প্রতিনিধীত্বগুলির - এই প্রক্রিয়া কি? কভারেজ ত্রুটি

উপস্থাপনা ধারণার খুবই সাধারণ বিষয় পরিসংখ্যানগত otchetnostyakh এবং বক্তৃতা এবং রিপোর্ট প্রস্তুতি। সম্ভবত ছাড়াই এটি প্রদর্শনের তথ্য উপস্থাপন যে কোন ধরণের কল্পনা করা কঠিন।

প্রতিনিধীত্বগুলির - এটা কি?

প্রতিনিধীত্বগুলির কিভাবে নির্বাচিত বস্তু বা অংশের বিষয়বস্তু এবং তথ্য জনসংখ্যা, যা থেকে তারা নির্বাচিত হয় অর্থ মিলা প্রতিফলিত করে।

অন্যান্য সংজ্ঞা

উপস্থাপনা ধারণার প্রেক্ষাপটের প্রসারণ করা সম্ভব। কিন্তু এর অর্থ উপস্থাপনা - সম্মতি বৈশিষ্ট্য এবং সাধারণ জনগোষ্ঠীর নির্বাচিত ইউনিট সঠিকভাবে সামগ্রিকভাবে সমগ্র ডাটাবেসের সাধারণ বৈশিষ্ট্য প্রতিফলিত বৈশিষ্ট্য নয়।

এছাড়াও প্রতিনিধি তথ্য নমুনা তথ্য পরামিতি এবং বৈশিষ্ট্য যে চলমান গবেষণা দৃষ্টিকোণ থেকে গুরুত্বপূর্ণ সেট জমা দিতে ক্ষমতা হিসাবে সংজ্ঞায়িত করা হয়।

প্রতিনিধি নমুনা

স্যাম্পলিং নীতিকে সবচেয়ে সঠিক বেছে নেওয়ার এবং একটি ডেটা সেট বৈশিষ্ট্য প্রদর্শন করার মধ্যে গুরুত্বপূর্ণ। এটা তোলে পদ্ধতি, যা সঠিক ফলাফল প্রাপ্ত করার অনুমতি দেয় বিভিন্ন এবং একটি ওভারভিউ ব্যবহার সাধারণ জনসংখ্যা, শুধুমাত্র নির্বাচিত উপকরণ যে ডেটা মান বর্ণনা ব্যবহার করে।

সুতরাং, সব বস্তুগত শিখতে কোন প্রয়োজন, এবং এটি একটি নির্বাচনী উপস্থাপনা বিবেচনা করতে যথেষ্ট। এটা কি? এই আদেশ তথ্য মোট ভর সম্পর্কে একটি ধারণা আছে করার জন্য পৃথক ডেটার একটি নমুনা।

তারা সম্ভাব্যতা এবং অ সম্ভাব্যতা যেমন বিশিষ্ট পদ্ধতি উপর নির্ভর করে করা হয়। সম্ভাব্যতা - যা একটি নমুনা সবচেয়ে গুরুত্বপূর্ণ এবং আকর্ষণীয় তথ্য, যা সাধারণ জনসংখ্যার আরও প্রতিনিধি গণনা করে তৈরি করা হয়। এই ইচ্ছাকৃত পছন্দ বা র্যান্ডম নমুনা অবশ্য এটির সামগ্রীগুলি দ্বারা সমর্থনযোগ্য নয়।

Nonprobabilistic - লটারি স্বাভাবিক নীতি এ একটি র্যান্ডম নমুনা এক ফর্ম। এই ক্ষেত্রে, যে ব্যক্তি এ ধরনের নির্বাচন করে তোলে মতামত। এটা শুধুমাত্র অন্ধ ড্র ব্যবহার করে।

সম্ভাব্যতা স্যাম্পলিং

সম্ভাব্যতা স্যাম্পলিং এছাড়াও বিভিন্ন ধরনের বিভক্ত করা যায়:

• সবচেয়ে সহজ এবং পরিষ্কার নীতির এক - একটি সুবিধা নমুনা। উদাহরণস্বরূপ, এই পদ্ধতি প্রায়ই যখন সামাজিক সার্ভে পরিচালনা ব্যবহৃত হয়। এই ক্ষেত্রে, উত্তরদাতাদের কোন বিশেষ বৈশিষ্ট্য এ ভিড় থেকে নির্বাচিত করা হয় না, এবং তথ্য প্রথম 50 যারা তা অংশ নেন উত্পাদিত।
• ইচ্ছাকৃত স্যাম্পলিং পার্থক্য তারা প্রয়োজনীয়তা ও নির্বাচনের জন্য অবস্থার একটি সংখ্যা আছে, কিন্তু এখনও কাকতালীয় উপর নির্ভর, ভাল পরিসংখ্যান অর্জনের লক্ষ্য না অনুগমন।
• কোটা ভিত্তিতে নমুনা - এই হল অন্য প্রকরণ অন সম্ভাব্য নমুনা, যা প্রায়ই অত্যধিক ডেটা সেট বিশ্লেষণের জন্য ব্যবহার করা হয়। তার জন্য, অবস্থা ও নিয়ম বিভিন্ন ব্যবহার করা হয়েছে। নির্বাচিত বস্তু তাদের মেলে। সেই সামাজিক জরিপের উদাহরণ দাড়ায় যে 100 জন সাক্ষাৎকার করা হবে, কিন্তু শুধুমাত্র যারা নিদিষ্ট প্রয়োজনীয়তা পূরণ করবে একটা সংখ্যা মতামত পরিসংখ্যানগত রিপোর্ট প্রস্তুতি বিবেচনায় নেয়া হবে।

সম্ভাব্যতা স্যাম্পলিং

অপশন যা নমুনা বস্তু, দেখা হবে তাদের মধ্যে উপায়ে অবিকল তথ্য ও ডেটা আছে যা নমুনা ডেটা প্রতিনিধীত্বগুলির যেমন উপস্থাপন করা হবে নির্বাচিত করা একটা সংখ্যা সম্ভাব্যতা স্যাম্পলিং আনুমানিক হিসাব জন্য। এই পদ্ধতির গনা প্রয়োজনীয় তথ্য হতে পারে:

• সরল র্যান্ডম স্যাম্পলিং। এটা সত্য যে নির্বাচিত সেগমেন্ট মধ্যে সম্পূর্ণরূপে এলোমেলোভাবে ডেটার লটারি প্রয়োজনীয় পরিমাণ যে প্রতিনিধি নমুনা হতে হবে নির্বাচিত ব্যবস্থার সবচেয়ে গুরত্বপূর্ণ।

• পদ্ধতিগত এবং র্যান্ডম স্যাম্পলিং এটা সম্ভব একটি র্যান্ডম সেগমেন্ট ভিত্তিতে প্রয়োজনীয় তথ্য গণক একটি সিস্টেম তৈরি করে তোলে। সুতরাং, যদি প্রথম র্যান্ডম সংখ্যা, যা সাধারণ জনসংখ্যার থেকে নির্বাচিত ডাটার পূরণবাচক সংখ্যা নির্দেশ করে, 5 হয়, তাহলে পরবর্তী তথ্য, হতে পারে উদাহরণস্বরূপ, 15, 25, 35 ইত্যাদি সিলেক্ট করতে হবে। এই উদাহরণটিতে পরিষ্কারভাবে ব্যাখ্যা করেছেন যে এমনকি একটি র্যান্ডম নির্বাচন প্রয়োজনীয় কাঁচা ডেটা নিয়মানুগ গণনার উপর ভিত্তি করে করা যেতে পারে।

নমুনা গ্রাহকদের

অর্থপূর্ণ নমুনা - একটি পদ্ধতি প্রতিটি সেগমেন্ট বিবেচনায় যা, এবং বৈশিষ্ট্য এবং ভাগ ডাটাবেসের বৈশিষ্ট্য অনুধ্যায়ী তার মূল্যায়ন কম্পাইল সেট উপর ভিত্তি করে। এভাবে একটি প্রতিনিধি নমুনা প্রয়োজনীয়তা সংশ্লিষ্ট ডেটার বৃহত্তর পরিমাণ ডায়াল। এটা সহজেই, বিকল্প মোট সংখ্যা অন্তর্ভুক্ত করা হবে না একটি নম্বর নির্বাচন করতে মোট জনসংখ্যার প্রতিনিধিত্বমূলক নির্বাচিত ডাটা মান হারানো ছাড়া সম্ভব। এই পদ্ধতিতে গবেষণা ফলাফল এর প্রতিনিধীত্বগুলির।

