രെപ്രെസെംതതിവെനെഷ് - ഈ പ്രക്രിയ എന്താണ്? കവറേജ് പിശക്

പ്രാതിനിധ്യം എന്ന ആശയം പൊതുവേ സ്ഥിതിവിവര ഒത്ഛെത്നൊസ്ത്യഖ് ആൻഡ് പ്രസംഗങ്ങളും റിപ്പോർട്ടുകളുടെ തയ്യാറെടുപ്പ്. ഒരുപക്ഷേ അത് കൂടാതെ ഡിസ്പ്ലേ വിവരങ്ങൾ അവതരിപ്പിക്കുന്നത് ഏതെങ്കിലും തരത്തിലുള്ള സങ്കൽപ്പിക്കാൻ പ്രയാസമാണ്.

രെപ്രെസെംതതിവെനെഷ് - എന്താണിത്?

രെപ്രെസെംതതിവെനെഷ് തിരഞ്ഞെടുത്ത വസ്തുക്കളോ ഭാഗങ്ങൾ ഡാറ്റ ജനസംഖ്യ അവർ തിരഞ്ഞെടുത്തു നിന്ന് ഉള്ളടക്കവും അർഥം യോജിക്കുന്നില്ല എങ്ങനെ പ്രതിഫലിപ്പിക്കുന്നു.

മറ്റ് നിർവചനങ്ങൾ

പ്രാതിനിധ്യം എന്ന ആശയം വിവിധ സന്ദർഭങ്ങളിലും വർധിപ്പിക്കാൻ കഴിയും. എന്നാൽ അതിന്റെ അർഥം പ്രാതിനിധ്യം - വഴങ്ങിയും സവിശേഷതകളും മൊത്തത്തിൽ മുഴുവൻ ഡാറ്റാ ജനറൽ സ്വഭാവസവിശേഷതകൾ കൃത്യമായി പ്രതിഫലിപ്പിക്കുന്ന ജനസംഖ്യയിൽ തിരഞ്ഞെടുത്ത യൂണിറ്റുകളുടെ ഉള്ള.

കൂടാതെ പ്രതിനിധി വിവരങ്ങൾ ഗവേഷണ നിലപാടുകളിൽ നിന്ന് പ്രധാനപ്പെട്ട പാരമീറ്ററുകളും ഉള്ള ഒരു സാമ്പിൾ ഡാറ്റ സെറ്റ് സമർപ്പിക്കാൻ കഴിവ് നിർവചിച്ചിരിക്കുന്നത്.

അതുതന്നെ

ഒരുപറ്റം തത്വം ഏറ്റവും കൃത്യവും തിരഞ്ഞെടുത്ത് ഒരു ഡാറ്റ സെറ്റ് പ്രോപ്പർട്ടികൾ പ്രദർശിപ്പിക്കുന്ന ൽ പ്രധാനമാണ്. ഇത് കൃത്യമായ ഫലങ്ങൾ നേടുന്നതിൽ അനുവദിക്കുന്ന രീതികളും പലതരം, ഒരു അവലോകനം ഉപയോഗിക്കുന്നു , ജനറൽ ജനസംഖ്യ ഡാറ്റ നിലവാരം വിവരിക്കുന്ന തിരഞ്ഞെടുത്ത വസ്തുക്കൾ ഉപയോഗിച്ച്.

അങ്ങനെ, എല്ലാ വസ്തുതകളും പഠിക്കാൻ ആവശ്യമില്ല, ഒപ്പം പിന്നില് ഒരു പ്രാതിനിധ്യം പരിഗണിക്കാൻ മതി. അത് എന്താണ്? ഈ വിവരം മൊത്തം പിണ്ഡത്തിന്റെ ഒരു ആശയം വേണ്ടി വ്യക്തിഗത ഡാറ്റ ഒരു മാതൃകാ.

