ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ಎಂದರೇನು?

ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳ ಬಗ್ಗೆ ಎಲ್ಲಾ

ಒಂದು ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ಒಂದು ಸಂಭವನೀಯ ಮಾದರಿ ವಿಧಾನವಾಗಿದೆ. ಈ ಮಾದರಿಯ ಎರಡು ಮೂಲಭೂತ ಭಾಗಗಳು ಹೀಗಿವೆ: 1) ಇದು ಶ್ರೇಣೀಕೃತವಾಗಿದೆ, ಮತ್ತು 2) ಇದು ಸಂಭವನೀಯವಾಗಿದೆ. ಆದ್ದರಿಂದ ಇದು ನಿಖರವಾಗಿ ಅರ್ಥವೇನು ಮತ್ತು ಅದು ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ? ಒಂದು ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯನ್ನು ಸಹ ಅನುಪಾತದ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ಅಥವಾ ಕೋಟಾ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ಏನು?

ಒಂದು ಮಾದರಿಯು ದೊಡ್ಡ ಜನಸಂಖ್ಯೆಯ ಸಣ್ಣ-ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.

ಮಾದರಿಗಳನ್ನು ಅನೌಪಚಾರಿಕವಾಗಿ ಅಥವಾ ಔಪಚಾರಿಕವಾಗಿ ನಿರ್ಧರಿಸಬಹುದು. ಆದರೆ ಕೆಲವು ವೈಜ್ಞಾನಿಕ ವಿಧಾನಗಳ ಪ್ರಕಾರ ವ್ಯವಸ್ಥಿತವಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ ಮಾದರಿಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡ ಜನಸಂಖ್ಯೆಯ ಸಾಮಾನ್ಯೀಕರಣವನ್ನು ಮಾಡಲು ಹೆಚ್ಚು ಉಪಯುಕ್ತವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.

ವಿಂಗಡಣೆ ಎಂದರೇನು?

ಶ್ರೇಣೀಕೃತ ಮಾದರಿಗಳು ಏಕರೂಪದ ಉಪ-ಗುಂಪುಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ, ಅವು ಪ್ರಮುಖ ರೀತಿಯಲ್ಲಿ ವಿಭಿನ್ನವಾಗಿವೆ. ಈ ಏಕರೂಪದ ಉಪ-ಗುಂಪುಗಳ ಸಂಗ್ರಹವನ್ನು ಸ್ಟ್ರಾಟಾ ಎಂದು ಉಲ್ಲೇಖಿಸಲಾಗುತ್ತದೆ. ಮಾದರಿ ವಿಧಾನಗಳ ಈ ವಿಧಾನವು ಜನಸಾಮಾನ್ಯ ಉಪಜಾತಿಗಳಾಗಿ ವಿಂಗಡಿಸಲು ಜನರನ್ನು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಸರಳ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು .

ಶ್ರೇಣೀಕೃತ ಮಾದರಿಯು ಏಕೆ ಉಪಯುಕ್ತವಾಗಿದೆ?

ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳ ಗುರಿಯು ವಿವಿಧ ಉಪಗುಂಪುಗಳಿಂದ ಭಾಗವಹಿಸುವವರನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು, ನಡೆಸಲ್ಪಡುವ ಸಂಶೋಧನೆಗೆ ಪ್ರಸ್ತುತತೆಯನ್ನು ಹೊಂದಿರುವುದು ನಂಬಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳು ತಮ್ಮ ವಯಸ್ಸಿನ, ಲಿಂಗ, ಕೆಲಸದ ಅನುಭವದ ಮಟ್ಟ, ಜನಾಂಗೀಯ ಮತ್ತು ಜನಾಂಗೀಯ ಗುಂಪು, ಆರ್ಥಿಕ ಪರಿಸ್ಥಿತಿ, ಶಿಕ್ಷಣದ ಮಟ್ಟ, ಮತ್ತು ಮುಂತಾದ ವಿಷಯಗಳ ಗುಣಲಕ್ಷಣಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಬಹುದು.

