ಮಾದರಿಯು ಪರಿಶೋಧನಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಜನಸಂಖ್ಯೆಯಿಂದ ಕೆಲವು ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ತೆಗೆದುಕೊಳ್ಳಲಾದ ಡೇಟಾದ ಗುಂಪಾಗಿದೆ. ಪ್ರಾತಿನಿಧ್ಯವು ಸಂಪೂರ್ಣ ಕಲ್ಪನೆಯನ್ನು ಅದರ ಭಾಗದಿಂದ ಪುನರುತ್ಪಾದಿಸುವ ಆಸ್ತಿಯಾಗಿದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಈ ಭಾಗವನ್ನು ಒಳಗೊಂಡಿರುವ ಸಂಪೂರ್ಣ ಭಾಗದ ಕಲ್ಪನೆಯನ್ನು ವಿಸ್ತರಿಸುವ ಸಾಧ್ಯತೆ ಇದು.
ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯವು ಮಾದರಿಯು ಅದರ ಭಾಗವಾಗಿರುವ ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸಬೇಕು ಎಂಬ ಸೂಚಕವಾಗಿದೆ. ಅಧ್ಯಯನದ ಉದ್ದೇಶದ ದೃಷ್ಟಿಕೋನದಿಂದ ಗಮನಾರ್ಹವಾದ ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರತಿನಿಧಿಸಲು ಮಾದರಿಯ ಆಸ್ತಿ ಎಂದು ಇದನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು.
ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯು ಎಲ್ಲಾ ಶಾಲಾ ವಿದ್ಯಾರ್ಥಿಗಳು (30 ತರಗತಿಗಳಿಂದ 900 ಜನರು, ಪ್ರತಿ ತರಗತಿಯಲ್ಲಿ 30 ಜನರು) ಎಂದು ನಾವು ಭಾವಿಸೋಣ. ಅಧ್ಯಯನದ ವಸ್ತುವು ಧೂಮಪಾನದ ಕಡೆಗೆ ಶಾಲಾ ಮಕ್ಕಳ ವರ್ತನೆಯಾಗಿದೆ. 90 ವಿದ್ಯಾರ್ಥಿಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಮಾದರಿ ಜನಸಂಖ್ಯೆಯು ಇಡೀ ಜನಸಂಖ್ಯೆಯನ್ನು ಅದೇ 90 ವಿದ್ಯಾರ್ಥಿಗಳ ಮಾದರಿಗಿಂತ ಕೆಟ್ಟದಾಗಿ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಇದು ಪ್ರತಿ ತರಗತಿಯಿಂದ 3 ವಿದ್ಯಾರ್ಥಿಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಮುಖ್ಯ ಕಾರಣವೆಂದರೆ ಅಸಮಾನ ವಯಸ್ಸಿನ ಹಂಚಿಕೆ. ಹೀಗಾಗಿ, ಮೊದಲ ಪ್ರಕರಣದಲ್ಲಿ, ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯವು ಕಡಿಮೆ ಇರುತ್ತದೆ. ಎರಡನೇ ಸಂದರ್ಭದಲ್ಲಿ - ಹೆಚ್ಚು.
ಸಮಾಜಶಾಸ್ತ್ರದಲ್ಲಿ ಅವರು ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯ ಮತ್ತು ಅದರ ಪ್ರತಿನಿಧಿತ್ವವಿಲ್ಲ ಎಂದು ಹೇಳುತ್ತಾರೆ.
ಪ್ರತಿನಿಧಿಸದ ಮಾದರಿಯ ಉದಾಹರಣೆಯೆಂದರೆ 1936 ರಲ್ಲಿ ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನಲ್ಲಿ ಅಧ್ಯಕ್ಷೀಯ ಚುನಾವಣೆಯ ಸಮಯದಲ್ಲಿ ಸಂಭವಿಸಿದ ಒಂದು ಶ್ರೇಷ್ಠ ಪ್ರಕರಣವಾಗಿದೆ.
ಹಿಂದಿನ ಚುನಾವಣೆಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಊಹಿಸುವಲ್ಲಿ ಅತ್ಯಂತ ಯಶಸ್ವಿಯಾಗಿದ್ದ ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್, ಈ ಬಾರಿ ಅದರ ಮುನ್ಸೂಚನೆಗಳಲ್ಲಿ ತಪ್ಪಾಗಿದೆ, ಆದರೂ ಅದು ಹಲವಾರು ಮಿಲಿಯನ್ ಲಿಖಿತ ಪ್ರಶ್ನೆಗಳನ್ನು ಚಂದಾದಾರರಿಗೆ ಮತ್ತು ಅವರು ಫೋನ್ ಪುಸ್ತಕಗಳು ಮತ್ತು ಕಾರ್ ನೋಂದಣಿ ಪಟ್ಟಿಗಳಿಂದ ಆಯ್ಕೆ ಮಾಡಿದ ಪ್ರತಿಸ್ಪಂದಕರಿಗೆ ಕಳುಹಿಸಿದೆ. ಪೂರ್ಣಗೊಂಡ 1/4 ಮತಪತ್ರಗಳಲ್ಲಿ, ಮತಗಳನ್ನು ಈ ಕೆಳಗಿನಂತೆ ವಿತರಿಸಲಾಯಿತು: 57% ರಷ್ಟು ಜನರು ಆಲ್ಫ್ ಲ್ಯಾಂಡನ್ ಎಂಬ ರಿಪಬ್ಲಿಕನ್ ಅಭ್ಯರ್ಥಿಗೆ ಆದ್ಯತೆ ನೀಡಿದರು ಮತ್ತು 41% ಜನರು ಹಾಲಿ ಅಧ್ಯಕ್ಷರಾದ ಡೆಮೋಕ್ರಾಟ್ ಫ್ರಾಂಕ್ಲಿನ್ ರೂಸ್‌ವೆಲ್ಟ್‌ಗೆ ಆದ್ಯತೆ ನೀಡಿದರು.
ವಾಸ್ತವವಾಗಿ, F. ರೂಸ್ವೆಲ್ಟ್ ಚುನಾವಣೆಯಲ್ಲಿ ಗೆದ್ದರು, ಸುಮಾರು 60% ಮತಗಳನ್ನು ಗಳಿಸಿದರು. ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್‌ನ ತಪ್ಪು ಈ ಕೆಳಗಿನಂತಿತ್ತು. ಅವರು ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಯಸಿದ್ದರು . ಮತ್ತು ಅವರ ಹೆಚ್ಚಿನ ಚಂದಾದಾರರನ್ನು ರಿಪಬ್ಲಿಕನ್ ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ ಎಂದು ಅವರು ತಿಳಿದಿದ್ದರಿಂದ, ಅವರು ಫೋನ್ ಪುಸ್ತಕಗಳು ಮತ್ತು ಕಾರ್ ನೋಂದಣಿ ಪಟ್ಟಿಗಳಿಂದ ಆಯ್ಕೆ ಮಾಡಿದ ಪ್ರತಿಸ್ಪಂದಕರನ್ನು ಸೇರಿಸಲು ಮಾದರಿಯನ್ನು ವಿಸ್ತರಿಸಲು ನಿರ್ಧರಿಸಿದರು. ಆದರೆ ಅವರು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಾಸ್ತವಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಿಲ್ಲ ಮತ್ತು ವಾಸ್ತವವಾಗಿ ಇನ್ನೂ ಹೆಚ್ಚಿನ ರಿಪಬ್ಲಿಕನ್ ಬೆಂಬಲಿಗರನ್ನು ಆಯ್ಕೆ ಮಾಡಲಿಲ್ಲ, ಏಕೆಂದರೆ ಆ ಸಮಯದಲ್ಲಿ ಮಧ್ಯಮ ಮತ್ತು ಮೇಲ್ವರ್ಗದವರು ಕಾರುಗಳು ಮತ್ತು ದೂರವಾಣಿಗಳನ್ನು ಹೊಂದಲು ಶಕ್ತರಾಗಿದ್ದರು. ಮತ್ತು ಇವರು ಹೆಚ್ಚಾಗಿ ರಿಪಬ್ಲಿಕನ್ನರು, ಡೆಮೋಕ್ರಾಟ್ ಅಲ್ಲ.
ವಿವಿಧ ರೀತಿಯ ಮಾದರಿಗಳಿವೆ: ಸರಳ ಯಾದೃಚ್ಛಿಕ, ಸರಣಿ, ವಿಶಿಷ್ಟ, ಯಾಂತ್ರಿಕ ಮತ್ತು ಸಂಯೋಜಿತ.
ಸರಳವಾದ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯು ಯಾವುದೇ ವ್ಯವಸ್ಥೆಯಿಲ್ಲದೆ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಅಧ್ಯಯನ ಮಾಡಲಾದ ಘಟಕಗಳ ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆಯಿಂದ ಆಯ್ಕೆಮಾಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಕ್ರಮವನ್ನು ಹೊಂದಿರುವಾಗ ಯಾಂತ್ರಿಕ ಮಾದರಿಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಉದಾಹರಣೆಗೆ, ಕಾರ್ಮಿಕರ ಘಟಕಗಳು, ಚುನಾವಣಾ ಪಟ್ಟಿಗಳು, ಪ್ರತಿಕ್ರಿಯಿಸುವವರ ದೂರವಾಣಿ ಸಂಖ್ಯೆಗಳು, ಅಪಾರ್ಟ್ಮೆಂಟ್ಗಳು ಮತ್ತು ಮನೆಗಳ ಸಂಖ್ಯೆಗಳು ಇತ್ಯಾದಿಗಳ ನಿರ್ದಿಷ್ಟ ಅನುಕ್ರಮವಿದೆ).
ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರಕಾರದ ಪ್ರಕಾರ ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಿದಾಗ ವಿಶಿಷ್ಟ ಆಯ್ಕೆಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಜನಸಂಖ್ಯೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ, ಇವುಗಳು, ಉದಾಹರಣೆಗೆ, ಶೈಕ್ಷಣಿಕ, ವಯಸ್ಸು, ಸಾಮಾಜಿಕ ಗುಂಪುಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವಾಗ - ಉದ್ಯಮ ಅಥವಾ ಪ್ರತ್ಯೇಕ ಸಂಸ್ಥೆ, ಇತ್ಯಾದಿ.
ಘಟಕಗಳನ್ನು ಸಣ್ಣ ಸರಣಿ ಅಥವಾ ಗುಂಪುಗಳಾಗಿ ಸಂಯೋಜಿಸಿದಾಗ ಸರಣಿ ಆಯ್ಕೆಯು ಅನುಕೂಲಕರವಾಗಿರುತ್ತದೆ. ಅಂತಹ ಸರಣಿಯು ಸಿದ್ಧಪಡಿಸಿದ ಉತ್ಪನ್ನಗಳು, ಶಾಲಾ ತರಗತಿಗಳು ಮತ್ತು ಇತರ ಗುಂಪುಗಳ ಬ್ಯಾಚ್ಗಳಾಗಿರಬಹುದು.
ಸಂಯೋಜಿತ ಮಾದರಿಯು ಒಂದು ಅಥವಾ ಇನ್ನೊಂದು ಸಂಯೋಜನೆಯಲ್ಲಿ ಹಿಂದಿನ ಎಲ್ಲಾ ರೀತಿಯ ಮಾದರಿಗಳ ಬಳಕೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.
ವಾಸ್ತವವಾಗಿ, ನಾವು ಒಂದಲ್ಲ, ಆದರೆ ಮೂರು ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸುತ್ತೇವೆ: ಮಾದರಿ ಎಂದರೇನು? ಅದು ಯಾವಾಗ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ? ಅವಳು ಏನು?