അവർ പ്രോബബിലിറ്റി നോൺ-പ്രോബബിലിറ്റി നിലയിൽ രീതി ആശ്രയിക്കുന്ന. അനുമാനം - ഒരു സാമ്പിൾ ഏത് സാധാരണ ജനങ്ങളുടെ കൂടുതൽ പ്രതിനിധികൾ ആയ ഏറ്റവും പ്രധാനപ്പെട്ടതും രസകരമായ ഡാറ്റ, കണക്കുകളുടെ ഉണ്ടാക്കാറുണ്ട്. എന്നിരുന്നാലും, അതിന്റെ ഉള്ളടക്കം നീതീകരിക്കപ്പെടുന്നു, മനഃപൂർവം ചോയ്സ് അല്ലെങ്കിൽ ഒരു റാൻഡം സാമ്പിൾ ആണ്.

നൊന്പ്രൊബബിലിസ്തിച് - ലോട്ടറി സാധാരണ തത്ത്വം ന് ഒരു റാൻഡം സാമ്പിൾ ഒരു രൂപമാണ്. ഈ സാഹചര്യത്തിൽ, അത്തരം ഒരു നിര ചെയ്യുന്നു വ്യക്തിയുടെ അഭിപ്രായം. അതു മാത്രം അന്ധനായ സമനിലയിൽ ഉപയോഗിക്കുന്നു.

പ്രോബബിലിറ്റി ഒരുപറ്റം

അനുമാനം ഒരുപറ്റം നിരവധി തരം വിഭജിക്കാം:

• ഏറ്റവും ലളിതവും വ്യക്തമായ പ്രമാണങ്ങളിലൊന്ന് - ഒരു സൗകര്യം സാമ്പിൾ. ഉദാഹരണത്തിന്, സാമൂഹിക സര്വേ നടത്തുന്ന ഈ രീതി പലപ്പോഴും ഉപയോഗിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, സർവേയിൽ ഏതെങ്കിലും പ്രത്യേക സവിശേഷതകൾ ന് പുരുഷാരം നിന്ന് തിരഞ്ഞെടുത്ത അല്ല, വിവര അതിൽ ഉണ്ടായിരുന്ന ആദ്യ 50 പേർ ഹാജരാക്കും.
• മനഃപൂർവം ഒരുപറ്റം നല്ല സ്ഥിതിവിവരക്കണക്കുകൾ കൈവരിക്കുക ലക്ഷ്യം പിന്തുടരുന്നതു അവർ സെലക്ഷൻ ആവശ്യകതകൾ വ്യവസ്ഥകളും ഉണ്ട് എന്ന് വ്യത്യാസപ്പെടാം, എന്നാൽ ഇപ്പോഴും യാദൃശ്ചികമല്ല ആശ്രയിക്കുന്നു.
• ക്വോട്ടകൾ അടിസ്ഥാനത്തിൽ സാമ്പിൾ - ഈ ഓൺ-പ്രൊബബിലിസ്തിച് പലപ്പോഴും വലിയ ഡാറ്റ സെറ്റ് വിശകലനം ചെയ്യാനുപയോഗിക്കുന്ന സാമ്പിൾ, മറ്റൊരു ഗൃഹാതുരത്വം തന്നെ. അവൾക്കു വേണ്ടി, അവസ്ഥ അറിയാനുള്ള പലതരം ഉപയോഗിച്ച്. പൊരുത്തം ചെയ്യാൻ തിരഞ്ഞെടുത്ത വസ്തുക്കൾ. സോഷ്യൽ സർവേയുടെ ഉദാഹരണമാണ് 100 ആളുകൾ അഭിമുഖം, പക്ഷേ വ്യക്തമാക്കിയ ആവശ്യത്തിനൊതുങ്ങുമെന്നോ ആളുകളുടെ ഒരു എണ്ണം മാത്രമാണ് അഭിപ്രായം സ്റ്റാറ്റിസ്റ്റിക്കൽ റിപ്പോർട്ടുകൾ തയ്യാറെടുപ്പ് പരിഗണിക്കേണ്ടതുണ്ട് ചെയ്യും സൂചിപ്പിക്കുന്നത്.

