प्रतिनिधित्व की अवधारणा अक्सर सांख्यिकीय रिपोर्टिंग और भाषणों और रिपोर्टों की तैयारी में पाई जाती है। शायद, इसके बिना समीक्षा के लिए किसी भी प्रकार की जानकारी की प्रस्तुति की कल्पना करना मुश्किल है।
प्रतिनिधित्व - यह क्या है?
प्रतिनिधित्व यह दर्शाता है कि कैसे चयनित वस्तुएं या भाग उस डेटा सेट की सामग्री और अर्थ से मेल खाते हैं जिससे उन्हें चुना गया था।
अन्य परिभाषाएं
प्रतिनिधित्व की अवधारणा को विभिन्न संदर्भों में प्रकट किया जा सकता है। लेकिन इसके अर्थ में, प्रतिनिधित्व सामान्य आबादी से चयनित इकाइयों की विशेषताओं और गुणों का पत्राचार है, जो समग्र रूप से संपूर्ण सामान्य डेटाबेस की विशेषताओं को सटीक रूप से दर्शाता है।
सूचना की प्रतिनिधित्वशीलता को जनसंख्या के मापदंडों और गुणों का प्रतिनिधित्व करने के लिए नमूना डेटा की क्षमता के रूप में भी परिभाषित किया गया है जो अध्ययन के दृष्टिकोण से महत्वपूर्ण हैं।
प्रतिनिधि नमूना
नमूना का सिद्धांत चयन करना हैसबसे महत्वपूर्ण और सटीक रूप से कुल डेटा सेट के गुणों को दर्शाता है। इसके लिए, विभिन्न तरीकों का उपयोग किया जाता है जो सटीक परिणाम और जनसंख्या का एक सामान्य विचार प्राप्त करने की अनुमति देता है, केवल नमूना सामग्री का उपयोग करके जो सभी डेटा के गुणों का वर्णन करता है।
इस प्रकार, संपूर्ण सामग्री का अध्ययन करना आवश्यक नहीं है, लेकिन नमूना प्रतिनिधित्व पर विचार करने के लिए पर्याप्त है। यह क्या है? यह जानकारी के कुल द्रव्यमान का अंदाजा लगाने के लिए व्यक्तिगत डेटा का चयन है।
विधि के आधार पर, उन्हें संभाव्य और असंभव के रूप में प्रतिष्ठित किया जाता है। प्रायिकता एक नमूना है जो सबसे महत्वपूर्ण और दिलचस्प डेटा की गणना करके बनाया जाता है, जो सामान्य आबादी के आगे के प्रतिनिधि हैं। क्या यह एक जानबूझकर पसंद है या एक यादृच्छिक चयन है, फिर भी इसकी सामग्री द्वारा उचित है।
असंभव - यह एक नियमित लॉटरी के सिद्धांत के अनुसार संकलित यादृच्छिक नमूनाकरण की किस्मों में से एक है। इस मामले में, ऐसा नमूना बनाने वाले की राय को ध्यान में नहीं रखा जाता है। केवल एक अंधी लॉट का उपयोग किया जाता है।
संभावना नमूनाकरण
संभाव्यता के नमूनों को भी कई प्रकारों में विभाजित किया जा सकता है:
- गैर-प्रतिनिधि नमूनाकरण सबसे सरल और सबसे समझने योग्य सिद्धांतों में से एक है। उदाहरण के लिए, इस पद्धति का उपयोग अक्सर सामाजिक सर्वेक्षणों में किया जाता है। साथ ही, सर्वेक्षण में भाग लेने वालों का चयन किसी विशिष्ट आधार पर भीड़ में से नहीं किया जाता है, और इसमें भाग लेने वाले पहले 50 लोगों से जानकारी प्राप्त की जाती है।
- जानबूझकरनमूने इस मायने में भिन्न हैं कि चयन में उनकी कई आवश्यकताएं और शर्तें हैं, लेकिन फिर भी वे यादृच्छिक संयोग पर भरोसा करते हैं, अच्छे आंकड़े प्राप्त करने के लक्ष्य का पीछा नहीं करते हैं।