ಒಟ್ಟು - ಇದು ಯಾವುದೇ ಜನರ ಗುಂಪು, ಸಂಸ್ಥೆಗಳು, ನಮಗೆ ಆಸಕ್ತಿಯಿರುವ ಘಟನೆಗಳು, ನಾವು ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಬಯಸುತ್ತೇವೆ ಮತ್ತು ನಡೆಯುತ್ತಿದೆ,ಅಥವಾ ವಸ್ತು - ಅಂತಹ ಸಂಗ್ರಹದ ಯಾವುದೇ ಅಂಶ 1 .ಮಾದರಿ - ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾದ ಪ್ರಕರಣಗಳ (ವಸ್ತುಗಳು) ಯಾವುದೇ ಉಪಗುಂಪು. ನಾವು ರಾಜ್ಯ ಶಾಸಕರ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಚಟುವಟಿಕೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಬಯಸಿದರೆ, ನಾವು ಎಲ್ಲಾ ಐವತ್ತು ರಾಜ್ಯಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ವರ್ಜೀನಿಯಾ, ಉತ್ತರ ಕೆರೊಲಿನಾ ಮತ್ತು ದಕ್ಷಿಣ ಕೆರೊಲಿನಾದ ರಾಜ್ಯ ಶಾಸಕಾಂಗಗಳಲ್ಲಿ ಅಂತಹ ಚಟುವಟಿಕೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಬಹುದು ಮತ್ತು ಇದರಿಂದ, ವಿತರಿಸಿಈ ಮೂರು ರಾಜ್ಯಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿದ ಜನಸಂಖ್ಯೆಯ ಡೇಟಾವನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. ನಾವು ಪೆನ್ಸಿಲ್ವೇನಿಯಾದ ಮತದಾರರ ಆದ್ಯತೆಯ ವ್ಯವಸ್ಥೆಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಬಯಸಿದರೆ, ನಾವು 50 U.S. ಕೆಲಸಗಾರರನ್ನು ಸಮೀಕ್ಷೆ ಮಾಡುವ ಮೂಲಕ ಅದನ್ನು ಮಾಡಬಹುದು. ಪಿಟ್ಸ್‌ಬರ್ಗ್‌ನಲ್ಲಿ ಎಸ್. ಸ್ಟೀಲ್”, ಮತ್ತು ಸಮೀಕ್ಷೆಯ ಫಲಿತಾಂಶಗಳನ್ನು ರಾಜ್ಯದ ಎಲ್ಲಾ ಮತದಾರರಿಗೆ ವಿಸ್ತರಿಸಿ. ಅಂತೆಯೇ, ನಾವು ಕಾಲೇಜು ವಿದ್ಯಾರ್ಥಿಗಳ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಅಳೆಯಲು ಬಯಸಿದರೆ, ನಾವು ಓಹಿಯೋ ರಾಜ್ಯದಲ್ಲಿ ದಾಖಲಾದ ಎಲ್ಲಾ ರಕ್ಷಣಾತ್ಮಕ ಆಟಗಾರರನ್ನು ನಿರ್ದಿಷ್ಟ ಫುಟ್ಬಾಲ್ ಋತುವಿನಲ್ಲಿ ಪರೀಕ್ಷಿಸಬಹುದು ಮತ್ತು ನಂತರ ಅವರು ಭಾಗವಾಗಿರುವ ಜನಸಂಖ್ಯೆಗೆ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸಬಹುದು. ಪ್ರತಿ ಉದಾಹರಣೆಯಲ್ಲಿ ನಾವು ಈ ಕೆಳಗಿನಂತೆ ಮುಂದುವರಿಯುತ್ತೇವೆ: ನಾವು ಜನಸಂಖ್ಯೆಯೊಳಗೆ ಒಂದು ಉಪಗುಂಪನ್ನು ಸ್ಥಾಪಿಸುತ್ತೇವೆ ನಾವು ಈ ಉಪಗುಂಪು ಅಥವಾ ಮಾದರಿಯನ್ನು ವಿವರವಾಗಿ ಅಧ್ಯಯನ ಮಾಡುತ್ತೇವೆ ಮತ್ತು ನಮ್ಮ ಫಲಿತಾಂಶಗಳನ್ನು ಇಡೀ ಜನಸಂಖ್ಯೆಗೆ ವಿಸ್ತರಿಸುತ್ತೇವೆ. ಇವು ಮಾದರಿಯ ಮುಖ್ಯ ಹಂತಗಳಾಗಿವೆ.
ಆದಾಗ್ಯೂ, ಈ ಪ್ರತಿಯೊಂದು ಮಾದರಿಯು ಗಮನಾರ್ಹ ನ್ಯೂನತೆಗಳನ್ನು ಹೊಂದಿದೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ವರ್ಜೀನಿಯಾ, ನಾರ್ತ್ ಕೆರೊಲಿನಾ ಮತ್ತು ದಕ್ಷಿಣ ಕೆರೊಲಿನಾದ ಶಾಸಕಾಂಗಗಳು ರಾಜ್ಯ ಶಾಸಕಾಂಗಗಳ ಸಂಗ್ರಹದ ಭಾಗವಾಗಿದ್ದರೂ, ಐತಿಹಾಸಿಕ, ಭೌಗೋಳಿಕ ಮತ್ತು ರಾಜಕೀಯ ಕಾರಣಗಳಿಗಾಗಿ ಅವು ಒಂದೇ ರೀತಿಯ ರೀತಿಯಲ್ಲಿ ಮತ್ತು ಶಾಸಕಾಂಗಗಳಿಗಿಂತ ವಿಭಿನ್ನವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸಾಧ್ಯತೆಯಿದೆ. ನ್ಯೂಯಾರ್ಕ್, ನೆಬ್ರಸ್ಕಾ ಮತ್ತು ಅಲಾಸ್ಕಾದಂತಹ ವಿವಿಧ ರಾಜ್ಯಗಳು. ಪಿಟ್ಸ್‌ಬರ್ಗ್‌ನಲ್ಲಿರುವ ಐವತ್ತು ಉಕ್ಕಿನ ಕೆಲಸಗಾರರು ನಿಜವಾಗಿಯೂ ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ರಾಜ್ಯದಲ್ಲಿ ಮತದಾರರಾಗಿರಬಹುದು, ಅವರು ಸಾಮಾಜಿಕ ಆರ್ಥಿಕ ಸ್ಥಿತಿ, ಶಿಕ್ಷಣ ಮತ್ತು ಜೀವನದ ಅನುಭವದ ಮೂಲಕ, ಮತದಾರರಾಗಿರುವ ಇತರ ಜನರಿಗಿಂತ ಭಿನ್ನವಾಗಿರುವ ದೃಷ್ಟಿಕೋನಗಳನ್ನು ಹೊಂದಿರಬಹುದು. ಅಂತೆಯೇ, ಓಹಿಯೋ ಸ್ಟೇಟ್ ಫುಟ್ಬಾಲ್ ಆಟಗಾರರು ಕಾಲೇಜು ವಿದ್ಯಾರ್ಥಿಗಳಾಗಿದ್ದರೂ, ಅವರು ವಿವಿಧ ಕಾರಣಗಳಿಗಾಗಿ ಇತರ ಕಾಲೇಜು ವಿದ್ಯಾರ್ಥಿಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿರಬಹುದು. ಅಂದರೆ, ಈ ಪ್ರತಿಯೊಂದು ಉಪಗುಂಪುಗಳು ನಿಜವಾಗಿಯೂ ಮಾದರಿಯಾಗಿದ್ದರೂ, ಪ್ರತಿಯೊಂದರ ಸದಸ್ಯರು ಅವರು ಆಯ್ಕೆಯಾದ ಜನಸಂಖ್ಯೆಯ ಇತರ ಸದಸ್ಯರಿಗಿಂತ ವ್ಯವಸ್ಥಿತವಾಗಿ ಭಿನ್ನವಾಗಿರುತ್ತವೆ. ಪ್ರತ್ಯೇಕ ಗುಂಪಿನಂತೆ, ಅಭಿಪ್ರಾಯಗಳ ಗುಣಲಕ್ಷಣಗಳು, ನಡವಳಿಕೆಯ ಉದ್ದೇಶಗಳು ಮತ್ತು ಜನಸಂಖ್ಯೆಯಲ್ಲಿನ ಗುಣಲಕ್ಷಣಗಳ ವಿತರಣೆಯ ವಿಷಯದಲ್ಲಿ ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ವಿಶಿಷ್ಟವಲ್ಲ. ಅಂತೆಯೇ, ಈ ಮಾದರಿಗಳಲ್ಲಿ ಯಾವುದೂ ಪ್ರತಿನಿಧಿಯಾಗಿಲ್ಲ ಎಂದು ರಾಜಕೀಯ ವಿಜ್ಞಾನಿಗಳು ಹೇಳುತ್ತಾರೆ.
ಪ್ರತಿನಿಧಿ ಮಾದರಿ - ಇದು ಮಾದರಿಯಾಗಿದ್ದು, ಈ ಮಾದರಿಯನ್ನು ಹೊರತೆಗೆಯಲಾದ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಎಲ್ಲಾ ಮುಖ್ಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸರಿಸುಮಾರು ಅದೇ ಪ್ರಮಾಣದಲ್ಲಿ ಅಥವಾ ಈ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಈ ಗುಣಲಕ್ಷಣವು ಕಂಡುಬರುವ ಅದೇ ಆವರ್ತನದೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ. ಹೀಗಾಗಿ, ಎಲ್ಲಾ ರಾಜ್ಯ ಶಾಸಕಾಂಗಗಳಲ್ಲಿ 50% ಪ್ರತಿ ಎರಡು ವರ್ಷಗಳಿಗೊಮ್ಮೆ ಮಾತ್ರ ಸಭೆ ನಡೆಸಿದರೆ, ರಾಜ್ಯ ಶಾಸಕಾಂಗಗಳ ಪ್ರತಿನಿಧಿ ಮಾದರಿಯ ಸರಿಸುಮಾರು ಅರ್ಧದಷ್ಟು ಸಂಯೋಜನೆಯು ಈ ಪ್ರಕಾರವಾಗಿರಬೇಕು. 30% ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ಮತದಾರರು ನೀಲಿ ಕಾಲರ್ ಆಗಿದ್ದರೆ, ಸುಮಾರು 30% ಪ್ರತಿನಿಧಿಗಳು ಈ ಮತದಾರರ ಮಾದರಿಗಳು (ಮೇಲಿನ ಉದಾಹರಣೆಯಲ್ಲಿರುವಂತೆ 100% ಅಲ್ಲ) ನೀಲಿ ಕಾಲರ್ ಆಗಿರಬೇಕು. ಮತ್ತು ಎಲ್ಲಾ ಕಾಲೇಜು ವಿದ್ಯಾರ್ಥಿಗಳಲ್ಲಿ 2% ಕ್ರೀಡಾಪಟುಗಳಾಗಿದ್ದರೆ, ಕಾಲೇಜು ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರತಿನಿಧಿ ಮಾದರಿಯ ಸರಿಸುಮಾರು ಅದೇ ಅನುಪಾತವು ಕ್ರೀಡಾಪಟುಗಳಾಗಿರಬೇಕು. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಪ್ರಾತಿನಿಧಿಕ ಮಾದರಿಯು ಸೂಕ್ಷ್ಮದರ್ಶಕವಾಗಿದೆ, ಇದು ಪ್ರತಿಬಿಂಬಿಸಲು ಉದ್ದೇಶಿಸಿರುವ ಜನಸಂಖ್ಯೆಯ ಚಿಕ್ಕದಾದ ಆದರೆ ನಿಖರವಾದ ಮಾದರಿಯಾಗಿದೆ. ಮಾದರಿಯು ಪ್ರತಿನಿಧಿಸುವ ಮಟ್ಟಿಗೆ, ಆ ಮಾದರಿಯ ಅಧ್ಯಯನದ ಆಧಾರದ ಮೇಲೆ ತೀರ್ಮಾನಗಳು ಮೂಲ ಜನಸಂಖ್ಯೆಗೆ ಅನ್ವಯಿಸುತ್ತವೆ ಎಂದು ಸುರಕ್ಷಿತವಾಗಿ ಊಹಿಸಬಹುದು. ಫಲಿತಾಂಶಗಳ ಈ ಹರಡುವಿಕೆಯನ್ನು ನಾವು ಸಾಮಾನ್ಯೀಕರಣ ಎಂದು ಕರೆಯುತ್ತೇವೆ.
ಬಹುಶಃ ಗ್ರಾಫಿಕ್ ವಿವರಣೆಯು ಇದನ್ನು ವಿವರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ನಾವು US ವಯಸ್ಕರಲ್ಲಿ ರಾಜಕೀಯ ಗುಂಪಿನ ಸದಸ್ಯತ್ವದ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಬಯಸುತ್ತೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ಚಿತ್ರ 5.1 ಮೂರು ವಲಯಗಳನ್ನು ಆರು ಸಮಾನ ವಲಯಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ. ಚಿತ್ರ 5.1a ಪರಿಗಣನೆಯಲ್ಲಿರುವ ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಜನಸಂಖ್ಯೆಯ ಸದಸ್ಯರನ್ನು ಅವರು ಸೇರಿರುವ ರಾಜಕೀಯ ಗುಂಪುಗಳಿಗೆ (ಪಕ್ಷಗಳು ಮತ್ತು ಆಸಕ್ತಿ ಗುಂಪುಗಳಂತಹ) ಪ್ರಕಾರ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ. ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಪ್ರತಿಯೊಬ್ಬ ವಯಸ್ಕನು ಕನಿಷ್ಟ ಒಂದಕ್ಕೆ ಸೇರಿದ್ದಾನೆ ಮತ್ತು ಆರು ರಾಜಕೀಯ ಗುಂಪುಗಳಿಗಿಂತ ಹೆಚ್ಚಿಲ್ಲ; ಮತ್ತು ಈ ಆರು ಹಂತದ ಸದಸ್ಯತ್ವವನ್ನು ಒಟ್ಟಾರೆಯಾಗಿ (ಆದ್ದರಿಂದ ಸಮಾನ ವಲಯಗಳು) ಸಮಾನವಾಗಿ ವಿತರಿಸಲಾಗುತ್ತದೆ. ಗುಂಪು ಸೇರಲು ಜನರ ಉದ್ದೇಶಗಳು, ಗುಂಪಿನ ಆಯ್ಕೆ ಮತ್ತು ಭಾಗವಹಿಸುವಿಕೆಯ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ನಾವು ಬಯಸುತ್ತೇವೆ ಎಂದು ಭಾವಿಸೋಣ, ಆದರೆ ಸಂಪನ್ಮೂಲ ಮಿತಿಗಳಿಂದಾಗಿ ನಾವು ಜನಸಂಖ್ಯೆಯ ಪ್ರತಿ ಆರು ಸದಸ್ಯರಲ್ಲಿ ಒಬ್ಬರನ್ನು ಮಾತ್ರ ಅಧ್ಯಯನ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಯಾರನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕು?