പ്രോബബിലിറ്റി ഒരുപറ്റം

പ്രോബബിലിറ്റി ഒരുപറ്റം സാമ്പിൾ വസ്തുക്കൾ അവരുടെ ഇടയിൽ, സംഗമം സാമ്പിൾ ഡാറ്റ രെപ്രെസെംതതിവെനെഷ് പോലെ അവതരിപ്പിക്കുന്ന വസ്തുതകൾ ഡാറ്റയും കൃത്യമായി തെരഞ്ഞെടുക്കപ്പെട്ട ചെയ്യാൻ നിരവധി മാർഗങ്ങൾ ഏത് ഓപ്ഷനുകൾ എണ്ണം കണക്കാക്കപ്പെടുന്നു. ഈ രീതികൾ ആവശ്യമായ ഡാറ്റ കഴിയും കണക്കുകൂട്ടാൻ:

• സിമ്പിൾ റാൻഡം ഒരുപറ്റം. ഇത് തിരഞ്ഞെടുത്ത വിഭാഗത്തിൽ ഇടയിൽ പൂർണ്ണമായും ക്രമരഹിതമായി അതുതന്നെ ആയിരിക്കും ഡാറ്റ ലോട്ടറി ആവശ്യമായ തുക തിരഞ്ഞെടുത്ത വസ്തുത സ്ഥിതിചെയ്യുന്നത്.

• ചിട്ടയായ ആൻഡ് റാൻഡം ഒരുപറ്റം റാൻഡം വിഭാഗത്തിൽ അടിസ്ഥാനത്തിൽ ആവശ്യമായ ഡാറ്റ കണക്കുകളുടെ ഒരു സിസ്റ്റം സൃഷ്ടിക്കാൻ സാധ്യമാക്കുന്നു. അങ്ങനെ, സാധാരണ ജനങ്ങൾക്കിടയിൽ തിരഞ്ഞെടുത്ത ഡാറ്റയുടെ സംഖ്യകൾ സൂചിപ്പിക്കുന്നു ആദ്യ റാൻഡം നമ്പർ, എങ്കിൽ, 5, പിന്നെ തുടർന്നുള്ള ഡാറ്റ തെരഞ്ഞെടുക്കുന്ന കഴിയും, ഉദാഹരണത്തിന്, 15, 25, 35 അങ്ങനെ ഉണ്ട്. ഈ ഉദാഹരണം വ്യക്തമായി പോലും ഒരു റാൻഡം സെലക്ഷൻ ആവശ്യമായ അസംസ്കൃത ഡാറ്റ സിസ്റ്റമാറ്റിക് കണക്കുകൾ അടിസ്ഥാനമാക്കി വേണം എന്നും വിശദീകരിക്കുന്നു.

സാമ്പിൾ ഉപഭോക്താക്കൾ

അർത്ഥ സാമ്പിൾ - ഓരോ വ്യക്തിഗത വിഭാഗത്തിൽ പരിഗണിക്കുമ്പോൾ ൽ അടങ്ങിയ ഒരു രീതി, പങ്കിട്ട ഡാറ്റാബേസ് പ്രത്യേകതകൾ വസ്തുവകകളും പ്രതിഫലിപ്പിക്കുന്നു തന്റെ വിലയിരുത്തൽ സമാഹരിച്ച സെറ്റ് അടിസ്ഥാനമാക്കി. അങ്ങനെ ഒരു പ്രതിനിധി സാമ്പിൾ ആവശ്യങ്ങൾ അനുബന്ധമായ ഡാറ്റ വലിയ തുക ഡയൽ. ഇത് എളുപ്പത്തിൽ മൊത്തം ജനസംഖ്യ പ്രതിനിധാനം തിരഞ്ഞെടുത്ത ഡാറ്റ ഗുണനിലവാരം നഷ്ടപ്പെടാതെ, ആകെ എണ്ണം ഉൾപ്പെടുത്തില്ല എന്ന് നിരവധി ഓപ്ഷനുകൾ തിരഞ്ഞെടുക്കുക സാധ്യമാണ്. പഠനത്തിന്റെ ഫലങ്ങൾ രെപ്രെസെംതതിവെനെഷ് ഈ വിധത്തിൽ.