ಒಂದು ಶ್ರೇಣೀಕೃತ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ ಇದರಿಂದಾಗಿ ಈ ಪ್ರಭಾವಶಾಲಿ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಒಟ್ಟಾರೆ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಈ ಗುಣಲಕ್ಷಣಗಳ ಮಾದರಿಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸಲು ಸಮಂಜಸವಾಗಿ ಊಹಿಸಬಹುದು. ಈ ರೀತಿಯಾಗಿ, ಮಾದರಿ ತೆಗೆದುಕೊಂಡ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ, ಆದರೆ ಮಾದರಿಯನ್ನು ದೊಡ್ಡ ಜನಸಂಖ್ಯೆಯ ಪ್ರತಿನಿಧಿ ಎಂದು ಹೇಳಲಾಗುವುದಿಲ್ಲ.

ನೆನಪಿಡಿ, ಶ್ರೇಣೀಕೃತ ಮಾದರಿಯ ಸದಸ್ಯರು ಯಾದೃಚ್ಛಿಕ ಪ್ರಕ್ರಿಯೆಯಲ್ಲ. ಸ್ಟ್ರಾಟಾವನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ ಸರಳವಾದ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳನ್ನು ಪ್ರತಿ ಸ್ತರಕ್ಕಾಗಿ ಮಾದರಿಗಳ ಸದಸ್ಯರನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಬಳಸಲಾಗುತ್ತದೆ.

ಸಂಭವನೀಯತೆ ಏನು?

ಒಂದು ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯು ಸಂಭವನೀಯವಾಗಿದೆ ಏಕೆಂದರೆ ಮಾದರಿ ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಬಳಸುವ ಪ್ರತಿ ವಿಧಾನವು ಮಾದರಿಯನ್ನು ಆಯ್ಕೆಮಾಡಿದ ದೊಡ್ಡ (ವಿಶ್ವ) ಜನಸಂಖ್ಯೆಗೆ ಮಾದರಿ ಜನಸಂಖ್ಯೆ ಹೇಗೆ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅಂದಾಜು ಮಾಡಲು ಒಂದು ವಿಶ್ವಾಸಾರ್ಹ ಮಾರ್ಗವನ್ನು ಒದಗಿಸುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಸಂಭವನೀಯ ಮಾದರಿಯು ಮಾದರಿಯನ್ನು ಚಿತ್ರಿಸಲ್ಪಟ್ಟ ಅಥವಾ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸದ ಮಾದರಿಯನ್ನು ವಿಲಕ್ಷಣವಾಗಿ ಅಂದಾಜು ಮಾಡಲು ಸಂಶೋಧಕರಿಗೆ ಅನುಮತಿ ನೀಡುತ್ತದೆ.

ಉದಾಹರಣೆಗಳು

ಏಕರೂಪದ ಉಪಗುಂಪುಗಳು ಮತ್ತು ಒಟ್ಟಾರೆಯಾಗಿ ದೊಡ್ಡದಾದ ಮಾದರಿ ಜನಸಂಖ್ಯೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳಲ್ಲಿ ಆಸಕ್ತಿಯಿರುವಾಗ, ಶ್ರೇಣೀಕೃತ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ವಿಧಾನಗಳನ್ನು ಬಳಸಿ.