ಅಕ್ಕಿ. 5.1. ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಿಂದ ಮಾದರಿಯ ರಚನೆ
ನೀಡಿರುವ ಪರಿಮಾಣದ ಸಂಭವನೀಯ ಮಾದರಿಗಳಲ್ಲಿ ಒಂದನ್ನು ಚಿತ್ರ 5.1b ನಲ್ಲಿ ಮಬ್ಬಾದ ಪ್ರದೇಶದಿಂದ ವಿವರಿಸಲಾಗಿದೆ, ಆದರೆ ಇದು ಜನಸಂಖ್ಯೆಯ ರಚನೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುವುದಿಲ್ಲ. ಈ ಮಾದರಿಯಿಂದ ನಾವು ಸಾಮಾನ್ಯೀಕರಣಗಳನ್ನು ಮಾಡಿದರೆ, ನಾವು ತೀರ್ಮಾನಿಸುತ್ತೇವೆ: (1) ಎಲ್ಲಾ ಅಮೇರಿಕನ್ ವಯಸ್ಕರು ಐದು ರಾಜಕೀಯ ಗುಂಪುಗಳಿಗೆ ಸೇರಿದವರು ಮತ್ತು (2) ಅಮೇರಿಕನ್ನರ ಎಲ್ಲಾ ಗುಂಪು ನಡವಳಿಕೆಯು ನಿರ್ದಿಷ್ಟವಾಗಿ ಐದು ಗುಂಪುಗಳಿಗೆ ಸೇರಿದವರ ನಡವಳಿಕೆಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಮೊದಲ ತೀರ್ಮಾನವು ನಿಜವಲ್ಲ ಎಂದು ನಮಗೆ ತಿಳಿದಿದೆ ಮತ್ತು ಇದು ಎರಡನೆಯ ಸಿಂಧುತ್ವದ ಬಗ್ಗೆ ನಮಗೆ ಅನುಮಾನವನ್ನು ಉಂಟುಮಾಡಬಹುದು. ಹೀಗಾಗಿ, ಚಿತ್ರ 5.1b ನಲ್ಲಿ ತೋರಿಸಿರುವ ಮಾದರಿಯು ಪ್ರತಿನಿಧಿಯಾಗಿಲ್ಲ ಏಕೆಂದರೆ ಇದು ನಿರ್ದಿಷ್ಟ ಜನಸಂಖ್ಯೆಯ ಆಸ್ತಿಯ ವಿತರಣೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವುದಿಲ್ಲ (ಸಾಮಾನ್ಯವಾಗಿ ಕರೆಯಲಾಗುತ್ತದೆ ನಿಯತಾಂಕ ) ಅದರ ನಿಜವಾದ ವಿತರಣೆಗೆ ಅನುಗುಣವಾಗಿ. ಅಂತಹ ಮಾದರಿಯನ್ನು ಹೇಳಲಾಗುತ್ತದೆ ಕಡೆಗೆ ಸ್ಥಳಾಂತರಿಸಲಾಯಿತುಐದು ಗುಂಪುಗಳ ಸದಸ್ಯರು ಅಥವಾ ನಿಂದ ದಿಕ್ಕಿನಲ್ಲಿ ಬದಲಾಯಿಸಲಾಗಿದೆಗುಂಪು ಸದಸ್ಯತ್ವದ ಎಲ್ಲಾ ಇತರ ಮಾದರಿಗಳು. ಅಂತಹ ಪಕ್ಷಪಾತದ ಮಾದರಿಯನ್ನು ಆಧರಿಸಿ, ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ಜನಸಂಖ್ಯೆಯ ಬಗ್ಗೆ ತಪ್ಪಾದ ತೀರ್ಮಾನಕ್ಕೆ ಬರುತ್ತೇವೆ.
1930 ರ ದಶಕದಲ್ಲಿ ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್ ನಿಯತಕಾಲಿಕೆಯು ಚುನಾವಣಾ ಫಲಿತಾಂಶಗಳ ಬಗ್ಗೆ ಸಾರ್ವಜನಿಕ ಅಭಿಪ್ರಾಯ ಸಂಗ್ರಹವನ್ನು ಆಯೋಜಿಸಿದ ದುರಂತದಿಂದ ಇದನ್ನು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗಿ ಪ್ರದರ್ಶಿಸಬಹುದು. ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್ ಪತ್ರಿಕೆಯ ಸಂಪಾದಕೀಯಗಳು ಮತ್ತು ಸಾರ್ವಜನಿಕ ಅಭಿಪ್ರಾಯವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಇತರ ವಸ್ತುಗಳನ್ನು ಮರುಮುದ್ರಣ ಮಾಡುವ ನಿಯತಕಾಲಿಕವಾಗಿದೆ; ಈ ನಿಯತಕಾಲಿಕವು ಶತಮಾನದ ಆರಂಭದಲ್ಲಿ ಬಹಳ ಜನಪ್ರಿಯವಾಗಿತ್ತು. 1920 ರಿಂದ ಆರಂಭಗೊಂಡು, ನಿಯತಕಾಲಿಕವು ಒಂದು ದೊಡ್ಡ ಪ್ರಮಾಣದ ರಾಷ್ಟ್ರೀಯ ಸಮೀಕ್ಷೆಯನ್ನು ನಡೆಸಿತು, ಇದರಲ್ಲಿ ಮುಂಬರುವ ಅಧ್ಯಕ್ಷೀಯ ಚುನಾವಣೆಯಲ್ಲಿ ತಮ್ಮ ನೆಚ್ಚಿನ ಅಭ್ಯರ್ಥಿಯನ್ನು ಸೂಚಿಸಲು ಒಂದು ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ಜನರಿಗೆ ಮತಪತ್ರಗಳನ್ನು ಮೇಲ್ ಮೂಲಕ ಕಳುಹಿಸಲಾಯಿತು. ಹಲವಾರು ವರ್ಷಗಳಿಂದ, ನಿಯತಕಾಲಿಕದ ಮತದಾನದ ಫಲಿತಾಂಶಗಳು ಎಷ್ಟು ನಿಖರವಾಗಿವೆ ಎಂದರೆ ಸೆಪ್ಟೆಂಬರ್‌ನಲ್ಲಿ ನಡೆದ ಸಮೀಕ್ಷೆಯು ನವೆಂಬರ್ ಚುನಾವಣೆಯನ್ನು ಅಪ್ರಸ್ತುತಗೊಳಿಸುವಂತೆ ತೋರುತ್ತಿತ್ತು. ಮತ್ತು ಅಂತಹ ದೊಡ್ಡ ಮಾದರಿಯೊಂದಿಗೆ ದೋಷವು ಹೇಗೆ ಸಂಭವಿಸಬಹುದು? ಆದಾಗ್ಯೂ, 1936 ರಲ್ಲಿ, ಇದು ನಿಖರವಾಗಿ ಏನಾಯಿತು: ಹೆಚ್ಚಿನ ಬಹುಮತದ ಮತಗಳೊಂದಿಗೆ (60:40), ರಿಪಬ್ಲಿಕನ್ ಅಭ್ಯರ್ಥಿ ಆಲ್ಫ್ ಲ್ಯಾಂಡನ್‌ಗೆ ವಿಜಯವನ್ನು ಮುಂಗಾಣಲಾಯಿತು. ಲ್ಯಾಂಡನ್ ಅಂಗವಿಕಲ ವ್ಯಕ್ತಿಗೆ ಚುನಾವಣೆಯಲ್ಲಿ ಸೋತರು - ಫ್ರಾಂಕ್ಲಿನ್ ಡಿ. ರೂಸ್ವೆಲ್ಟ್ - ಬಹುತೇಕ ಅದೇ ಫಲಿತಾಂಶದೊಂದಿಗೆ ಅವರು ಗೆಲ್ಲಬೇಕಾಗಿತ್ತು. ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್‌ನ ವಿಶ್ವಾಸಾರ್ಹತೆಯು ತುಂಬಾ ಕೆಟ್ಟದಾಗಿ ಹಾನಿಗೊಳಗಾಯಿತು, ಸ್ವಲ್ಪ ಸಮಯದ ನಂತರ ಪತ್ರಿಕೆಯು ಮುದ್ರಣದಿಂದ ಹೊರಬಂದಿತು. ಏನಾಯಿತು? ಇದು ತುಂಬಾ ಸರಳವಾಗಿದೆ: ಡೈಜೆಸ್ಟ್ ಸಮೀಕ್ಷೆಯು ಪಕ್ಷಪಾತದ ಮಾದರಿಯನ್ನು ಬಳಸಿದೆ. ಎರಡು ಮೂಲಗಳಿಂದ ಹೆಸರುಗಳನ್ನು ಹೊರತೆಗೆಯಲಾದ ಜನರಿಗೆ ಪೋಸ್ಟ್‌ಕಾರ್ಡ್‌ಗಳನ್ನು ಕಳುಹಿಸಲಾಗಿದೆ: ದೂರವಾಣಿ ಡೈರೆಕ್ಟರಿಗಳು ಮತ್ತು ಕಾರ್ ನೋಂದಣಿ ಪಟ್ಟಿಗಳು. ಮತ್ತು ಈ ಆಯ್ಕೆಯ ವಿಧಾನವು ಹಿಂದೆ ಇತರ ವಿಧಾನಗಳಿಗಿಂತ ಹೆಚ್ಚು ಭಿನ್ನವಾಗಿರದಿದ್ದರೂ, 1936 ರ ಮಹಾ ಆರ್ಥಿಕ ಕುಸಿತದ ಸಮಯದಲ್ಲಿ, ಕಡಿಮೆ ಶ್ರೀಮಂತ ಮತದಾರರು, ರೂಸ್ವೆಲ್ಟ್ ಅವರ ಬೆಂಬಲಿಗರು ದೂರವಾಣಿಯನ್ನು ಹೊಂದಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ, ಆದರೆ ಈಗ ವಿಷಯಗಳು ತುಂಬಾ ವಿಭಿನ್ನವಾಗಿವೆ. ಕಾರು. ಹೀಗಾಗಿ, ವಾಸ್ತವವಾಗಿ, ಡೈಜೆಸ್ಟ್ ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಬಳಸಿದ ಮಾದರಿಯು ರಿಪಬ್ಲಿಕನ್ ಆಗಿರುವವರ ಕಡೆಗೆ ತಿರುಗಿತು, ಆದರೂ ರೂಸ್ವೆಲ್ಟ್ ಅವರು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಿದ್ದಾರೆ ಎಂಬುದು ಇನ್ನೂ ಆಶ್ಚರ್ಯಕರವಾಗಿದೆ.