സാമ്പിൾ വലിപ്പം

അഭിസംബോധന വേണം എന്നല്ല കഴിഞ്ഞ ചോദ്യം - ജനസംഖ്യയിൽ രെപ്രെസെംതതിവെനെഷ് സാമ്പിൾ വലുപ്പം ആണ്. സാമ്പിൾ വലിപ്പം എപ്പോഴും ജനസംഖ്യ കേന്ദ്രങ്ങൾ എണ്ണം ആശ്രയിക്കുന്നില്ല. എന്നാൽ, സാമ്പിളിന്റെ രെപ്രെസെംതതിവെനെഷ് എത്ര സെഗ്മെന്റുകൾ ഒടുവിൽ തിരിച്ചിരിക്കുന്നു ഫലം ആയിരിക്കണം വേണ്ടി ആശ്രയിച്ചിരിക്കുന്നു. കൂടുതൽ സെഗ്മെന്റുകൾക്ക് കൂടുതൽ ഡാറ്റ ഉൽപാദന സാമ്പിൾ എത്തുന്ന. ഫലങ്ങൾ ഒരു ജനറിക് അവധി ആവശ്യമാണ് വിശേഷതകൾ ആവശ്യമില്ല എങ്കിൽ, പിന്നെ, യഥാക്രമം, സാമ്പിൾ ചെറിയ, വിശദാംശങ്ങൾ തന്നെ, വിവരങ്ങൾ ഇതിന്റെ വ്യാഖ്യാനം പങ്കിട്ട ഇതിനർത്ഥം, കൂടുതൽ ഉപരിപ്ലവവും അവതരിപ്പിക്കുന്ന, കാരണം മാറുന്നു.

രെപ്രെസെംതതിവെനെഷ് പിശകുകൾ എന്ന ആശയം

പിശക് മാർജിൻ - ജനസംഖ്യയുടെ സ്വഭാവങ്ങളും സാമ്പിൾ ഡാറ്റ തമ്മിലുള്ള ഒരു പ്രത്യേക വ്യത്യാസങ്ങൾ. മുഴുവൻ പഠനം സാമ്പിൾ ൽ, വിവരങ്ങളും ഓപ്ഷനുകൾ ഒരു ഭാഗം മാത്രമേ പ്രതിനിധാനം ഒരു കൂടുതൽ വിശദമായ പഠനം മാത്രം മുഴുവൻ സെറ്റ് പഠനത്തിൽ സാധ്യമാണ് ഏതൊരു ഒരുപറ്റം സമയത്ത്, കൃത്യമായ ഡാറ്റ നേടുന്നതിന് തികച്ചും അസാധ്യമാണ്. അങ്ങനെ, ചില പിശകുകൾ തെറ്റുകൾ അനിവാര്യമായും.

പിശകുകൾ തരങ്ങൾ

ഒരു അതുതന്നെ ഒരുക്കം സംഭവിക്കുന്ന ചില പിശകുകൾ വേർതിരിക്കാൻ:

• ചിട്ടയായ.
• റാൻഡം.
• കല്പിച്ചുകൂട്ടിയ.
• മനഃപൂർവ്വം.
• സ്റ്റാൻഡേർഡ്.
• പരിധി.

റാൻഡം പിശകുകൾ രൂപം അടിസ്ഥാനം മൊത്തം ജനസംഖ്യ പഠനത്തിന്റെ ദിസ്ചൊംതിനുഒഉസ് സ്വഭാവം കഴിയും. സാധാരണഗതിയിൽ, രെപ്രെസെംതതിവെനെഷ് എന്ന റാൻഡം പിശക് ചെറിയ വലിപ്പവും സ്വഭാവം.

ചിട്ടയായ പിശകുകൾ ജനസംഖ്യയിൽ സെലക്ഷൻ നിയമങ്ങൾ ലംഘിക്കുന്ന ഡാറ്റ തമ്മിലുള്ള സംഭവിക്കാം.

ശരാശരി പിശക് - ശരാശരി സാമ്പിൾ മൂല്യങ്ങളും അടിസ്ഥാന സെറ്റ് തമ്മിലുള്ള വ്യത്യാസം. ഇത് സാമ്പിളിൽ യൂണിറ്റുകളുടെ എണ്ണം ആശ്രയിക്കുന്നില്ല. ഇത് വിപരീതമായാണ് ആണ് സാമ്പിൾ വ്യാപ്തം. അപ്പോൾ വലിയ വോള്യം, താഴ്ന്ന ശരാശരി മൂല്യം പിശക്.

