சீரற்ற மாதிரி எவ்வாறு இயங்குகிறது

ஸ்ட்ரேடிஃபைட் ரேண்டம் சாம்ப்ளிங் என்பது மாதிரியின் ஒரு முறையாகும், இது ஒரு மக்களை ஸ்ட்ராட்டா எனப்படும் சிறிய குழுக்களாகப் பிரிக்கிறது. அடுக்கடுக்கான சீரற்ற மாதிரி அல்லது அடுக்குகளில், உறுப்பினர்களின் பகிரப்பட்ட பண்புக்கூறுகள் அல்லது பண்புகளின் அடிப்படையில் அடுக்கு உருவாகிறது. அடுக்கு சீரற்ற மாதிரி விகிதாசார சீரற்ற மாதிரி அல்லது ஒதுக்கீட்டு சீரற்ற மாதிரி என்றும் அழைக்கப்படுகிறது.

இதற்கு மாறாக, எளிய சீரற்ற மாதிரி என்பது மக்கள்தொகையில் இருக்கும் தனிநபர்களின் மாதிரி; தனிநபர்கள் தோராயமாக மக்களிடமிருந்து தேர்ந்தெடுக்கப்பட்டு ஒரு மாதிரியில் வைக்கப்படுகிறார்கள். தோராயமாக தனிநபர்களைத் தேர்ந்தெடுக்கும் இந்த முறை, மக்கள்தொகையின் பக்கச்சார்பற்ற பிரதிநிதித்துவமான மாதிரி அளவைத் தேர்ந்தெடுக்க முற்படுகிறது. இருப்பினும், மக்கள்தொகையின் மாதிரிகள் பரவலாக மாறுபடும் போது இது சாதகமாக இருக்காது.

முக்கிய எடுத்துக்காட்டுகள்

• ஸ்ட்ரேடிஃப்ட் ரேண்டம் சாம்பிளிங் என்பது மாதிரியின் ஒரு முறையாகும், இது ஸ்ட்ராட்டா எனப்படும் சிறிய குழுக்களாகப் பிரிக்கப்பட்டுள்ள மக்கள்தொகையின் மாதிரிகளை எடுத்துக்கொள்வதை உள்ளடக்கியது. இந்த வழியில், அடுக்கு சீரற்ற மாதிரி என்பது மிகவும் துல்லியமான மெட்ரிக் ஆகும்.

ஸ்ட்ரேடிஃப்ட் ரேண்டம் மாதிரியைப் புரிந்துகொள்வது

அடுக்கடுக்காக சீரற்ற மாதிரியானது ஒரு மக்கள்தொகையை துணைக்குழுக்கள் அல்லது அடுக்குகளாகப் பிரிக்கிறது, மேலும் சீரற்ற மாதிரிகள் மக்கள்தொகையின் விகிதத்தில், உருவாக்கப்பட்ட ஒவ்வொரு அடுக்குகளிலிருந்தும் எடுக்கப்படுகின்றன. உருவாக்கப்பட்ட ஒவ்வொரு அடுக்கிலும் உள்ள உறுப்பினர்கள் ஒத்த பண்புகளையும் பண்புகளையும் கொண்டுள்ளனர். இந்த மாதிரி முறை பரவலாகப் பயன்படுத்தப்படுகிறது மற்றும் இலக்கு மக்கள் பன்முகத்தன்மை கொண்டவர்களாக இருக்கும்போது மிகவும் பயனுள்ளதாக இருக்கும். ஒவ்வொரு அடுக்குகளிலிருந்தும் ஒரு எளிய சீரற்ற மாதிரி எடுக்கப்பட வேண்டும். எடுத்துக்காட்டாக, நாடு முழுவதும் உள்ள மாணவர்களின் கிரேடு புள்ளி சராசரிகளை (ஜி.பி.ஏ), வேலை நேரத்தில் அதிக நேரம் செலவழிக்கும் நபர்கள் மற்றும் உலகெங்கிலும் உள்ள ஆயுட்காலம் ஆகியவற்றை மாதிரியாக மாற்றுவதற்கு சீரற்ற மாதிரியைப் பயன்படுத்தலாம்.