ಈ ಸಮಸ್ಯೆಯನ್ನು ಹೇಗೆ ಪರಿಹರಿಸುವುದು? ನಮ್ಮ ಉದಾಹರಣೆಗೆ ಹಿಂತಿರುಗಿ, Fig. 5.1b ನಲ್ಲಿನ ಮಾದರಿಯನ್ನು Fig. 5.1c ನಲ್ಲಿನ ಮಾದರಿಯೊಂದಿಗೆ ಹೋಲಿಸೋಣ. ನಂತರದ ಪ್ರಕರಣದಲ್ಲಿ, ಜನಸಂಖ್ಯೆಯ ಆರನೇ ಭಾಗವನ್ನು ಸಹ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಆಯ್ಕೆಮಾಡಲಾಗುತ್ತದೆ, ಆದರೆ ಪ್ರತಿಯೊಂದು ಪ್ರಮುಖ ಪ್ರಕಾರದ ಜನಸಂಖ್ಯೆಯನ್ನು ಮಾದರಿಯಲ್ಲಿ ಪ್ರತಿನಿಧಿಸುವ ಅನುಪಾತದಲ್ಲಿ ಇಡೀ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ. ಅಂತಹ ಮಾದರಿಯು ಪ್ರತಿ ಆರು ಅಮೇರಿಕನ್ ವಯಸ್ಕರಲ್ಲಿ ಒಬ್ಬರು ಒಂದು ರಾಜಕೀಯ ಗುಂಪಿಗೆ ಸೇರಿದ್ದಾರೆ ಎಂದು ತೋರಿಸುತ್ತದೆ, ಆರರಲ್ಲಿ ಒಬ್ಬರು ಇಬ್ಬರಿಗೆ ಸೇರಿದ್ದಾರೆ, ಇತ್ಯಾದಿ. ಅಂತಹ ಮಾದರಿಯು ವಿವಿಧ ಸಂಖ್ಯೆಯ ಗುಂಪುಗಳಲ್ಲಿನ ಭಾಗವಹಿಸುವಿಕೆಯೊಂದಿಗೆ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿರಬಹುದಾದ ಸದಸ್ಯರ ನಡುವಿನ ಇತರ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಸಹ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ. ಹೀಗಾಗಿ, Fig. 5.1c ನಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾದ ಮಾದರಿಯು ಪರಿಗಣನೆಯಲ್ಲಿರುವ ಜನಸಂಖ್ಯೆಗೆ ಪ್ರತಿನಿಧಿ ಮಾದರಿಯಾಗಿದೆ.
ಸಹಜವಾಗಿ, ಈ ಉದಾಹರಣೆಯನ್ನು ಕನಿಷ್ಠ ಎರಡು ಅತ್ಯಂತ ಪ್ರಮುಖ ವಿಧಾನಗಳಲ್ಲಿ ಸರಳೀಕರಿಸಲಾಗಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ರಾಜಕೀಯ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಆಸಕ್ತಿಯ ಹೆಚ್ಚಿನ ಜನಸಂಖ್ಯೆಯು ವಿವರಿಸಿದ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ವೈವಿಧ್ಯಮಯವಾಗಿದೆ. ಜನರು, ದಾಖಲೆಗಳು, ಸರ್ಕಾರಗಳು, ಸಂಸ್ಥೆಗಳು, ನಿರ್ಧಾರಗಳು, ಇತ್ಯಾದಿ. ಒಂದರಿಂದ ಅಲ್ಲ, ಆದರೆ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳಿಂದ ಪರಸ್ಪರ ಭಿನ್ನವಾಗಿರುತ್ತವೆ. ಹೀಗಾಗಿ, ಪ್ರತಿನಿಧಿ ಮಾದರಿಯು ಹಾಗೆ ಇರಬೇಕು ಪ್ರತಿಯೊಂದೂಇತರರಿಗಿಂತ ಭಿನ್ನವಾಗಿರುವ ಪ್ರಮುಖ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ ಒಟ್ಟು ಮೊತ್ತದಲ್ಲಿ ಅದರ ಪಾಲಿನ ಅನುಪಾತದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ. ಎರಡನೆಯದಾಗಿ, ನಾವು ಅಳೆಯಲು ಬಯಸುವ ಅಸ್ಥಿರ ಅಥವಾ ಗುಣಲಕ್ಷಣಗಳ ನಿಜವಾದ ವಿತರಣೆಯು ಮುಂಚಿತವಾಗಿ ತಿಳಿದಿಲ್ಲದ ಪರಿಸ್ಥಿತಿಯು ವಿರುದ್ಧಕ್ಕಿಂತ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ - ಇದು ಹಿಂದಿನ ಜನಗಣತಿಯಲ್ಲಿ ಅಳತೆ ಮಾಡದಿರಬಹುದು. ಹೀಗಾಗಿ, ಪ್ರಾತಿನಿಧಿಕ ಮಾದರಿಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಬೇಕು ಆದ್ದರಿಂದ ನಾವು ಅದರ ಸಿಂಧುತ್ವವನ್ನು ನೇರವಾಗಿ ನಿರ್ಣಯಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೂ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿತರಣೆಯನ್ನು ನಿಖರವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. ಮಾದರಿ ಪ್ರಕ್ರಿಯೆಯು ಆಂತರಿಕ ತರ್ಕವನ್ನು ಹೊಂದಿರಬೇಕು ಅದು ನಮಗೆ ಮನವರಿಕೆ ಮಾಡಬಲ್ಲದು, ನಾವು ಜನಗಣತಿಯೊಂದಿಗೆ ಮಾದರಿಯನ್ನು ಹೋಲಿಸಲು ಸಾಧ್ಯವಾದರೆ, ಅದು ನಿಜವಾಗಿಯೂ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.
ನಿರ್ದಿಷ್ಟ ಜನಸಂಖ್ಯೆಯ ಸಂಕೀರ್ಣ ಸಂಘಟನೆಯನ್ನು ನಿಖರವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಒದಗಿಸಲು ಮತ್ತು ಪ್ರಸ್ತಾವಿತ ಕಾರ್ಯವಿಧಾನಗಳು ಹಾಗೆ ಮಾಡಬಹುದೆಂಬ ಕೆಲವು ಹಂತದ ವಿಶ್ವಾಸವನ್ನು ಒದಗಿಸಲು, ಸಂಶೋಧಕರು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳಿಗೆ ತಿರುಗುತ್ತಾರೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಅವರು ಎರಡು ದಿಕ್ಕುಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಾರೆ. ಮೊದಲನೆಯದಾಗಿ, ಕೆಲವು ನಿಯಮಗಳನ್ನು (ಆಂತರಿಕ ತರ್ಕ) ಬಳಸಿ, ಯಾವ ನಿರ್ದಿಷ್ಟ ವಸ್ತುಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಬೇಕು ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಮಾದರಿಯಲ್ಲಿ ನಿಖರವಾಗಿ ಏನನ್ನು ಸೇರಿಸಬೇಕು ಎಂಬುದನ್ನು ಸಂಶೋಧಕರು ನಿರ್ಧರಿಸುತ್ತಾರೆ. ಎರಡನೆಯದಾಗಿ, ವಿಭಿನ್ನ ನಿಯಮಗಳನ್ನು ಬಳಸಿ, ಅವರು ಎಷ್ಟು ವಸ್ತುಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕೆಂದು ನಿರ್ಧರಿಸುತ್ತಾರೆ. ನಾವು ಈ ಹಲವಾರು ನಿಯಮಗಳನ್ನು ವಿವರವಾಗಿ ಅಧ್ಯಯನ ಮಾಡುವುದಿಲ್ಲ; ನಾವು ರಾಜಕೀಯ ವಿಜ್ಞಾನ ಸಂಶೋಧನೆಯಲ್ಲಿ ಅವರ ಪಾತ್ರವನ್ನು ಮಾತ್ರ ಪರಿಗಣಿಸುತ್ತೇವೆ. ಪ್ರಾತಿನಿಧಿಕ ಮಾದರಿಯನ್ನು ರೂಪಿಸುವ ವಸ್ತುಗಳನ್ನು ಆಯ್ಕೆಮಾಡುವ ತಂತ್ರಗಳೊಂದಿಗೆ ನಮ್ಮ ಪರಿಗಣನೆಯನ್ನು ಪ್ರಾರಂಭಿಸೋಣ.
ಪ್ರಾತಿನಿಧ್ಯದ ಪರಿಕಲ್ಪನೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವರದಿಗಾರಿಕೆಯಲ್ಲಿ ಮತ್ತು ಭಾಷಣಗಳು ಮತ್ತು ವರದಿಗಳ ತಯಾರಿಕೆಯಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಅದು ಇಲ್ಲದೆ ಯಾವುದೇ ರೀತಿಯ ಮಾಹಿತಿಯ ಪ್ರಸ್ತುತಿಯನ್ನು ಕಲ್ಪಿಸುವುದು ಬಹುಶಃ ಕಷ್ಟ.
ಪ್ರಾತಿನಿಧ್ಯ - ಅದು ಏನು?
ಪ್ರಾತಿನಿಧ್ಯವು ಆಯ್ಕೆಮಾಡಿದ ವಸ್ತುಗಳು ಅಥವಾ ಭಾಗಗಳು ಅವುಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿದ ಡೇಟಾ ಸೆಟ್ನ ವಿಷಯ ಮತ್ತು ಅರ್ಥಕ್ಕೆ ಎಷ್ಟು ಮಟ್ಟಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತವೆ ಎಂಬುದನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.
ಇತರ ವ್ಯಾಖ್ಯಾನಗಳು
ಪ್ರಾತಿನಿಧ್ಯದ ಪರಿಕಲ್ಪನೆಯನ್ನು ವಿವಿಧ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಬಹುದು. ಆದರೆ ಅದರ ಅರ್ಥದಲ್ಲಿ, ಪ್ರತಿನಿಧಿತ್ವವು ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಿಂದ ಆಯ್ದ ಘಟಕಗಳ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳ ಪತ್ರವ್ಯವಹಾರವಾಗಿದೆ, ಇದು ಒಟ್ಟಾರೆಯಾಗಿ ಸಂಪೂರ್ಣ ಸಾಮಾನ್ಯ ಡೇಟಾಬೇಸ್ನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಿಖರವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.
ಅಲ್ಲದೆ, ಮಾಹಿತಿಯ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ನಡೆಸುತ್ತಿರುವ ಸಂಶೋಧನೆಯ ದೃಷ್ಟಿಕೋನದಿಂದ ಮುಖ್ಯವಾದ ಜನಸಂಖ್ಯೆಯ ನಿಯತಾಂಕಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಲು ಮಾದರಿ ಡೇಟಾದ ಸಾಮರ್ಥ್ಯ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.
ಪ್ರತಿನಿಧಿ ಮಾದರಿ
ಮಾದರಿಯ ತತ್ವವು ಪ್ರಮುಖವಾದದನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ಮತ್ತು ಒಟ್ಟಾರೆ ಡೇಟಾ ಸೆಟ್ನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಿಖರವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. ಇದಕ್ಕಾಗಿ, ಎಲ್ಲಾ ಡೇಟಾದ ಗುಣಗಳನ್ನು ವಿವರಿಸುವ ಆಯ್ದ ವಸ್ತುಗಳನ್ನು ಮಾತ್ರ ಬಳಸಿಕೊಂಡು ನಿಖರವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಮತ್ತು ಸಾಮಾನ್ಯ ಕಲ್ಪನೆಯನ್ನು ಪಡೆಯಲು ಅನುಮತಿಸುವ ವಿವಿಧ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಹೀಗಾಗಿ, ಎಲ್ಲಾ ವಸ್ತುಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಅಗತ್ಯವಿಲ್ಲ, ಆದರೆ ಮಾದರಿ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಪರಿಗಣಿಸಿ. ಇದು ಏನು? ಮಾಹಿತಿಯ ಒಟ್ಟು ದ್ರವ್ಯರಾಶಿಯ ಕಲ್ಪನೆಯನ್ನು ಹೊಂದಲು ಇದು ವೈಯಕ್ತಿಕ ಡೇಟಾದ ಆಯ್ಕೆಯಾಗಿದೆ.
ವಿಧಾನವನ್ನು ಅವಲಂಬಿಸಿ, ಅವುಗಳನ್ನು ಸಂಭವನೀಯ ಮತ್ತು ಸಂಭವನೀಯವಲ್ಲದ ಎಂದು ಪ್ರತ್ಯೇಕಿಸಲಾಗುತ್ತದೆ. ಸಂಭವನೀಯತೆಯು ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಮತ್ತಷ್ಟು ಪ್ರತಿನಿಧಿಗಳಾದ ಪ್ರಮುಖ ಮತ್ತು ಆಸಕ್ತಿದಾಯಕ ಡೇಟಾವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಮೂಲಕ ಮಾಡಲಾದ ಒಂದು ಮಾದರಿಯಾಗಿದೆ. ಇದು ಉದ್ದೇಶಪೂರ್ವಕ ಆಯ್ಕೆ ಅಥವಾ ಯಾದೃಚ್ಛಿಕ ಆಯ್ಕೆಯಾಗಿದೆ, ಆದಾಗ್ಯೂ, ಅದರ ವಿಷಯದಿಂದ ಸಮರ್ಥನೆಯಾಗಿದೆ.
ಸಾಮಾನ್ಯ ಲಾಟರಿ ತತ್ವದ ಪ್ರಕಾರ ಸಂಕಲಿಸಲಾದ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯ ವಿಧಗಳಲ್ಲಿ ಸಂಭವನೀಯವಲ್ಲದವು ಒಂದಾಗಿದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅಂತಹ ಮಾದರಿಯನ್ನು ಕಂಪೈಲ್ ಮಾಡುವ ವ್ಯಕ್ತಿಯ ಅಭಿಪ್ರಾಯವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ. ಕುರುಡು ರೇಖಾಚಿತ್ರವನ್ನು ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ.