പിശക് പരിധി - ശരാശരി മൂല്യം തമ്മിലുള്ള വലിയ സാധ്യത വ്യത്യാസം സാമ്പിൾ മൊത്തം ജനസംഖ്യ ചെയ്യും ആണ്. ഈ പിശക് അവരുടെ സംഭവം എന്ന നൽകിയ സാഹചര്യങ്ങളിൽ ഏറ്റവും സാധ്യമായ പിശകുകൾ നിലയിൽ ആണ്.

രെപ്രെസെംതതിവെനെഷ് എന്ന കല്പിച്ചുകൂട്ടിയ ആൻഡ് മനപ്പൂർവ്വമല്ലാത്ത പിശകുകൾ

ഡാറ്റ പിശകുകൾ കല്പിച്ചുകൂട്ടിയ ആൻഡ് മനപ്പൂർവ്വമല്ലാത്ത ആകുന്നു ഓഫ്സെറ്റ്.

അപ്പോൾ കല്പിച്ചുകൂട്ടിയ പിശക് ആവിർഭാവം കാരണങ്ങൾ പ്രവണതകളും കണക്കാക്കാനായി രീതി ഡാറ്റ സെലക്ഷൻ ഒരു സമീപനമാണ്. മനപ്പൂർവ്വമല്ലാത്ത പിശകുകൾ സാമ്പിൾ നിരീക്ഷണം തയാറാക്കണം, ഒരു പ്രതിനിധി സാമ്പിൾ രൂപീകരണത്തിൽ ഘട്ടത്തിൽ സംഭവിക്കാം. ഇത്തരം പിശകുകൾ തടയാൻ, നിങ്ങൾ ഒരുപറ്റം ഒരു നല്ല അടിസ്ഥാനം സൃഷ്ടിക്കണം, ലിസ്റ്റുകൾ ഘടക സെലക്ഷൻ യൂണിറ്റുകൾ. അതു പഠനം എല്ലാ വശങ്ങൾ മൂടുകയും കൃത്യമായിത്തോന്നുന്നു ഒരുപറ്റം ലക്ഷ്യങ്ങൾ പൂർണ്ണമായും പൊരുത്തപ്പെട്ടിരിക്കേണ്ട.

സാധുത, വിശ്വാസ്യത, രെപ്രെസെംതതിവെനെഷ്. കണക്കുകൂട്ടൽ പിശകുകൾ

സാമ്പിൾ പിശക് (എം) ഗണിത കണക്കുകൂട്ടല് മൂല്യം (എം) അർത്ഥമാക്കുന്നത്.

സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ: സാമ്പിൾ വലുപ്പം (> 30).

പിശക് (MP) എന്ന മാർജിൻ, ഒരു ബന്ധു മൂല്യം (പി) സാമ്പിൾ വലിപ്പം (n> 30).

അത് മൊത്തം പഠിക്കാൻ അത്യാവശ്യമാണ് സമയത്ത് കേസിൽ, സാമ്പിൾ തുക ചെറുതാണ് 30 കുറവ് യൂണിറ്റ് അതിൽ പിന്നീട് കേസുകൾ എണ്ണം താഴെ യൂണിറ്റ് ആയിരിക്കും.

പിശക് മൂല്യം സാമ്പിൾ വലിപ്പം നേർ അനുപാതത്തിലായിരിക്കും. പ്രതിനിധി വിവരങ്ങളും കൃത്യമായ പ്രവചനം അപ് ഡ്രോയിംഗ് സാധ്യതയെക്കുറിച്ച് ബിരുദം കണക്കുകൂട്ടൽ ഒരു മൂല്യം പരിധി പിശകുകൾ പ്രതിഫലിപ്പിക്കുന്നു.

