रीहरू द्वारा जायज छ।

Nonprobabilistic - लटरी को सामान्य सिद्धान्त मा एक अनियमित नमुना एक रुप हो। यस मामला मा, यस्तो चयन बनाउँछ गर्ने व्यक्ति को राय। यो केवल अन्धो तान्ने प्रयोग गर्दछ।

सम्भावना नमूना

सम्भावना नमूना पनि धेरै प्रकारका भागमा विभाजन गर्न सकिन्छ:

• एक भन्दा सरल र स्पष्ट सिद्धान्तहरू - एक सुविधा नमूना। उदाहरणका लागि, यो विधि अक्सर सामाजिक सर्वेक्षण सञ्चालन गर्दा प्रयोग गरिन्छ। यस मामला मा, उत्तरदाताओं कुनै पनि विशेष सुविधाहरू मा भीड देखि चयन छैन, र जानकारी यो भाग लिए जो पहिलो 50 मान्छे मा उत्पादन।
• जानिजानि नमूना तिनीहरूले चयनको लागि आवश्यकताहरु र अवस्था एक नम्बर छ कि भिन्न, तर अझै पनि राम्रो तथ्याङ्क प्राप्त को लक्ष्य पछि लाग्दा छैन, संयोग भर पर्छन्।
• कोटा को आधार मा नमूना - यो अर्को विभिन्नता मा-probabilistic नमूना, अक्सर ठूलो डाटा सेट को विश्लेषण लागि प्रयोग गरिन्छ जो छ। उनको लागि, अवस्था र मान्यता पनि एक किसिम प्रयोग। तिनीहरूलाई मेल चयन वस्तुहरु। कि सामाजिक सर्वेक्षण उदाहरण कि 100 मान्छे अन्तरवार्ता हुनेछ, तर निर्दिष्ट आवश्यकताहरू पूरा गर्ने मानिसहरूको संख्या मात्र राय तथ्याङ्क रिपोर्टहरू को तयारी मा खातामा लगिनेछ सुझाव छ।

सम्भावना नमूना

नमूना मा वस्तुहरु ठीक नमूना डाटा को representativeness रूपमा प्रस्तुत गरिने तथ्य र डाटा निर्वाचित गर्न तरिका को एक नम्बर तिनीहरूलाई बीच, पूरा हुनेछ जुन विकल्प सम्भावना नमूना अनुमानित संख्याको लागि। यी विधिहरू गणना आवश्यक डाटा हुन सक्छ:

• सरल अनियमित नमूना। यसलाई चयन खण्ड बीचमा पूर्ण अंधाधुंध डाटा को चिट्ठा आवश्यक रकम प्रतिनिधि नमूना हुनेछ चयन भन्ने तथ्यलाई मा निहित।

• व्यवस्थित र अनियमित नमूना सम्भव अनियमित खण्ड आधारमा आवश्यक डाटा गणना को एक प्रणाली सिर्जना गर्न बनाउँछ। यसरी, सामान्य जनसंख्या देखि चयन डाटा को ORDINAL नम्बर संकेत जो पहिलो अनियमित नम्बर, 5 छ भने, त्यसपछि पछि डाटा चयन उदाहरणका लागि, हुन सक्छ, 15, 25, 35 र यति मा। पनि अनियमित चयन आवश्यक कच्चा डेटा को क्रमबद्घ गणना आधारित हुन सक्छ कि यो उदाहरण स्पष्ट बताउँछन्।

नमूना ग्राहकहरु

अर्थपूर्ण नमूना - प्रत्येक व्यक्ति खण्ड विचार मा हुन्छन् जो एक विधि र आधारमा विशेषताहरु र साझेदारी डेटाबेस को गुण प्रतिबिम्बित आफ्नो मूल्यांकन संकलित सेट मा। यसरी एक प्रतिनिधि नमूना आवश्यकताहरू अनुरूप डाटा को ठूलो रकम बाट मिलाईएको। यसलाई सजिलै चयन डाटा कुल जनसंख्या प्रतिनिधित्व गुणस्तर गुमाउने बिना, कुल संख्या समावेश हुनेछैन भन्ने विकल्प को एक नम्बर चयन गर्न सम्भव छ। यो तरिका मा अध्ययन को परिणाम representativeness।

नमूना आकार

सम्बोधन हुनुपर्छ भनेर अन्तिम छैन प्रश्न - यो जनसंख्या को representativeness लागि नमूना आकार छ। नमूना आकार सधैं जनसंख्यामा स्रोतहरू संख्या निर्भर गर्दैन। तथापि, नमूनाको representativeness कति खण्डहरूमा अन्ततः परिणाम विभाजित गर्नुपर्छ लागि निर्भर गर्दछ। अधिक खण्डहरूमा, अधिक डाटा उत्पादक नमूना मा हुन्छ। परिणाम एक सामान्य शब्द आवश्यक र विशेष आवश्यकता छैन भने, त्यसपछि, क्रमशः, नमूना सानो, विवरण मा जा बिना जानकारी जो आफ्नो व्याख्या साझेदारी गरिएको छ भन्ने हो, थप बाहिरको प्रस्तुत छ, किनभने बन्नेछ।

representativeness त्रुटिहरू को अवधारणा

त्रुटि को मार्जिन - जनसंख्या र नमूना डाटा को विशेषताहरु बीच विशिष्ट मतभेद। कुनै पनि नमूना समयमा पूर्ण अध्ययन जनसंख्या रूपमा सही, डाटा प्राप्त गर्न र एक विस्तृत अध्ययन मात्र सम्पूर्ण सेट को अध्ययन मा सम्भव छ, जबकि, जानकारी र विकल्प मात्र भाग प्रतिनिधित्व नमूना बिल्कुल असम्भव छ। यसरी, अनिवार्य केही त्रुटिहरू र गल्ती।