ಸಂಭವನೀಯತೆಯ ಮಾದರಿ
ಸಂಭವನೀಯತೆಯ ಮಾದರಿಗಳನ್ನು ಹಲವಾರು ವಿಧಗಳಾಗಿ ವಿಂಗಡಿಸಬಹುದು:
- ಸರಳವಾದ ಮತ್ತು ಹೆಚ್ಚು ಅರ್ಥವಾಗುವ ತತ್ವಗಳಲ್ಲಿ ಒಂದು ಪ್ರತಿನಿಧಿಯಲ್ಲದ ಮಾದರಿಯಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಸಾಮಾಜಿಕ ಸಮೀಕ್ಷೆಗಳನ್ನು ನಡೆಸುವಾಗ ಈ ವಿಧಾನವನ್ನು ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಭಾಗವಹಿಸುವವರನ್ನು ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ಮಾನದಂಡಗಳ ಆಧಾರದ ಮೇಲೆ ಜನಸಂದಣಿಯಿಂದ ಆಯ್ಕೆ ಮಾಡಲಾಗುವುದಿಲ್ಲ ಮತ್ತು ಅದರಲ್ಲಿ ಭಾಗವಹಿಸಿದ ಮೊದಲ 50 ಜನರಿಂದ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲಾಗುತ್ತದೆ.
- ಉದ್ದೇಶಪೂರ್ವಕ ಮಾದರಿಗಳು ವಿಭಿನ್ನವಾಗಿವೆ, ಅವುಗಳು ಆಯ್ಕೆಗಾಗಿ ಹಲವಾರು ಅವಶ್ಯಕತೆಗಳು ಮತ್ತು ಷರತ್ತುಗಳನ್ನು ಹೊಂದಿವೆ, ಆದರೆ ಉತ್ತಮ ಅಂಕಿಅಂಶಗಳನ್ನು ಸಾಧಿಸುವ ಗುರಿಯಿಲ್ಲದೆ ಇನ್ನೂ ಅವಕಾಶವನ್ನು ಅವಲಂಬಿಸಿವೆ.
- ಕೋಟಾ ಮಾದರಿಯು ಸಂಭವನೀಯತೆಯಲ್ಲದ ಮಾದರಿಯ ಮತ್ತೊಂದು ರೂಪಾಂತರವಾಗಿದೆ, ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಡೇಟಾದ ಅಧ್ಯಯನಕ್ಕೆ ಬಳಸಲಾಗುತ್ತದೆ. ಇದಕ್ಕಾಗಿ ಹಲವಾರು ಷರತ್ತುಗಳು ಮತ್ತು ಮಾನದಂಡಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಆಬ್ಜೆಕ್ಟ್‌ಗಳನ್ನು ಆಯ್ಕೆಮಾಡಲಾಗುತ್ತದೆ ಅದು ಅವುಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗಬೇಕು. ಅಂದರೆ, ಸಾಮಾಜಿಕ ಸಮೀಕ್ಷೆಯ ಉದಾಹರಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು, 100 ಜನರನ್ನು ಸಂದರ್ಶಿಸಲಾಗುವುದು ಎಂದು ನಾವು ಊಹಿಸಬಹುದು, ಆದರೆ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವರದಿಯನ್ನು ಕಂಪೈಲ್ ಮಾಡುವಾಗ ಸ್ಥಾಪಿತ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುವ ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಯ ಜನರ ಅಭಿಪ್ರಾಯಗಳನ್ನು ಮಾತ್ರ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.
ಸಂಭವನೀಯತೆಯ ಮಾದರಿಗಳು
ಸಂಭವನೀಯತೆಯ ಮಾದರಿಗಳಿಗಾಗಿ, ಮಾದರಿಯಲ್ಲಿನ ವಸ್ತುಗಳು ಹೊಂದಿಕೆಯಾಗುತ್ತವೆ ಎಂದು ಹಲವಾರು ನಿಯತಾಂಕಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ಅವುಗಳಲ್ಲಿ, ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ, ಮಾದರಿ ಡೇಟಾದ ಪ್ರತಿನಿಧಿಯಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುವ ಸತ್ಯಗಳು ಮತ್ತು ಡೇಟಾವನ್ನು ನಿಖರವಾಗಿ ಆಯ್ಕೆ ಮಾಡಬಹುದು. ಅಗತ್ಯವಿರುವ ಡೇಟಾವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಈ ವಿಧಾನಗಳು ಹೀಗಿರಬಹುದು:
- ಸರಳ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ. ಆಯ್ದ ವಿಭಾಗದಲ್ಲಿ, ಅಗತ್ಯವಿರುವ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಯಾದೃಚ್ಛಿಕ ಲಾಟರಿ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಆಯ್ಕೆಮಾಡಲಾಗುತ್ತದೆ, ಇದು ಪ್ರತಿನಿಧಿ ಮಾದರಿಯಾಗಿರುತ್ತದೆ.
- ವ್ಯವಸ್ಥಿತ ಮತ್ತು ಯಾದೃಚ್ಛಿಕ ಮಾದರಿಯು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಆಯ್ಕೆಮಾಡಿದ ವಿಭಾಗವನ್ನು ಆಧರಿಸಿ ಅಗತ್ಯ ಡೇಟಾವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ. ಹೀಗಾಗಿ, ಒಟ್ಟು ಜನಸಂಖ್ಯೆಯಿಂದ ಆಯ್ಕೆಮಾಡಿದ ಡೇಟಾದ ಸರಣಿ ಸಂಖ್ಯೆಯನ್ನು ಸೂಚಿಸುವ ಮೊದಲ ಯಾದೃಚ್ಛಿಕ ಸಂಖ್ಯೆ 5 ಆಗಿದ್ದರೆ, ನಂತರ ಆಯ್ಕೆ ಮಾಡಲಾದ ಡೇಟಾವು ಉದಾಹರಣೆಗೆ, 15, 25, 35, ಇತ್ಯಾದಿ. ಯಾದೃಚ್ಛಿಕ ಆಯ್ಕೆಯು ಅಗತ್ಯ ಇನ್‌ಪುಟ್ ಡೇಟಾದ ವ್ಯವಸ್ಥಿತ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಆಧರಿಸಿರಬಹುದು ಎಂದು ಈ ಉದಾಹರಣೆಯು ಸ್ಪಷ್ಟವಾಗಿ ವಿವರಿಸುತ್ತದೆ.
ಗ್ರಾಹಕ ಮಾದರಿ
ಅರ್ಥಪೂರ್ಣ ಮಾದರಿಯು ಪ್ರತಿಯೊಂದು ವಿಭಾಗವನ್ನು ನೋಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಮತ್ತು ಅದರ ಮೌಲ್ಯಮಾಪನದ ಆಧಾರದ ಮೇಲೆ ಒಟ್ಟಾರೆ ಡೇಟಾಬೇಸ್ನ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವ ಜನಸಂಖ್ಯೆಯನ್ನು ರಚಿಸುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ, ಪ್ರತಿನಿಧಿ ಮಾದರಿಯ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುವ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಒಟ್ಟು ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಆಯ್ದ ಡೇಟಾದ ಗುಣಮಟ್ಟವನ್ನು ಕಳೆದುಕೊಳ್ಳದೆ ಒಟ್ಟು ಸೇರಿಸದ ಹಲವಾರು ಆಯ್ಕೆಗಳನ್ನು ಸುಲಭವಾಗಿ ಆಯ್ಕೆ ಮಾಡಲು ಸಾಧ್ಯವಿದೆ. ಈ ರೀತಿಯಾಗಿ, ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
ಮಾದರಿ ಅಳತೆ
ಜನಸಂಖ್ಯೆಯ ಪ್ರತಿನಿಧಿಯಾಗಲು ಮಾದರಿಯ ಗಾತ್ರವನ್ನು ತಿಳಿಸಬೇಕಾದ ಕೊನೆಯ ಸಮಸ್ಯೆಯಲ್ಲ. ಮಾದರಿ ಗಾತ್ರವು ಯಾವಾಗಲೂ ಜನಸಂಖ್ಯೆಯಲ್ಲಿನ ಮೂಲಗಳ ಸಂಖ್ಯೆಯನ್ನು ಅವಲಂಬಿಸಿರುವುದಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಮಾದರಿ ಜನಸಂಖ್ಯೆಯ ಪ್ರಾತಿನಿಧ್ಯವು ಫಲಿತಾಂಶವನ್ನು ಅಂತಿಮವಾಗಿ ಎಷ್ಟು ಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸಬೇಕು ಎಂಬುದರ ಮೇಲೆ ನೇರವಾಗಿ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ. ಅಂತಹ ಹೆಚ್ಚು ವಿಭಾಗಗಳು, ಹೆಚ್ಚು ಡೇಟಾ ಪರಿಣಾಮಕಾರಿ ಮಾದರಿಗೆ ಸಿಗುತ್ತದೆ. ಫಲಿತಾಂಶಗಳಿಗೆ ಸಾಮಾನ್ಯ ಹುದ್ದೆ ಅಗತ್ಯವಿದ್ದರೆ ಮತ್ತು ನಿರ್ದಿಷ್ಟತೆಗಳ ಅಗತ್ಯವಿಲ್ಲದಿದ್ದರೆ, ಅದರ ಪ್ರಕಾರ, ಮಾದರಿಯು ಚಿಕ್ಕದಾಗುತ್ತದೆ, ಏಕೆಂದರೆ ವಿವರಗಳಿಗೆ ಹೋಗದೆ, ಮಾಹಿತಿಯನ್ನು ಹೆಚ್ಚು ಮೇಲ್ನೋಟಕ್ಕೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ, ಅಂದರೆ ಅದರ ಓದುವಿಕೆ ಸಾಮಾನ್ಯವಾಗಿರುತ್ತದೆ.
ಪ್ರತಿನಿಧಿತ್ವ ಪಕ್ಷಪಾತದ ಪರಿಕಲ್ಪನೆ
ಪ್ರತಿನಿಧಿತ್ವ ದೋಷವು ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಮಾದರಿ ಡೇಟಾದ ನಡುವಿನ ನಿರ್ದಿಷ್ಟ ವ್ಯತ್ಯಾಸವಾಗಿದೆ. ಯಾವುದೇ ಮಾದರಿ ಅಧ್ಯಯನವನ್ನು ನಡೆಸುವಾಗ, ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಸಂಪೂರ್ಣ ಅಧ್ಯಯನ ಮತ್ತು ಮಾಹಿತಿ ಮತ್ತು ನಿಯತಾಂಕಗಳ ಒಂದು ಭಾಗದಿಂದ ಪ್ರತಿನಿಧಿಸುವ ಮಾದರಿಯಂತೆ ಸಂಪೂರ್ಣವಾಗಿ ನಿಖರವಾದ ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು ಅಸಾಧ್ಯ, ಆದರೆ ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡುವಾಗ ಮಾತ್ರ ಹೆಚ್ಚು ವಿವರವಾದ ಅಧ್ಯಯನವು ಸಾಧ್ಯ. ಆದ್ದರಿಂದ, ಕೆಲವು ದೋಷಗಳು ಮತ್ತು ದೋಷಗಳು ಅನಿವಾರ್ಯ.
ದೋಷಗಳ ವಿಧಗಳು
ಪ್ರತಿನಿಧಿ ಮಾದರಿಯನ್ನು ಕಂಪೈಲ್ ಮಾಡುವಾಗ ಕೆಲವು ದೋಷಗಳು ಉಂಟಾಗುತ್ತವೆ:
- ವ್ಯವಸ್ಥಿತ.
- ಯಾದೃಚ್ಛಿಕ.
- ಉದ್ದೇಶಪೂರ್ವಕ.
- ಉದ್ದೇಶಪೂರ್ವಕವಲ್ಲದ.
- ಪ್ರಮಾಣಿತ.
- ಮಿತಿ.
ಯಾದೃಚ್ಛಿಕ ದೋಷಗಳ ಗೋಚರಿಸುವಿಕೆಯ ಕಾರಣವು ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಅಧ್ಯಯನದ ನಿರಂತರ ಸ್ವಭಾವವಾಗಿರಬಹುದು. ವಿಶಿಷ್ಟವಾಗಿ, ಪ್ರಾತಿನಿಧ್ಯದ ಯಾದೃಚ್ಛಿಕ ದೋಷವು ಗಾತ್ರ ಮತ್ತು ಸ್ವಭಾವದಲ್ಲಿ ಅತ್ಯಲ್ಪವಾಗಿದೆ.
ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಿಂದ ಡೇಟಾವನ್ನು ಆಯ್ಕೆಮಾಡುವ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸಿದಾಗ ವ್ಯವಸ್ಥಿತ ದೋಷಗಳು ಏತನ್ಮಧ್ಯೆ ಉದ್ಭವಿಸುತ್ತವೆ.