പ്രതിനിധി സംവിധാനങ്ങൾ

ഒരു പ്രതിനിധി സാമ്പിൾ ഉപയോഗിച്ച് വിവരങ്ങൾ അവതരിപ്പിക്കുന്നത് വിലയിരുത്തൽ പ്രക്രിയയിൽ മാത്രമല്ല, മാത്രമല്ല വിവരങ്ങള് വ്യക്തി രെപ്രെസെംതതിഒനല് സംവിധാനങ്ങൾ ഉപയോഗിക്കുന്നു. അങ്ങനെ, ബ്രെയിൻ ചില പ്രക്രിയകൾ വിവരങ്ങൾ അളവ് ഫലപ്രദമായി വേഗം വിതരണം ഡാറ്റ വിലയിരുത്തുകയും വിഷയത്തെ സംബന്ധിച്ച മനസിലാക്കുന്നതിന് വിവരങ്ങൾ മുഴുവൻ ഒഴുക്ക് ഒരു പ്രതിനിധി സാമ്പിൾ സൃഷ്ടിക്കാൻ. മനുഷ്യ ബോധത്തിന്റെ വളരെ ലളിതമായി സ്കെയിൽ - "- ഈ ആ രെപ്രെസെംതതിവെനെഷ്": ചോദ്യത്തിന് ഉത്തരം. ഇത് ചെയ്യുന്നതിന്, മസ്തിഷ്കത്തിനു ആജ്ഞാനുവർത്തികളായി ഉപയോഗിക്കുന്ന ഇന്ദ്രിയങ്ങളും ജനറൽ സ്ട്രീം പിരിയും വേണം വിവരങ്ങൾ ഏതുതരം അനുസരിച്ച്. അങ്ങനെ, ജലാംശമാണ് ഉണ്ടാക്കിയ:

• അവയവങ്ങൾ കണ്ണിന്റെ വിഷ്വൽ ധാരണ വിനിയോഗിച്ചു എവിടെ വിഷ്വൽ രെപ്രെസെംതതിഒനല് സിസ്റ്റം. ആളുകൾ പലപ്പോഴും ദൃശ്യങ്ങൾ എന്നുവിളിക്കുന്ന സമാനമായ സിസ്റ്റം, ഉപയോഗിക്കുന്നു. ഈ സിസ്റ്റം ഉപയോഗിച്ച്, ഒരു വ്യക്തി ചിത്രങ്ങൾ രൂപത്തിൽ വിവരങ്ങൾ പ്രക്രിയകൾ.
• ഓഡിറ്ററി രെപ്രെസെംതതിഒനല് സിസ്റ്റം. ഉപയോഗിക്കുന്ന പ്രധാന ശരീരം, - ഇത് ഒരു ശ്രുതി ആണ്. ശബ്ദ ഫയലുകളും അല്ലെങ്കിൽ പ്രസംഗം രൂപത്തിൽ നൽകിയ വിവരം, അത് സിസ്റ്റം നടപ്പിലാക്കിയാൽ. ശ്രവണ വിവരങ്ങൾ, ഔദിഅലമി വിളിച്ചു കൂടുതൽ സ്വീകരിക്കുമെന്ന ആകുന്നു.
• അതില് പ്രതിനിധി സിസ്റ്റം മധുരം സ്പർശിക്കാനാവുന്ന ചാനലുകൾ അതിനെ യുവതി വിവരങ്ങൾ ഒരു പ്രോസസ്സിംഗ് ഒഴുക്ക് ആണ്.

• ഡിജിറ്റൽ പ്രതിനിധി സിസ്റ്റം പുറത്തുനിന്ന് വിവരങ്ങൾ നേടുന്നതിനായി ഒരു മാർഗ്ഗമായി മറ്റ് ഒന്നിച്ചു ഉപയോഗിക്കുന്നു. ഈ വിഷയം പറച്ചിലിന് ഡാറ്റയും ലോജിക്കൽ വ്യാഖ്യാനം.

അങ്ങനെ രെപ്രെസെംതതിവെനെഷ് - ആരാ അത്? വിവരങ്ങൾ നടത്താനും കൂട്ടം അവിഭാജ്യ നടപടിക്രമം നിന്നും ലളിതമായ സെലക്ഷൻ? ഞങ്ങൾ ഏറ്റവും ശക്തവും അർത്ഥവത്തായ അതിൽ നിന്ന് വേർതിരിച്ചെടുത്തത് സഹായിക്കുകയും രെപ്രെസെംതതിവെനെഷ് വലിയതോതിൽ ഡാറ്റയും ഞങ്ങളുടെ ധാരണ നിർണ്ണയിക്കുന്ന പറയാം.