নমুনা আকার

শেষ না প্রশ্ন সুরাহা করা হবে - এটা জনসংখ্যার প্রতিনিধীত্বগুলির জন্য নমুনা আকার। নমুনা আকার সবসময় জনসংখ্যা সূত্র সংখ্যার উপর নির্ভর করে না। যাইহোক, নমুনা প্রতিনিধীত্বগুলির কত অংশ অবশেষে ফলাফলের ভাগে ভাগ করা উচিত উপর নির্ভর করে। একাধিক অংশ, আরো তথ্য উৎপাদনশীল নমুনা মধ্যে পায়। ফলাফল একটি জেনেরিক শব্দ প্রয়োজন এবং সুনির্দিষ্ট প্রয়োজন হয় না, তাহলে যথাক্রমে, নমুনা ছোট হয়ে, কারণ বিস্তারিত মধ্যে যাওয়া ছাড়া, তথ্য আরো পৃষ্ঠস্থ উপস্থাপন করা হয়, যার মানে যে তার ব্যাখ্যা ভাগ করা হয়।

প্রতিনিধীত্বগুলির ত্রুটি ধারণা

ত্রুটির মার্জিন - জনসংখ্যা ও নমুনা তথ্য বৈশিষ্ট্য মধ্যে একটি নির্দিষ্ট পার্থক্য। কোনো স্যাম্পলিং সময় পূর্ণ অধ্যয়ন জনসংখ্যা হিসেবে, সঠিক ডেটা পেতে এবং তথ্য এবং বিকল্প একটি অংশ মাত্র প্রতিনিধিত্ব নমুনা, যখন আরো বিস্তারিত গবেষণা শুধুমাত্র সমগ্র সেট অধ্যয়ন সম্ভব একেবারে অসম্ভব। সুতরাং, অবশ্যম্ভাবীরূপে কিছু ত্রুটি এবং ভুল।

ত্রুটি ধরনের

কিছু ত্রুটি রয়েছে যা একটি প্রতিনিধি নমুনা প্রস্তুতি ঘটতে পার্থক্য:

• পদ্ধতিগত।
• এলোমেলো।
• ইচ্ছাকৃত।
• অনিচ্ছাকৃত।
• স্ট্যান্ডার্ড।
• সীমা।

র্যান্ডম ত্রুটি চেহারা ভিত্তি অধ্যয়ন মোট জনসংখ্যার সান্তার প্রকৃতি হতে পারে। সাধারণত, প্রতিনিধীত্বগুলির র্যান্ডম ত্রুটি ছোট আকার এবং চরিত্র আছে।

পদ্ধতিগত ত্রুটি সাধারণ জনসংখ্যার নির্বাচন বিধি লঙ্ঘন করে তথ্য মধ্যে ঘটে থাকে।

গড় ত্রুটি - গড় নমুনা মূল্যবোধ ও মৌলিক সেট মধ্যে পার্থক্য। এটা তোলে নমুনা ইউনিট সংখ্যার উপর নির্ভর করে না। এটা তোলে ব্যস্ত সমানুপাতিক নমুনা ভলিউম। তারপর বৃহত্তর ভলিউম, নিম্ন গড় মান ত্রুটি।

ত্রুটি সীমা - গড় মান এবং মোট জনসংখ্যার নমুনার করতে হবে মধ্যে বৃহত্তম সম্ভব পার্থক্য নেই। এই ত্রুটিটি তাদের সংঘটন দেওয়া অবস্থার অধীনে সবথেকে সম্ভাব্য ত্রুটি হিসাবে চিহ্নিত।

প্রতিনিধীত্বগুলির এর ইচ্ছাকৃত এবং অনিচ্ছাকৃত ত্রুটি

তথ্য অফসেট ত্রুটি ইচ্ছাকৃত এবং অনিচ্ছাকৃত হয়।

তারপর ইচ্ছাকৃত ত্রুটি উত্থান কারণ প্রবণতা নির্ণয় পদ্ধতি দ্বারা ডেটা নির্বাচন একটি পন্থা। নমুনা পর্যবেক্ষণ, একটি প্রতিনিধি নমুনা গঠনের প্রস্তুতি পর্যায়ে অনিচ্ছাকৃত ত্রুটি ঘটতে পারে। এই ধরনের ভুলের প্রতিরোধ করার জন্য, আপনি একটি ভাল ভিত্তি স্যাম্পলিং জন্য, তালিকা কম্পোনেন্ট নির্বাচন ইউনিট তৈরি করতে হবে। এটি সম্পূর্ণরূপে সামঞ্জস্যপূর্ণ স্যাম্পলিং লক্ষ্য সঙ্গে সঠিক বলে, অধ্যয়ন সব দিক আচ্ছাদন হওয়া উচিত।