ಸರಾಸರಿ ದೋಷವು ಮಾದರಿಯ ಸರಾಸರಿ ಮೌಲ್ಯಗಳು ಮತ್ತು ಮುಖ್ಯ ಜನಸಂಖ್ಯೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವಾಗಿದೆ. ಇದು ಮಾದರಿಯಲ್ಲಿನ ಘಟಕಗಳ ಸಂಖ್ಯೆಯನ್ನು ಅವಲಂಬಿಸಿರುವುದಿಲ್ಲ. ಇದು ವಿಲೋಮ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ ನಂತರ ದೊಡ್ಡ ಪರಿಮಾಣ, ಸಣ್ಣ ಸರಾಸರಿ ದೋಷ.
ಕನಿಷ್ಠ ದೋಷವು ತೆಗೆದುಕೊಂಡ ಮಾದರಿಯ ಸರಾಸರಿ ಮೌಲ್ಯಗಳು ಮತ್ತು ಒಟ್ಟು ಜನಸಂಖ್ಯೆಯ ನಡುವಿನ ದೊಡ್ಡ ಸಂಭವನೀಯ ವ್ಯತ್ಯಾಸವಾಗಿದೆ. ಅಂತಹ ದೋಷವನ್ನು ಅವುಗಳ ಸಂಭವಿಸುವಿಕೆಯ ನಿರ್ದಿಷ್ಟ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸಂಭವನೀಯ ದೋಷಗಳ ಗರಿಷ್ಠ ಎಂದು ನಿರೂಪಿಸಲಾಗಿದೆ.
ಪ್ರತಿನಿಧಿತ್ವದ ಉದ್ದೇಶಪೂರ್ವಕ ಮತ್ತು ಉದ್ದೇಶಪೂರ್ವಕ ದೋಷಗಳು
ಡೇಟಾ ಪಕ್ಷಪಾತ ದೋಷಗಳು ಉದ್ದೇಶಪೂರ್ವಕ ಅಥವಾ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿರಬಹುದು.
ನಂತರ ಉದ್ದೇಶಪೂರ್ವಕ ದೋಷಗಳ ಸಂಭವಕ್ಕೆ ಕಾರಣಗಳು ಪ್ರವೃತ್ತಿಗಳನ್ನು ನಿರ್ಧರಿಸುವ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾ ಆಯ್ಕೆಯ ವಿಧಾನವಾಗಿದೆ. ಮಾದರಿ ವೀಕ್ಷಣೆಯನ್ನು ಸಿದ್ಧಪಡಿಸುವ ಮತ್ತು ಪ್ರತಿನಿಧಿ ಮಾದರಿಯನ್ನು ರೂಪಿಸುವ ಹಂತದಲ್ಲಿ ಉದ್ದೇಶಪೂರ್ವಕ ದೋಷಗಳು ಉದ್ಭವಿಸುತ್ತವೆ. ಅಂತಹ ದೋಷಗಳನ್ನು ತಪ್ಪಿಸಲು, ಆಯ್ಕೆ ಘಟಕ ಪಟ್ಟಿಗಳಿಗಾಗಿ ಉತ್ತಮ ಮಾದರಿ ಚೌಕಟ್ಟನ್ನು ರಚಿಸುವುದು ಅವಶ್ಯಕ. ಇದು ಮಾದರಿ ಉದ್ದೇಶಗಳೊಂದಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಸ್ಥಿರವಾಗಿರಬೇಕು, ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರಬೇಕು ಮತ್ತು ಅಧ್ಯಯನದ ಎಲ್ಲಾ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರಬೇಕು.
ಸಿಂಧುತ್ವ, ವಿಶ್ವಾಸಾರ್ಹತೆ, ಪ್ರಾತಿನಿಧ್ಯ. ದೋಷ ಲೆಕ್ಕಾಚಾರ
ಅಂಕಗಣಿತದ ಸರಾಸರಿ (M) ನ ಪ್ರಾತಿನಿಧ್ಯ ದೋಷದ (Mm) ಲೆಕ್ಕಾಚಾರ.
ಪ್ರಮಾಣಿತ ವಿಚಲನ: ಮಾದರಿ ಗಾತ್ರ (>30).
ಪ್ರಾತಿನಿಧ್ಯ ದೋಷ (MR) ಮತ್ತು (P): ಮಾದರಿ ಗಾತ್ರ (n>30).
ಮಾದರಿ ಗಾತ್ರವು ಚಿಕ್ಕದಾಗಿದೆ ಮತ್ತು 30 ಯೂನಿಟ್‌ಗಳಿಗಿಂತ ಕಡಿಮೆ ಇರುವ ಜನಸಂಖ್ಯೆಯನ್ನು ನೀವು ಅಧ್ಯಯನ ಮಾಡಬೇಕಾದರೆ, ವೀಕ್ಷಣೆಗಳ ಸಂಖ್ಯೆಯು ಒಂದು ಘಟಕದಿಂದ ಕಡಿಮೆ ಇರುತ್ತದೆ.
ದೋಷದ ಪ್ರಮಾಣವು ಮಾದರಿ ಗಾತ್ರಕ್ಕೆ ನೇರವಾಗಿ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ. ಮಾಹಿತಿಯ ಪ್ರಾತಿನಿಧ್ಯ ಮತ್ತು ನಿಖರವಾದ ಮುನ್ಸೂಚನೆಯನ್ನು ಮಾಡುವ ಸಾಧ್ಯತೆಯ ಹಂತದ ಲೆಕ್ಕಾಚಾರವು ಗರಿಷ್ಠ ದೋಷದ ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯದಿಂದ ಪ್ರತಿಫಲಿಸುತ್ತದೆ.
ಪ್ರಾತಿನಿಧ್ಯ ವ್ಯವಸ್ಥೆಗಳು
ಮಾಹಿತಿಯ ಪ್ರಸ್ತುತಿಯನ್ನು ನಿರ್ಣಯಿಸುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಪ್ರತಿನಿಧಿ ಮಾದರಿಯನ್ನು ಮಾತ್ರ ಬಳಸಲಾಗುವುದಿಲ್ಲ, ಆದರೆ ಮಾಹಿತಿಯನ್ನು ಸ್ವೀಕರಿಸುವ ವ್ಯಕ್ತಿಯು ಪ್ರತಿನಿಧಿ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಬಳಸುತ್ತಾನೆ. ಹೀಗಾಗಿ, ಒದಗಿಸಿದ ಡೇಟಾವನ್ನು ಗುಣಾತ್ಮಕವಾಗಿ ಮತ್ತು ತ್ವರಿತವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಮತ್ತು ಸಮಸ್ಯೆಯ ಸಾರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮಾಹಿತಿಯ ಸಂಪೂರ್ಣ ಹರಿವಿನಿಂದ ಪ್ರತಿನಿಧಿ ಮಾದರಿಯನ್ನು ರಚಿಸುವ ಮೂಲಕ ಮೆದುಳು ಕೆಲವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ. ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಿ: "ಪ್ರಾತಿನಿಧ್ಯ - ಅದು ಏನು?" - ಮಾನವ ಪ್ರಜ್ಞೆಯ ಪ್ರಮಾಣದಲ್ಲಿ ತುಂಬಾ ಸರಳವಾಗಿದೆ. ಇದನ್ನು ಮಾಡಲು, ಸಾಮಾನ್ಯ ಹರಿವಿನಿಂದ ಯಾವ ಮಾಹಿತಿಯನ್ನು ಪ್ರತ್ಯೇಕಿಸಬೇಕೆಂಬುದನ್ನು ಅವಲಂಬಿಸಿ ಮೆದುಳು ಎಲ್ಲವನ್ನೂ ಬಳಸುತ್ತದೆ. ಆದ್ದರಿಂದ, ಅವರು ಪ್ರತ್ಯೇಕಿಸುತ್ತಾರೆ:
- ದೃಷ್ಟಿಗೋಚರ ಪ್ರಾತಿನಿಧ್ಯ ವ್ಯವಸ್ಥೆ, ಅಲ್ಲಿ ಕಣ್ಣಿನ ದೃಶ್ಯ ಗ್ರಹಿಕೆಯ ಅಂಗಗಳು ಒಳಗೊಂಡಿರುತ್ತವೆ. ಅಂತಹ ವ್ಯವಸ್ಥೆಯನ್ನು ಆಗಾಗ್ಗೆ ಬಳಸುವ ಜನರನ್ನು ದೃಶ್ಯ ಕಲಿಯುವವರು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಈ ವ್ಯವಸ್ಥೆಯ ಸಹಾಯದಿಂದ, ವ್ಯಕ್ತಿಯು ಚಿತ್ರಗಳ ರೂಪದಲ್ಲಿ ಸ್ವೀಕರಿಸಿದ ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತಾನೆ.
- ಶ್ರವಣೇಂದ್ರಿಯ ಪ್ರಾತಿನಿಧ್ಯ ವ್ಯವಸ್ಥೆ. ಬಳಸುವ ಮುಖ್ಯ ಅಂಗವೆಂದರೆ ಶ್ರವಣ. ಧ್ವನಿ ಫೈಲ್‌ಗಳು ಅಥವಾ ಮಾತಿನ ರೂಪದಲ್ಲಿ ಒದಗಿಸಲಾದ ಮಾಹಿತಿಯನ್ನು ಈ ವ್ಯವಸ್ಥೆಯಿಂದ ಸಂಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಕೇಳುವ ಮೂಲಕ ಮಾಹಿತಿಯನ್ನು ಉತ್ತಮವಾಗಿ ಗ್ರಹಿಸುವ ಜನರನ್ನು ಶ್ರವಣೇಂದ್ರಿಯ ಕಲಿಯುವವರು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
- ಕೈನೆಸ್ಥೆಟಿಕ್ ಪ್ರಾತಿನಿಧ್ಯ ವ್ಯವಸ್ಥೆಯು ಘ್ರಾಣ ಮತ್ತು ಸ್ಪರ್ಶ ಮಾರ್ಗಗಳ ಮೂಲಕ ಅದನ್ನು ಗ್ರಹಿಸುವ ಮೂಲಕ ಮಾಹಿತಿ ಹರಿವಿನ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ.
- ಡಿಜಿಟಲ್ ಪ್ರಾತಿನಿಧ್ಯ ವ್ಯವಸ್ಥೆಯನ್ನು ಹೊರಗಿನಿಂದ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುವ ಸಾಧನವಾಗಿ ಇತರರೊಂದಿಗೆ ಬಳಸಲಾಗುತ್ತದೆ. ಸ್ವೀಕರಿಸಿದ ಡೇಟಾದ ಗ್ರಹಿಕೆ ಮತ್ತು ಗ್ರಹಿಕೆ.
ಆದ್ದರಿಂದ, ಪ್ರಾತಿನಿಧ್ಯ - ಅದು ಏನು? ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ ಒಂದು ಸೆಟ್ ಅಥವಾ ಅವಿಭಾಜ್ಯ ಕಾರ್ಯವಿಧಾನದಿಂದ ಸರಳವಾದ ಆಯ್ಕೆ? ಪ್ರಾತಿನಿಧ್ಯವು ಡೇಟಾ ಹರಿವಿನ ಬಗ್ಗೆ ನಮ್ಮ ಗ್ರಹಿಕೆಯನ್ನು ಹೆಚ್ಚಾಗಿ ನಿರ್ಧರಿಸುತ್ತದೆ ಎಂದು ನಾವು ಖಂಡಿತವಾಗಿ ಹೇಳಬಹುದು, ಅದರಿಂದ ಹೆಚ್ಚು ಭಾರವಾದ ಮತ್ತು ಗಮನಾರ್ಹವಾದವುಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಉತ್ತಮವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಅಧ್ಯಯನದ ಮುಖ್ಯ ಅಂಶವೆಂದರೆ ಮಾದರಿಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಮತ್ತು ಪ್ರತಿನಿಧಿ ಮಾದರಿ ಏನು. ಇದು ಕೇಕ್ ಉದಾಹರಣೆಯಂತಿದೆ. ಎಲ್ಲಾ ನಂತರ, ಅದರ ರುಚಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನೀವು ಸಂಪೂರ್ಣ ಸಿಹಿಭಕ್ಷ್ಯವನ್ನು ತಿನ್ನಬೇಕಾಗಿಲ್ಲವೇ? ಒಂದು ಸಣ್ಣ ಭಾಗ ಸಾಕು.