ವ್ಯವಹಾರದ ಗ್ರಾಹಕರ ಜನಸಂಖ್ಯೆಯನ್ನು ಮೂರು ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು ಎಂದು ಹೇಳೋಣ: Gen-Xers, Gen-Yers (Millennial), ಮತ್ತು ಬೇಬಿ ಬೂಮರ್ಸ್. ಇದಲ್ಲದೆ, ಜನರಲ್-ಝೆರ್ಸ್ ಮತ್ತು ಜನ್-ಯರ್ಸ್ ಇಬ್ಬರೂ ಒಟ್ಟಾರೆ ವ್ಯಾಪಾರಿ ಗ್ರಾಹಕರಲ್ಲಿ ಅಲ್ಪಸಂಖ್ಯಾತರು ಕಡಿಮೆ ಎಂದು ನಂಬಲು ನಮಗೆ ಕಾರಣಗಳಿವೆ. ಜನರಲ್-ಝೆರ್ಸ್ ಗ್ರಾಹಕರ ಒಟ್ಟಾರೆ ಜನಸಂಖ್ಯೆಯ ಸುಮಾರು 5 ಪ್ರತಿಶತದಷ್ಟು ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಜನರಲ್-ಯರ್ಸ್ 10 ಕ್ಕಿಂತಲೂ ಹೆಚ್ಚಿನ ಗ್ರಾಹಕರನ್ನು ತಯಾರಿಸುತ್ತಾರೆ.

100 ಸದಸ್ಯರ (ಎನ್ = 100) ಸರಳ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯು 5 ಜನರಲ್-ಝೆರ್ಸ್ ಮತ್ತು 10 ಜೆನ್-ಯರ್ಸ್ಗಳನ್ನು ಉತ್ಪಾದಿಸಬಹುದು, ನಾವು 10 ರಷ್ಟು ಮಾದರಿ ಭಾಗವನ್ನು ಬಳಸುತ್ತಿದ್ದರೆ. ಮಾದರಿಗಿಂತಲೂ ಕಡಿಮೆ ಜನ್-ಝೆರ್ಸ್ ಮತ್ತು ಕಡಿಮೆ ಜನ್-ಯರ್ಸ್ಗಳನ್ನು ಸಹ ಪಡೆಯುವ ಸಾಧ್ಯತೆಯಿದೆ - ಆಕಸ್ಮಿಕವಾಗಿ. ಶ್ರೇಣೀಕರಣವು ಹೆಚ್ಚು ಪ್ರತಿನಿಧಿ ಫಲಿತಾಂಶಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ಪ್ರತಿ ಗುಂಪಿನಲ್ಲಿ ಕನಿಷ್ಠ 25 ಜನರನ್ನು ಹೊಂದಬೇಕೆಂದು ನಾವು ಬಯಸುತ್ತೀರಾ. ನಾವು ಇನ್ನೂ 100 (n = 100) ಮಾದರಿಯನ್ನು ತೆಗೆದುಕೊಂಡರೆ, ನಾವು 25 ಜನ್-ಝೆರ್ಸ್, 25 ಜನ್-ಯರ್ಸ್, ಮತ್ತು 50 ಬೇಬಿ ಬೂಮರ್ಸ್ ಅನ್ನು ಮಾದರಿಸಬಹುದು.

ಜನಸಂಖ್ಯೆಯ 10 ಪ್ರತಿಶತದಷ್ಟು ಮಿಲೇನಿಯಲ್ಸ್ ಅಥವಾ ಜನ್-ಯರ್ಸ್ (ಅಥವಾ ನಮ್ಮ ಗ್ರಾಹಕರಲ್ಲಿ ಸುಮಾರು 100) 25 ಕ್ಲೈಂಟ್ಗಳ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ 25/100 ಅಥವಾ 25 ಪ್ರತಿಶತದ ಒಳಗಿನ-ಸ್ತರಮ್ ಮಾದರಿ ಭಾಗವನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ನಮಗೆ ತಿಳಿದಿದೆ ನಾವು 5% ಅವುಗಳಲ್ಲಿ 50 ಕ್ಲೈಂಟ್ಗಳಲ್ಲದೇ ಬೇಬಿ ಬೂಮರ್ಸ್ ಜೆನ್-ಝೆರ್ಸ್, ಇದರರ್ಥ ಒಳಗೆ-ಸ್ಟ್ರ್ಯಾಟಮ್ ಭಾಗವು 25/50 ಅಥವಾ 50% ಆಗಿರುತ್ತದೆ.

