एक सरल यादृच्छिक नमूना का उपयोग शोधकर्ताओं द्वारा बड़े समूह या आबादी से चुने गए व्यक्तियों के एक सबसेट को मापने के लिए किया जाता है ताकि पूरे समूह की प्रतिक्रिया का अनुमान लगाया जा सके। इस शोध पद्धति के लाभ और कमियां दोनों हैं।
सरल यादृच्छिक नमूना: एक अवलोकन
सर्वेक्षण तकनीकों के अन्य रूपों के विपरीत, सरल यादृच्छिक नमूने एक बड़े समूह से प्रतिक्रियाओं को प्राप्त करने के लिए एक निष्पक्ष दृष्टिकोण है। हालांकि अनुसंधान में एक सरल यादृच्छिक नमूना का उपयोग करने के लिए अलग-अलग फायदे हैं, इसमें अंतर्निहित कमियां हैं। इन नुकसानों में एक विशिष्ट आबादी की पूरी सूची को इकट्ठा करने के लिए आवश्यक समय शामिल होता है, उस सूची को पुनः प्राप्त करने और संपर्क करने के लिए आवश्यक पूंजी, और पूर्वाग्रह जो तब हो सकता है जब नमूना सेट पूरी आबादी का पर्याप्त रूप से प्रतिनिधित्व करने के लिए पर्याप्त नहीं है।
एक सरल यादृच्छिक नमूना के लाभ
रैंडम सैंपलिंग से दो प्राथमिक फायदे मिलते हैं।
बायस की कमी
क्योंकि बड़े समूह का सबसेट बनाने वाले व्यक्तियों को यादृच्छिक रूप से चुना जाता है, बड़ी आबादी के सेट में प्रत्येक व्यक्ति को चुने जाने की समान संभावना होती है। यह, ज्यादातर मामलों में, एक संतुलित सबसेट जो बड़े समूह को समग्र रूप से प्रस्तुत करने की सबसे बड़ी क्षमता का वहन करता है।
सादगी
जैसा कि इसके नाम का तात्पर्य है, एक सरल यादृच्छिक नमूना बनाना अन्य तरीकों की तुलना में बहुत कम जटिल है, जैसे कि स्तरीकृत यादृच्छिक नमूनाकरण। जैसा कि उल्लेख किया गया है, सबसेट में व्यक्तियों को यादृच्छिक रूप से चुना जाता है और कोई अतिरिक्त कदम नहीं होते हैं।
यह सुनिश्चित करने के लिए कि पक्षपात नहीं होता है, शोधकर्ताओं को पर्याप्त संख्या में उत्तरदाताओं से प्रतिक्रियाएं प्राप्त करनी चाहिए, जो समय या बजट की कमी के कारण संभव नहीं हो सकता है।
एक सरल यादृच्छिक नमूना का नुकसान
इस शोध पद्धति की कमियां शामिल हैं:
पूर्ण जनसंख्या की सूची तक पहुँचने में कठिनाई
सरल यादृच्छिक नमूने में, एक बड़ी आबादी का एक सटीक सांख्यिकीय माप केवल तभी प्राप्त किया जा सकता है जब अध्ययन के लिए पूरी आबादी की पूरी सूची उपलब्ध हो। कुछ उदाहरणों में, किसी विश्वविद्यालय में छात्रों की आबादी या किसी विशिष्ट कंपनी के कर्मचारियों के समूह पर विवरण उस संगठन के माध्यम से सुलभ होते हैं जो प्रत्येक आबादी को जोड़ता है।
चाबी छीन लेना
- एक सरल यादृच्छिक नमूना उन तरीकों में से एक है जो शोधकर्ताओं ने बड़ी आबादी से एक नमूना चुनने के लिए उपयोग किए हैं। माजोर के फायदे में इसकी सादगी और पूर्वाग्रह की कमी शामिल है। हालांकि नुकसान एक बड़ी आबादी, समय, लागत, और की सूची तक पहुंचने में कठिनाई होती है। वह पूर्वाग्रह अभी भी कुछ परिस्थितियों में हो सकता है।
हालांकि, पूरी सूची तक पहुंच प्राप्त करना चुनौतियां पेश कर सकता है। कुछ विश्वविद्यालय या कॉलेज शोध के लिए छात्रों या शिक्षकों की पूरी सूची प्रदान करने के लिए तैयार नहीं हैं। इसी तरह, विशिष्ट कंपनियां गोपनीयता नीतियों के कारण कर्मचारी समूहों के बारे में जानकारी देने के लिए तैयार या सक्षम नहीं हो सकती हैं।
बहुत समय लगेगा
जब एक बड़ी आबादी की पूरी सूची उपलब्ध नहीं होती है, तो सरल यादृच्छिक नमूने के संचालन का प्रयास करने वाले व्यक्तियों को अन्य स्रोतों से जानकारी एकत्र करनी चाहिए। यदि सार्वजनिक रूप से उपलब्ध है, तो छोटी उप-सूचियों का उपयोग बड़ी आबादी की पूरी सूची को फिर से बनाने के लिए किया जा सकता है, लेकिन इस रणनीति को पूरा होने में समय लगता है। संगठन, जो छात्रों, कर्मचारियों और व्यक्तिगत उपभोक्ताओं पर डेटा रखते हैं, अक्सर लंबी पुनर्प्राप्ति प्रक्रियाएं लगाते हैं जो संपूर्ण जनसंख्या सेट पर सबसे सटीक जानकारी प्राप्त करने के लिए एक शोधकर्ता की क्षमता को रोक सकते हैं।
लागत
विभिन्न स्रोतों से जानकारी इकट्ठा करने में लगने वाले समय के अलावा, इस प्रक्रिया में कंपनी या किसी व्यक्ति की पर्याप्त मात्रा में पूंजी खर्च हो सकती है। किसी तृतीय-पक्ष डेटा प्रदाता से जनसंख्या या छोटी उप-सूची की पूरी सूची प्राप्त करने पर भुगतान करने की आवश्यकता हो सकती है, जब डेटा प्रदान किया जाता है। यदि नमूना सरल यादृच्छिक नमूने के पहले दौर के दौरान पूरी आबादी के विचारों का प्रतिनिधित्व करने के लिए पर्याप्त नहीं है, तो नमूना त्रुटि से बचने के लिए अतिरिक्त सूची या डेटाबेस खरीदना निषेधात्मक हो सकता है।
नमूना चयन पूर्वाग्रह
हालांकि सरल यादृच्छिक नमूने का सर्वेक्षण करने के लिए एक निष्पक्ष दृष्टिकोण होना चाहिए, नमूना चयन पूर्वाग्रह हो सकता है। जब बड़ी आबादी का एक नमूना सेट पर्याप्त रूप से समावेशी नहीं होता है, तो पूरी आबादी का प्रतिनिधित्व तिरछा होता है और इसके लिए अतिरिक्त नमूने तकनीक की आवश्यकता होती है।