ಆದ್ದರಿಂದ, ಕೇಕ್ ಆಗಿದೆ ಜನಸಂಖ್ಯೆ (ಅಂದರೆ, ಸಮೀಕ್ಷೆಗೆ ಅರ್ಹರಾಗಿರುವ ಎಲ್ಲಾ ಪ್ರತಿಸ್ಪಂದಕರು). ಇದನ್ನು ಭೌಗೋಳಿಕವಾಗಿ ವ್ಯಕ್ತಪಡಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ, ಮಾಸ್ಕೋ ಪ್ರದೇಶದ ನಿವಾಸಿಗಳು ಮಾತ್ರ. ಲಿಂಗ - ಮಹಿಳೆಯರಿಗೆ ಮಾತ್ರ. ಅಥವಾ ವಯಸ್ಸಿನ ನಿರ್ಬಂಧಗಳನ್ನು ಹೊಂದಿರಿ - 65 ವರ್ಷಕ್ಕಿಂತ ಮೇಲ್ಪಟ್ಟ ರಷ್ಯನ್ನರು.
ಜನಸಂಖ್ಯೆಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಕಷ್ಟ: ನೀವು ಜನಸಂಖ್ಯೆಯ ಜನಗಣತಿ ಅಥವಾ ಪ್ರಾಥಮಿಕ ಮೌಲ್ಯಮಾಪನ ಸಮೀಕ್ಷೆಗಳಿಂದ ಡೇಟಾವನ್ನು ಹೊಂದಿರಬೇಕು. ಆದ್ದರಿಂದ, ಸಾಮಾನ್ಯವಾಗಿ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯು "ಅಂದಾಜು", ಮತ್ತು ಫಲಿತಾಂಶದ ಸಂಖ್ಯೆಯಿಂದ ಅವರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತಾರೆ ಮಾದರಿ ಜನಸಂಖ್ಯೆಅಥವಾ ಮಾದರಿ.
ಪ್ರತಿನಿಧಿ ಮಾದರಿ ಎಂದರೇನು?
ಮಾದರಿ- ಇದು ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಪ್ರತಿಸ್ಪಂದಕರ ಸಂಖ್ಯೆ. ಆಯ್ಕೆಯ ಮುಖ್ಯ ಗುಣಲಕ್ಷಣಗಳ ಪ್ರಕಾರ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ರಚನೆಯೊಂದಿಗೆ ಅದರ ರಚನೆಯು ಸಾಧ್ಯವಾದಷ್ಟು ಹೊಂದಿಕೆಯಾಗಬೇಕು.
ಉದಾಹರಣೆಗೆ, ಸಂಭಾವ್ಯ ಪ್ರತಿಸ್ಪಂದಕರು ರಷ್ಯಾದ ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆಯಾಗಿದ್ದರೆ, ಅಲ್ಲಿ 54% ಮಹಿಳೆಯರು ಮತ್ತು 46% ಪುರುಷರು, ನಂತರ ಮಾದರಿಯು ನಿಖರವಾಗಿ ಅದೇ ಶೇಕಡಾವನ್ನು ಹೊಂದಿರಬೇಕು. ನಿಯತಾಂಕಗಳು ಹೊಂದಿಕೆಯಾದರೆ, ಮಾದರಿಯನ್ನು ಪ್ರತಿನಿಧಿ ಎಂದು ಕರೆಯಬಹುದು. ಇದರರ್ಥ ಅಧ್ಯಯನದಲ್ಲಿನ ತಪ್ಪುಗಳು ಮತ್ತು ದೋಷಗಳನ್ನು ಕನಿಷ್ಠಕ್ಕೆ ಇಳಿಸಲಾಗುತ್ತದೆ.
ನಿಖರತೆ ಮತ್ತು ಆರ್ಥಿಕತೆಯ ಅಗತ್ಯತೆಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಮಾದರಿ ಗಾತ್ರವನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಈ ಅವಶ್ಯಕತೆಗಳು ಪರಸ್ಪರ ವಿಲೋಮ ಅನುಪಾತದಲ್ಲಿರುತ್ತವೆ: ಮಾದರಿಯ ಗಾತ್ರವು ದೊಡ್ಡದಾಗಿದೆ, ಫಲಿತಾಂಶವು ಹೆಚ್ಚು ನಿಖರವಾಗಿರುತ್ತದೆ. ಇದಲ್ಲದೆ, ಹೆಚ್ಚಿನ ನಿಖರತೆ, ಅಧ್ಯಯನವನ್ನು ನಡೆಸಲು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಹೆಚ್ಚಿನ ವೆಚ್ಚಗಳು ಬೇಕಾಗುತ್ತವೆ. ಮತ್ತು ತದ್ವಿರುದ್ದವಾಗಿ, ಮಾದರಿಯು ಚಿಕ್ಕದಾಗಿದೆ, ಅದು ಕಡಿಮೆ ವೆಚ್ಚವಾಗುತ್ತದೆ, ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಕಡಿಮೆ ನಿಖರವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಪುನರುತ್ಪಾದಿಸಲಾಗುತ್ತದೆ.
ಆದ್ದರಿಂದ, ಆಯ್ಕೆಯ ಪರಿಮಾಣವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು, ಸಮಾಜಶಾಸ್ತ್ರಜ್ಞರು ಸೂತ್ರವನ್ನು ಕಂಡುಹಿಡಿದರು ಮತ್ತು ರಚಿಸಿದರು ವಿಶೇಷ ಕ್ಯಾಲ್ಕುಲೇಟರ್:
ವಿಶ್ವಾಸ ಸಂಭವನೀಯತೆಮತ್ತು ವಿಶ್ವಾಸ ದೋಷ
ನಿಯಮಗಳು ಏನು ಮಾಡುತ್ತವೆ" ವಿಶ್ವಾಸಾರ್ಹ ಸಂಭವನೀಯತೆ" ಮತ್ತು " ವಿಶ್ವಾಸ ದೋಷ"? ವಿಶ್ವಾಸಾರ್ಹ ಸಂಭವನೀಯತೆಯು ಮಾಪನ ನಿಖರತೆಯ ಸೂಚಕವಾಗಿದೆ. ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ದೋಷವು ಸಂಶೋಧನಾ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಸಂಭವನೀಯ ದೋಷವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, 500,00 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಜನರ ಜನಸಂಖ್ಯೆಯೊಂದಿಗೆ (ನೊವೊಕುಜ್ನೆಟ್ಸ್ಕ್‌ನಲ್ಲಿ ವಾಸಿಸುತ್ತಿದ್ದಾರೆಂದು ಹೇಳೋಣ), ಮಾದರಿಯು 384 ಜನರ ವಿಶ್ವಾಸಾರ್ಹ ಸಂಭವನೀಯತೆ 95% ಮತ್ತು 5% ಅಥವಾ ದೋಷ (95 ± 5 ರ ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರದೊಂದಿಗೆ %).
ಇದರಿಂದ ಏನು ಅನುಸರಿಸುತ್ತದೆ? ಅಂತಹ ಮಾದರಿಯೊಂದಿಗೆ (384 ಜನರು) 100 ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸುವಾಗ, 95 ಪ್ರತಿಶತ ಪ್ರಕರಣಗಳಲ್ಲಿ ಅಂಕಿಅಂಶಗಳ ನಿಯಮಗಳ ಪ್ರಕಾರ ಪಡೆದ ಉತ್ತರಗಳು ಮೂಲ ಒಂದಕ್ಕಿಂತ ± 5% ಒಳಗೆ ಇರುತ್ತದೆ. ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ದೋಷದ ಕನಿಷ್ಠ ಸಂಭವನೀಯತೆಯೊಂದಿಗೆ ನಾವು ಪ್ರತಿನಿಧಿ ಮಾದರಿಯನ್ನು ಪಡೆಯುತ್ತೇವೆ.
ಮಾದರಿ ಗಾತ್ರವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದ ನಂತರ, ಪ್ರಶ್ನಾವಳಿ ಫಲಕದ ಡೆಮೊ ಆವೃತ್ತಿಯಲ್ಲಿ ಸಾಕಷ್ಟು ಸಂಖ್ಯೆಯ ಪ್ರತಿಕ್ರಿಯೆದಾರರು ಇದ್ದಾರೆಯೇ ಎಂದು ನೀವು ನೋಡಬಹುದು. ಪ್ಯಾನಲ್ ಸಮೀಕ್ಷೆಯನ್ನು ಹೇಗೆ ನಡೆಸುವುದು ಎಂಬುದರ ಕುರಿತು ನೀವು ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಬಹುದು.
ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯ
| ಪ್ಯಾರಾಮೀಟರ್ ಹೆಸರು | ಅರ್ಥ |
| ಲೇಖನ ವಿಷಯ: | ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯ |
| ರೂಬ್ರಿಕ್ (ವಿಷಯಾಧಾರಿತ ವರ್ಗ) | ಮನೋವಿಜ್ಞಾನ |
ಮಾದರಿ ಅವಶ್ಯಕತೆಗಳು
ಮಾದರಿಗೆ ಹಲವಾರು ಕಡ್ಡಾಯ ಅವಶ್ಯಕತೆಗಳನ್ನು ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ, ಮೊದಲನೆಯದಾಗಿ, ಅಧ್ಯಯನದ ಗುರಿಗಳು ಮತ್ತು ಉದ್ದೇಶಗಳಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಪ್ರಯೋಗವನ್ನು ಯೋಜಿಸುವುದು ಮಾದರಿ ಗಾತ್ರ ಮತ್ತು ಅದರ ಹಲವಾರು ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಆದ್ದರಿಂದ, ಮಾನಸಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ಅವಶ್ಯಕತೆ ಮುಖ್ಯವಾಗಿದೆ ಏಕರೂಪತೆಮಾದರಿಗಳು. ಇದರರ್ಥ ಅಧ್ಯಯನ ಮಾಡುವ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞ, ಉದಾಹರಣೆಗೆ, ಹದಿಹರೆಯದವರು, ಅದೇ ಮಾದರಿಯಲ್ಲಿ ವಯಸ್ಕರನ್ನು ಸೇರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ, ವಯಸ್ಸಿನ ವಿಭಾಗಗಳ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ನಡೆಸಿದ ಅಧ್ಯಯನವು ಮೂಲಭೂತವಾಗಿ ವಿವಿಧ ವಯಸ್ಸಿನ ವಿಷಯಗಳ ಉಪಸ್ಥಿತಿಯನ್ನು ಊಹಿಸುತ್ತದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಮಾದರಿಯ ಏಕರೂಪತೆಯನ್ನು ಗಮನಿಸಬೇಕು, ಆದರೆ ಇತರ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ, ಪ್ರಾಥಮಿಕವಾಗಿ ವಯಸ್ಸು ಮತ್ತು ಲಿಂಗ. ಏಕರೂಪದ ಮಾದರಿಯನ್ನು ರೂಪಿಸುವ ಆಧಾರವು ಅಧ್ಯಯನದ ಉದ್ದೇಶಗಳ ಆಧಾರದ ಮೇಲೆ ಬುದ್ಧಿವಂತಿಕೆಯ ಮಟ್ಟ, ರಾಷ್ಟ್ರೀಯತೆ, ಕೆಲವು ರೋಗಗಳ ಅನುಪಸ್ಥಿತಿಯಂತಹ ವಿವಿಧ ಗುಣಲಕ್ಷಣಗಳಾಗಿರಬಹುದು.