ಆದ್ದರಿಂದ, 50 ಜನರಲ್-ಝೆರ್ಸ್ ಪ್ಲಸ್ 100 ಜನ್-ಯರ್ಸ್ ಒಟ್ಟು 150 ಕ್ಲೈಂಟ್ ಮಾದರಿಗಳಾಗಿವೆ. ಒಟ್ಟಾರೆ ಕ್ಲೈಂಟ್ ಜನಸಂಖ್ಯೆಯು 1000 ರಿಂದಲೂ, ನಾವು ಜನ್-ಝೆರ್ಸ್ ಪ್ಲಸ್ ಮತ್ತು ಜನ್-ಯರ್ಸ್ಗಳನ್ನು (ಒಟ್ಟು 150 ಕ್ಲೈಂಟ್ಗಳು) 850 ಗ್ರಾಹಕರನ್ನು ಬಿಡುತ್ತೇವೆ, ಅವು ಬೇಬಿ ಬೂಮರ್ಸ್. ಬೇಬಿ ಬೂಮರ್ಸ್ನೊಳಗಿನ ಒಳಗೆ-ಸ್ಟ್ರ್ಯಾಟಮ್ ಮಾದರಿ ಭಾಗವು 50/850 ಅಥವಾ ಸುಮಾರು 5.88 ರಷ್ಟು ಆಗಿದೆ.

ಎರಡು ವಿಷಯಗಳು ಸ್ಪಷ್ಟವಾಗಿವೆ: (1) ಮೂರು ಗುಂಪುಗಳು ಇಡೀ ಜನಸಂಖ್ಯೆಗಿಂತಲೂ ಹೆಚ್ಚು ಸಮರೂಪದ ಗುಂಪಿನಲ್ಲಿವೆ . ಇದರರ್ಥ ಕಡಿಮೆ ವ್ಯತ್ಯಾಸವಿದೆ, ಇದು ಹೆಚ್ಚಿನ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ನಿಖರತೆಗೆ ಅವಕಾಶವನ್ನು ನೀಡುತ್ತದೆ. (2) ಮಾದರಿಯನ್ನು ಶ್ರೇಣೀಕರಿಸಿದ ನಂತರ, ಪ್ರತಿ ಗುಂಪಿನಿಂದ ಸಾಕಷ್ಟು ಸದಸ್ಯರು ಅರ್ಥಪೂರ್ಣ ಉಪಗುಂಪು ಉಲ್ಲೇಖಗಳನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಒಟ್ಟಾರೆ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸಲು ಮತ್ತು ಜನಸಂಖ್ಯೆಯ ಪ್ರಮುಖ ಉಪಗುಂಪುಗಳನ್ನು ಪ್ರತಿನಿಧಿಸಲು ಮುಖ್ಯವಾದಾಗ ಸರಳವಾದ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಗಳ ಮೇಲೆ ಶ್ರೇಣೀಕೃತ ಮಾದರಿಗಳನ್ನು ಆದ್ಯತೆ ನೀಡಲಾಗುವುದು, ವಿಶೇಷವಾಗಿ ಉಪಗುಂಪುಗಳು ಚಿಕ್ಕದಾಗಿದ್ದರೆ ಆದರೆ ಮುಖ್ಯವಾದ ರೀತಿಯಲ್ಲಿ ಪ್ರತ್ಯೇಕಗೊಳ್ಳುತ್ತವೆ. ಶ್ರೇಣೀಕೃತ ಮಾದರಿ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಸಂಶೋಧಕರು ಸಂಶೋಧನಾ ಸಂಶೋಧನೆಗಳ ಚರ್ಚೆಯಲ್ಲಿ ಉಪಗುಂಪುಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಬಹುದು ಎಂದು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಭರವಸೆ ನೀಡಬಹುದು .