त्रुटिहरू को प्रकार

भेद एक प्रतिनिधि नमूनाको तयारीमा उत्पन्न केही त्रुटिहरु:

• व्यवस्थित।
• अनियमित।
• जानिजानि।
• नगरिएका।
• मानक।
• सीमा।

अनियमित त्रुटिहरू को उपस्थिति को लागि आधार अध्ययन कुल जनसंख्याको discontinuous प्रकृति हुन सक्छ। सामान्यतया, representativeness को अनियमित त्रुटि सानो आकार र चरित्र छ।

व्यवस्थित त्रुटिहरू सामान्य जनसंख्याको चयन नियम उल्लङ्घन मा डाटा बीच आउँदैन।

औसत त्रुटि - औसत नमूना मान र आधारभूत सेट भिन्नता। यो नमूना मा एकाइहरूको संख्या निर्भर गर्दैन। यो गर्न inversely समानुपातिक छ नमूनाको मात्रा। त्यसपछि पनि ठूलो मात्रा, तल्लो औसत को मूल्य त्रुटि।

त्रुटि सीमा - औसत मूल्य नमूना बनाउन हुनेछ र कुल जनसंख्या बीच सबै भन्दा ठूलो सम्भव फरक छ। यो त्रुटि उनको घटना दिइएको अवस्थामा सबैभन्दा सम्भावित त्रुटिहरू रूपमा विशेषता छ।

representativeness को जानिजानि र नगरिएका त्रुटिहरू

डाटा अफसेट त्रुटिहरू जानिजानि र नगरिएका छन्।

त्यसपछि जानिजानि त्रुटि को उद्भव लागि कारण प्रचलन निर्धारण को विधि द्वारा डाटा को चयन गर्न दृष्टिकोण छ। नगरिएका त्रुटिहरू नमूना अवलोकन, एक प्रतिनिधि नमूना को गठन को तयारी को चरण मा आउँदैन। यस्तो त्रुटिहरू रोक्न, तपाईं एक राम्रो आधार नमूना लागि, घटक चयन एकाइहरु सूची सिर्जना गर्नुपर्छ। यो नमूना को उद्देश्य अध्ययन को सबै पक्षहरू कवर, सही हुन यसलाई पूर्णतया लगातार हुनुपर्छ।

वैधता, विश्वसनीयता, representativeness। गणना त्रुटिहरू

नमूना त्रुटि (मिमी) को गणित को गणना मूल्य (एम) अर्थ।

मानक विचलन: नमूना आकार (> 30)।

त्रुटि को मार्जिन (सांसद) र एक नातेदार मूल्य (पी) नमूना आकार (N> 30)।

मामला मा wherein नमूनाको राशि सानो छ र 30 भन्दा कम एकाइहरु, त्यसपछि अवस्थामा संख्या एक एकाइ भन्दा कम हुनेछ छ, समग्र अध्ययन गर्न आवश्यक छ जब।

नमूना आकार सीधा समानुपातिक त्रुटि मान। प्रतिनिधि जानकारी सही पूर्वानुमान अप चित्रकला को संभावना को डिग्री को गणना एक निश्चित मूल्य सीमा त्रुटिहरू झल्काउँछ।

प्रतिनिधि प्रणाली

मात्र एक प्रतिनिधि नमूना प्रयोग जानकारी प्रस्तुत, तर पनि जानकारी प्राप्त व्यक्ति representational प्रणाली प्रयोग को मूल्यांकन प्रक्रियामा। यसरी, मस्तिष्क केही प्रक्रियाहरु जानकारी रकम कुशलतापूर्वक र द्रुत आपूर्ति डाटा आकलन र विषय बुझ्न क्रममा जानकारी सम्पूर्ण प्रवाह को एक प्रतिनिधि नमूना बनाउन। प्रश्न जवाफ: "representativeness - यो" - मानव चेतना को मात्रा एकदम बस। यो गर्न, मस्तिष्क सबै अधीनस्थ गर्न प्रयोग गर्दछ होश, सामान्य धारा बाट अलग हुनुपर्छ जानकारी कस्तो आधारमा। यसरी, गौरव बनेको छ बीच:

• दृश्य representational प्रणाली जहाँ अंगहरु उपयोग गर्दै आँखा को दृश्य धारणा। मानिसहरू अक्सर यस्तै प्रणाली प्रयोग, दृश्यहरू भनिन्छ। यो प्रणाली संग, एक व्यक्ति तस्बिरहरू को रूप मा जानकारी प्रक्रियाहरु।
• श्रवण representational प्रणाली। मुख्य शरीर, प्रयोग गरिन्छ - यो अफवाह हो। ध्वनि फाइल वा बोली को रूप मा आपूर्ति जानकारी, यो सिस्टम द्वारा प्रशोधन छ। मान्छे सुनेर भनिन्छ audialami जानकारी गर्न थप receptive छन्।
• Kinesthetic प्रतिनिधि प्रणाली olfactory र ट्याक्टायल च्यानलहरू यसलाई संवेदन द्वारा जानकारी एक प्रक्रिया प्रवाह छ।

• डिजिटल प्रतिनिधि सिस्टम बाहिर जानकारी प्राप्त एक माध्यम रूपमा अन्य साथ सँगै प्रयोग भएको छ। यो आत्मपुरक धारणा र डाटा को तार्किक व्याख्या।

त्यसैले representativeness - के छ? जानकारी प्रशोधन मा सेट वा अभिन्न प्रक्रिया बाट सरल चयन? हामी representativeness हदसम्म यो बाट सबैभन्दा सशक्त र अर्थपूर्ण अलग गर्न मदत, डाटा प्रवाह हाम्रो धारणा निर्धारण भनेर भन्न सकिन्छ।