বৈধতা, বিশ্বাসযোগ্যতা, প্রতিনিধীত্বগুলির। হিসাব ত্রুটি

নমুনা ত্রুটি (মিমি) গাণিতিক গণনা মান (এম) মানে।

স্ট্যান্ডার্ড ডেভিয়েশন: নমুনা আকার (> 30)।

ত্রুটির মার্জিন (এমপি) এবং একটি আপেক্ষিক মান (P) টি নমুনা আকার (ঢ> 30)।

যদি যখন এটি সমষ্টিগত অধ্যয়ন করতে, যেখানে নমুনা পরিমাণ ছোট এবং কম 30 ইউনিট, তারপর মামলার এক নম্বর ইউনিট কম হবে প্রয়োজনীয়।

ত্রুটি মান সরাসরি নমুনা আকার সমানুপাতিক। প্রতিনিধি তথ্য ও একটি সঠিক পূর্বাভাস আপ অঙ্কন সম্ভাবনার ডিগ্রী হিসাব একটি নির্দিষ্ট মান সীমা ত্রুটি প্রতিফলিত করে।

প্রতিনিধি সিস্টেম

শুধু একটি প্রতিনিধি নমুনা ব্যবহার তথ্য উপস্থাপন, কিন্তু তথ্য প্রাপ্তির ব্যক্তি প্রতিনিধিত্বমূলক ব্যবস্থা ব্যবহার মূল্যায়ন প্রক্রিয়ায়। সুতরাং, মস্তিষ্ক নির্দিষ্ট প্রক্রিয়া তথ্যের পরিমাণ অর্ডার দক্ষতার এবং দ্রুত সরবরাহকৃত তথ্য মূল্যায়ন এবং বিষয়ের বুঝতে তথ্য সমগ্র প্রবাহ প্রতিনিধি নমুনা তৈরি করুন। প্রশ্নের উত্তর দেওয়ার জন্য: "প্রতিনিধীত্বগুলির - যে এই" - বেশ সহজভাবে মানুষের চেতনা স্কেল। এই কাজের জন্য, মস্তিষ্কে সব অধীনস্থ ব্যবহার , অজ্ঞান তথ্য কি ধরনের সাধারণ স্ট্রীম থেকে পৃথক করা উচিৎ উপর নির্ভর করে। সুতরাং, পার্থক্য মধ্যে তৈরি করা হয়:

• ভিসুয়াল প্রতিনিধিত্বমূলক ব্যবস্থা যেখানে অঙ্গ চোখের চাক্ষুষ প্রত্যক্ষ ব্যবহার করা হয়। মানুষ প্রায়ই একটি অনুরূপ সিস্টেম ব্যবহার, ভিজ্যুয়াল বলা হয়। এই সিস্টেম দিয়ে, একজন ব্যক্তি ইমেজ আকারে তথ্য প্রক্রিয়া করে।
• শ্রাবণ প্রতিনিধিত্বমূলক সিস্টেম। প্রধান শরীর, যা ব্যবহার করা হয় - এই একটা গুজব আছে। শব্দ ফাইল বা বক্তৃতা আকারে সরবরাহকৃত তথ্য, এটি সিস্টেমের দ্বারা প্রক্রিয়াকৃত হয়। মানুষ শুনানি বলা audialami উপর তথ্য আরো ধারণক্ষম হয়।
• Kinesthetic প্রতিনিধি সিস্টেম ঘ্রাণজ এবং স্পৃশ্য চ্যানেল এটা সেন্সিং-তথ্য একটি প্রক্রিয়াকরণ প্রবাহ হয়।

• ডিজিটাল প্রতিনিধি সিস্টেমের বাইরে থেকে তথ্য প্রাপ্তির একটি উপায় হিসেবে অপরের সাথে একসঙ্গে ব্যবহার করা হয়। এই ইতিবাচক উপলব্ধি এবং ডেটার লজিক্যাল ব্যাখ্যা।

সুতরাং প্রতিনিধীত্বগুলির - এটা কি? প্রক্রিয়াকরণের তথ্য সেট বা অবিচ্ছেদ্য পদ্ধতি থেকে সরল নির্বাচন? আমরা বলতে পারি প্রতিনিধীত্বগুলির মূলত ডাটা স্ট্রিম আমাদের উপলব্ধি নির্ধারণ করে, তা থেকে সর্বাধিক মেনে নেওয়া এবং অর্থপূর্ণ বিছিন্ন সাহায্য।