ಸಾಮಾನ್ಯ ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಒಂದು ಪರಿಕಲ್ಪನೆ ಇದೆ ಪುನರಾವರ್ತನೆಯಾಯಿತುಮತ್ತು ಪುನರಾವರ್ತಿತವಲ್ಲದಮಾದರಿಗಳು, ಅಥವಾ, ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಹಿಂತಿರುಗಿಸುವಿಕೆಯೊಂದಿಗೆ ಮತ್ತು ಇಲ್ಲದ ಮಾದರಿಗಳು. ಉದಾಹರಣೆಯಾಗಿ, ನಿಯಮದಂತೆ, ಕಂಟೇನರ್ನಿಂದ ತೆಗೆದ ಚೆಂಡಿನ ಆಯ್ಕೆಯನ್ನು ನೀಡಲಾಗುತ್ತದೆ. ರಿಟರ್ನ್ ಮಾದರಿಯ ಸಂದರ್ಭದಲ್ಲಿ, ಪ್ರತಿ ಆಯ್ದ ಚೆಂಡನ್ನು ಕಂಟೇನರ್‌ಗೆ ಹಿಂತಿರುಗಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಆದ್ದರಿಂದ ಮತ್ತೆ ಆಯ್ಕೆ ಮಾಡಬೇಕು. ಪುನರಾವರ್ತನೆಯಿಲ್ಲದ ಆಯ್ಕೆಯ ಸಂದರ್ಭದಲ್ಲಿ, ಒಮ್ಮೆ ಆಯ್ಕೆ ಮಾಡಿದ ಚೆಂಡನ್ನು ಪಕ್ಕಕ್ಕೆ ಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ಇನ್ನು ಮುಂದೆ ಆಯ್ಕೆಯಲ್ಲಿ ಭಾಗವಹಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಮಾನಸಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ, ಮಾದರಿ ಅಧ್ಯಯನವನ್ನು ಆಯೋಜಿಸುವ ಈ ರೀತಿಯ ವಿಧಾನಗಳ ಸಾದೃಶ್ಯಗಳನ್ನು ಒಬ್ಬರು ಕಾಣಬಹುದು, ಏಕೆಂದರೆ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರು ಒಂದೇ ತಂತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ಒಂದೇ ವಿಷಯಗಳನ್ನು ಹಲವಾರು ಬಾರಿ ಪರೀಕ್ಷಿಸಬೇಕಾಗುತ್ತದೆ. ಇದಲ್ಲದೆ, ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಹೇಳುವುದಾದರೆ, ಈ ಸಂದರ್ಭದಲ್ಲಿ ಪರೀಕ್ಷಾ ವಿಧಾನವನ್ನು ಪುನರಾವರ್ತಿಸಲಾಗುತ್ತದೆ. ಸಂಯೋಜನೆಯ ಸಂಪೂರ್ಣ ಗುರುತನ್ನು ಹೊಂದಿರುವ ವಿಷಯಗಳ ಮಾದರಿಯು ಪುನರಾವರ್ತಿತ ಅಧ್ಯಯನಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಯಾವಾಗಲೂ ಎಲ್ಲಾ ಜನರಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುವ ಕ್ರಿಯಾತ್ಮಕ ಮತ್ತು ವಯಸ್ಸಿಗೆ ಸಂಬಂಧಿಸಿದ ವ್ಯತ್ಯಾಸಗಳಿಂದಾಗಿ ಕೆಲವು ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಕಾರ್ಯವಿಧಾನದ ಸ್ವರೂಪದಿಂದಾಗಿ, ಅಂತಹ ಮಾದರಿಯನ್ನು ಪುನರಾವರ್ತಿಸಲಾಗುತ್ತದೆ, ಆದರೂ ಇಲ್ಲಿ ಪದದ ಅರ್ಥವು ಚೆಂಡುಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಸ್ಪಷ್ಟವಾಗಿ ವಿಭಿನ್ನವಾಗಿದೆ.
ಯಾವುದೇ ಮಾದರಿಯ ಎಲ್ಲಾ ಅವಶ್ಯಕತೆಗಳು ಅದರ ಆಧಾರದ ಮೇಲೆ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞನು ಈ ಮಾದರಿಯನ್ನು ತೆಗೆದುಕೊಂಡ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳ ಬಗ್ಗೆ ಸಂಪೂರ್ಣವಾದ, ವಿರೂಪಗೊಳಿಸದ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಬೇಕು ಎಂಬ ಅಂಶಕ್ಕೆ ಕುದಿಯುತ್ತವೆ ಎಂದು ಒತ್ತಿಹೇಳುವುದು ಮುಖ್ಯ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಮಾದರಿಯು ಅಧ್ಯಯನ ಮಾಡಲಾದ ಜನಸಂಖ್ಯೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರತಿಬಿಂಬಿಸಬೇಕು.
ಪ್ರಾಯೋಗಿಕ ಮಾದರಿಯ ಸಂಯೋಜನೆಯು ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸಬೇಕು (ಮಾದರಿ), ಏಕೆಂದರೆ ಪ್ರಯೋಗದಲ್ಲಿ ಪಡೆದ ತೀರ್ಮಾನಗಳನ್ನು ನಂತರ ಇಡೀ ಜನಸಂಖ್ಯೆಗೆ ವರ್ಗಾಯಿಸಲಾಗುತ್ತದೆ ಎಂದು ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ. ಈ ಕಾರಣಕ್ಕಾಗಿ, ಮಾದರಿಯು ವಿಶೇಷ ಗುಣಮಟ್ಟವನ್ನು ಹೊಂದಿರಬೇಕು - ಪ್ರಾತಿನಿಧ್ಯ, ಅದರಿಂದ ಪಡೆದ ತೀರ್ಮಾನಗಳನ್ನು ಇಡೀ ಜನಸಂಖ್ಯೆಗೆ ವಿಸ್ತರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯವು ಬಹಳ ಮುಖ್ಯವಾಗಿದೆ, ಆದಾಗ್ಯೂ, ವಸ್ತುನಿಷ್ಠ ಕಾರಣಗಳಿಗಾಗಿ ಅದನ್ನು ನಿರ್ವಹಿಸುವುದು ತುಂಬಾ ಕಷ್ಟ. ಹೀಗಾಗಿ, 20 ನೇ ಶತಮಾನದ 60 ರ ದಶಕದಲ್ಲಿ ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನಲ್ಲಿ 20 ನೇ ಶತಮಾನದ 60 ರ ದಶಕದಲ್ಲಿ ಕಾಲೇಜು ವಿದ್ಯಾರ್ಥಿಗಳ ವಿಷಯಗಳೊಂದಿಗೆ 70% ರಿಂದ 90% ರಷ್ಟು ಮಾನವ ನಡವಳಿಕೆಯ ಎಲ್ಲಾ ಮಾನಸಿಕ ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸಲಾಯಿತು ಎಂಬುದು ಎಲ್ಲರಿಗೂ ತಿಳಿದಿರುವ ಸತ್ಯ, ಅವರಲ್ಲಿ ಹೆಚ್ಚಿನವರು ವಿದ್ಯಾರ್ಥಿ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರು. ಪ್ರಾಣಿಗಳ ಮೇಲೆ ನಡೆಸಿದ ಪ್ರಯೋಗಾಲಯ ಸಂಶೋಧನೆಯಲ್ಲಿ, ಅಧ್ಯಯನದ ಸಾಮಾನ್ಯ ವಿಷಯವೆಂದರೆ ಇಲಿಗಳು. ಈ ಕಾರಣಕ್ಕಾಗಿ, ಮನೋವಿಜ್ಞಾನವನ್ನು ಹಿಂದೆ "ಸೋಫೋಮೊರ್ಸ್ ಮತ್ತು ಬಿಳಿ ಇಲಿಗಳ ವಿಜ್ಞಾನ" ಎಂದು ಕರೆಯುವುದು ಕಾಕತಾಳೀಯವಲ್ಲ. ಕಾಲೇಜು ಮನೋವಿಜ್ಞಾನದ ವಿದ್ಯಾರ್ಥಿಗಳು ಒಟ್ಟು US ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಕೇವಲ 3% ರಷ್ಟಿದ್ದಾರೆ. ವಿದ್ಯಾರ್ಥಿಗಳ ಮಾದರಿಯು ದೇಶದ ಸಂಪೂರ್ಣ ಜನಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಎಂದು ಹೇಳಿಕೊಳ್ಳುವ ಮಾದರಿಯಾಗಿ ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ.
ಪ್ರತಿನಿಧಿಮಾದರಿ, ಅಥವಾ, ಅವರು ಹೇಳಿದಂತೆ, ಪ್ರತಿನಿಧಿಮಾದರಿಯು ಒಂದು ಮಾದರಿಯಾಗಿದ್ದು, ಇದರಲ್ಲಿ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯ ಎಲ್ಲಾ ಮುಖ್ಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಸರಿಸುಮಾರು ಒಂದೇ ಅನುಪಾತದಲ್ಲಿ ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಗುಣಲಕ್ಷಣವು ಕಾಣಿಸಿಕೊಳ್ಳುವ ಅದೇ ಆವರ್ತನದೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಪ್ರತಿನಿಧಿ ಮಾದರಿಯು ಜನಸಂಖ್ಯೆಯ ಚಿಕ್ಕದಾದ ಆದರೆ ನಿಖರವಾದ ಮಾದರಿಯಾಗಿದ್ದು ಅದು ಪ್ರತಿಬಿಂಬಿಸಲು ಉದ್ದೇಶಿಸಲಾಗಿದೆ. ಮಾದರಿಯು ಪ್ರತಿನಿಧಿಸುವ ಮಟ್ಟಿಗೆ, ಆ ಮಾದರಿಯ ಅಧ್ಯಯನದ ಆಧಾರದ ಮೇಲೆ ತೀರ್ಮಾನಗಳು ಸಮಂಜಸವಾಗಿ ಇಡೀ ಜನಸಂಖ್ಯೆಗೆ ಅನ್ವಯಿಸುತ್ತವೆ ಎಂದು ಊಹಿಸಬಹುದು. ಫಲಿತಾಂಶಗಳ ಈ ವಿತರಣೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಕರೆಯಲಾಗುತ್ತದೆ ಸಾಮಾನ್ಯೀಕರಣ.
ತಾತ್ತ್ವಿಕವಾಗಿ, ಪ್ರಾತಿನಿಧಿಕ ಮಾದರಿಯು ಮೂಲಭೂತ ಗುಣಲಕ್ಷಣಗಳು, ಗುಣಲಕ್ಷಣಗಳು, ವ್ಯಕ್ತಿತ್ವ ಲಕ್ಷಣಗಳು ಇತ್ಯಾದಿಗಳನ್ನು ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞರಿಂದ ಅಧ್ಯಯನ ಮಾಡುವಂತೆ ಇರಬೇಕು. ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯಲ್ಲಿನ ಅದೇ ವೈಶಿಷ್ಟ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಅದರಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲಾಗುತ್ತದೆ. ಈ ಅವಶ್ಯಕತೆಗಳ ಪ್ರಕಾರ, ಮಾದರಿ ಪ್ರಕ್ರಿಯೆಯು ಆಂತರಿಕ ತರ್ಕವನ್ನು ಹೊಂದಿರಬೇಕು, ಅದು ಸಂಶೋಧಕರಿಗೆ ಮನವರಿಕೆ ಮಾಡಬಲ್ಲದು, ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಅದು ನಿಜವಾಗಿಯೂ ಪ್ರತಿನಿಧಿಯಾಗಿರುತ್ತದೆ.
ತನ್ನ ನಿರ್ದಿಷ್ಟ ಚಟುವಟಿಕೆಗಳಲ್ಲಿ, ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞನು ಈ ಕೆಳಗಿನಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಾನೆ: ಸಾಮಾನ್ಯ ಜನಸಂಖ್ಯೆಯೊಳಗೆ ಉಪಗುಂಪು (ಮಾದರಿ) ಅನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ, ಈ ಮಾದರಿಯನ್ನು ವಿವರವಾಗಿ ಅಧ್ಯಯನ ಮಾಡುತ್ತದೆ (ಅದರೊಂದಿಗೆ ಪ್ರಾಯೋಗಿಕ ಕೆಲಸವನ್ನು ನಡೆಸುತ್ತದೆ), ಮತ್ತು ನಂತರ, ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಶ್ಲೇಷಣೆಯ ಫಲಿತಾಂಶಗಳು ಅದನ್ನು ಅನುಮತಿಸಿದರೆ, ಸಂಶೋಧನೆಗಳನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ. ಇಡೀ ಸಾಮಾನ್ಯ ಜನತೆಗೆ. ಮಾದರಿಯೊಂದಿಗೆ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞನ ಕೆಲಸದ ಮುಖ್ಯ ಹಂತಗಳು ಇವು.
ಮಹತ್ವಾಕಾಂಕ್ಷೆಯ ಮನಶ್ಶಾಸ್ತ್ರಜ್ಞನು ಆಗಾಗ್ಗೆ ಪುನರಾವರ್ತಿಸುವ ತಪ್ಪನ್ನು ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕು: ಅವನು ಯಾವುದೇ ವಿಧಾನದಿಂದ ಮತ್ತು ಯಾವುದೇ ಮೂಲದಿಂದ ಯಾವುದೇ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿದಾಗ, ಅವನು ಯಾವಾಗಲೂ ತನ್ನ ತೀರ್ಮಾನಗಳನ್ನು ಇಡೀ ಜನಸಂಖ್ಯೆಗೆ ಸಾಮಾನ್ಯೀಕರಿಸಲು ಪ್ರಚೋದಿಸುತ್ತಾನೆ. ಅಂತಹ ತಪ್ಪನ್ನು ತಪ್ಪಿಸಲು, ನೀವು ಸಾಮಾನ್ಯ ಜ್ಞಾನವನ್ನು ಹೊಂದಿರುವುದು ಮಾತ್ರವಲ್ಲ, ಎಲ್ಲಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಗಣಿತದ ಅಂಕಿಅಂಶಗಳ ಮೂಲ ಪರಿಕಲ್ಪನೆಗಳ ಉತ್ತಮ ಆಜ್ಞೆಯನ್ನು ಹೊಂದಿರಬೇಕು.
ಮಾದರಿಯ ಪ್ರಾತಿನಿಧ್ಯ - ಪರಿಕಲ್ಪನೆ ಮತ್ತು ಪ್ರಕಾರಗಳು. ವರ್ಗೀಕರಣ ಮತ್ತು ವೈಶಿಷ್ಟ್ಯಗಳು "ಮಾದರಿ ಪ್ರತಿನಿಧಿತ್ವ" 2017, 2018.