அடுக்கு சீரற்ற மாதிரியின் எடுத்துக்காட்டு

அமெரிக்கா முழுவதும் உள்ள கல்லூரி மாணவர்களின் ஜி.பி.ஏ.யை ஒரு ஆராய்ச்சி குழு தீர்மானிக்க விரும்புகிறது என்று வைத்துக்கொள்வோம். 21 மில்லியன் கல்லூரி மாணவர்களிடமிருந்து தரவுகளை சேகரிப்பதில் ஆராய்ச்சி குழுவுக்கு சிரமம் உள்ளது; இது 4, 000 மாணவர்களைப் பயன்படுத்தி மக்கள்தொகையின் சீரற்ற மாதிரியை எடுக்க முடிவு செய்கிறது.

இப்போது மாதிரி பங்கேற்பாளர்களின் வெவ்வேறு பண்புகளை குழு பார்க்கிறது மற்றும் ஜிபிஏக்கள் மற்றும் மாணவர்களின் மேஜர்களில் ஏதேனும் வேறுபாடுகள் இருந்தால் அதிசயங்கள் என்று கருதுங்கள். 560 மாணவர்கள் ஆங்கில மேஜர்கள், 1, 135 பேர் அறிவியல் மேஜர்கள், 800 பேர் கணினி அறிவியல் மேஜர்கள், 1, 090 பேர் பொறியியல் மேஜர்கள், 415 பேர் கணித மேஜர்கள் என்று அது கண்டறிந்துள்ளது. குழு விகிதாசார அடுக்கு சீரற்ற மாதிரியைப் பயன்படுத்த விரும்புகிறது, அங்கு மாதிரியின் அடுக்கு மக்கள் தொகையில் சீரற்ற மாதிரிக்கு விகிதாசாரமாகும்.

இந்த குழு அமெரிக்காவில் உள்ள கல்லூரி மாணவர்களின் புள்ளிவிவரங்களை ஆராய்ச்சி செய்து, மாணவர்கள் ஆங்கிலத்தில் 12% பெரியவர்கள், அறிவியலில் 28% பெரியவர்கள், கணினி அறிவியலில் 24% பெரியவர்கள், பொறியியலில் 21% பெரியவர்கள் மற்றும் 15% முக்கிய மாணவர்களின் சதவீதத்தைக் கண்டறிந்துள்ளனர். கணிதத்தில். இவ்வாறு, அடுக்கு சீரற்ற மாதிரி செயல்முறையிலிருந்து ஐந்து அடுக்குகள் உருவாக்கப்படுகின்றன.

மக்கள்தொகையின் அடுக்கு மாதிரியில் உள்ள அடுக்குக்கு விகிதத்தில் இருப்பதை குழு உறுதிப்படுத்த வேண்டும்; இருப்பினும், விகிதாச்சாரங்கள் சமமாக இல்லை என்று அவர்கள் காண்கிறார்கள். இந்த குழு மக்கள் தொகையில் இருந்து 4, 000 மாணவர்களை மறுவடிவமைக்க வேண்டும் மற்றும் தோராயமாக 480 ஆங்கிலம், 1, 120 அறிவியல், 960 கணினி அறிவியல், 840 பொறியியல் மற்றும் 600 கணித மாணவர்களைத் தேர்ந்தெடுக்க வேண்டும். அவற்றுடன், இது கல்லூரி மாணவர்களின் விகிதாசார அடுக்கு சீரற்ற மாதிரியைக் கொண்டுள்ளது, இது அமெரிக்காவில் மாணவர்களின் கல்லூரி மேஜர்களின் சிறந்த பிரதிநிதித்துவத்தை வழங்குகிறது. ஆராய்ச்சியாளர்கள் பின்னர் குறிப்பிட்ட அடுக்குகளை முன்னிலைப்படுத்தலாம், அமெரிக்க கல்லூரி மாணவர்களின் மாறுபட்ட ஆய்வுகளை அவதானிக்கலாம் மற்றும் பல்வேறு தர புள்ளி சராசரிகளைக் காணலாம்.

பயன்பாடுகள்

மேலே பயன்படுத்தப்படும் அதே முறையானது தேர்தல்களின் வாக்குப்பதிவு, மாறுபட்ட மக்களின் வருமானம் மற்றும் ஒரு நாடு முழுவதும் வெவ்வேறு வேலைகளுக்கான வருமானம் ஆகியவற்றைப் பயன்படுத்தலாம்.