- कोटा-आधारित नमूनाकरण गैर-संभाव्य नमूने का एक और रूपांतर है जिसका उपयोग अक्सर बड़े डेटासेट की जांच के लिए किया जाता है। यह बहुत सारे नियमों और शर्तों का उपयोग करता है। वस्तुओं का चयन किया जाता है जो उनके अनुरूप होनी चाहिए। अर्थात्, एक सामाजिक सर्वेक्षण के उदाहरण का उपयोग करते हुए, यह माना जा सकता है कि 100 लोगों का साक्षात्कार लिया जाएगा, लेकिन एक सांख्यिकीय रिपोर्ट संकलित करते समय केवल एक निश्चित संख्या में लोगों की राय को ध्यान में रखा जाएगा जो स्थापित आवश्यकताओं को पूरा करेंगे।
संभाव्यता के नमूने
संभाव्य नमूनों के लिए, कई मापदंडों की गणना की जाती है, जिसके लिए नमूने में वस्तुएं अनुरूप होंगी, और उनमें से, अलग-अलग तरीकों से, ठीक उन तथ्यों और डेटा को नमूना डेटा की प्रतिनिधित्व के रूप में प्रस्तुत किया जा सकता है चुन लिया। आवश्यक डेटा की गणना के ये तरीके हो सकते हैं:
साधारण यादृच्छिक नमूनाकरण। यह इस तथ्य में समाहित है कि चयनित खंड के बीच, डेटा की आवश्यक मात्रा को पूरी तरह से यादृच्छिक लॉटरी विधि द्वारा चुना जाता है, जो एक प्रतिनिधि नमूना होगा।
व्यवस्थित और यादृच्छिक नमूनाकरण यादृच्छिक रूप से चयनित खंड के आधार पर आवश्यक डेटा की गणना के लिए एक प्रणाली बनाना संभव बनाता है। इस प्रकार, यदि पहली यादृच्छिक संख्या जो कुल जनसंख्या में से चयनित डेटा की अनुक्रम संख्या को इंगित करती है, 5 है, तो बाद वालीचुना जाने वाला डेटा, उदाहरण के लिए, 15, 25, 35, आदि हो सकता है। यह उदाहरण स्पष्ट रूप से बताता है कि एक यादृच्छिक चयन भी आवश्यक इनपुट डेटा की व्यवस्थित गणना पर आधारित हो सकता है।
उपभोक्ताओं का नमूना
जानबूझकर नमूनाकरण एक ऐसी विधि है जो प्रत्येक व्यक्तिगत खंड पर विचार करती है और इसके मूल्यांकन के आधार पर, एक जनसंख्या संकलित की जाती है जो समग्र डेटाबेस की विशेषताओं और गुणों को दर्शाती है। इस तरह, अधिक डेटा एकत्र किया जाता है जो एक प्रतिनिधि नमूने की आवश्यकताओं को पूरा करता है। कुल जनसंख्या का प्रतिनिधित्व करने वाले चयनित डेटा की गुणवत्ता खोए बिना, कई विकल्पों का चयन करना आसान है, जिन्हें कुल संख्या में शामिल नहीं किया जाएगा। इस तरह, अध्ययन के परिणामों की प्रतिनिधित्वशीलता निर्धारित की जाती है।
नमूना आकार
आखिरी मुद्दा नहीं है जिसे संबोधित किया जाना आबादी के प्रतिनिधि प्रतिनिधित्व के लिए नमूना आकार है। नमूना आकार हमेशा सामान्य आबादी में स्रोतों की संख्या पर निर्भर नहीं करता है। हालांकि, नमूना आबादी का प्रतिनिधित्व सीधे इस बात पर निर्भर करता है कि परिणाम को कितने खंडों में विभाजित किया जाना चाहिए। इस तरह के जितने अधिक खंड होंगे, परिणामी नमूने में उतना ही अधिक डेटा होगा। यदि परिणामों के लिए एक सामान्य अंकन की आवश्यकता होती है और विशिष्टताओं की आवश्यकता नहीं होती है, तो, तदनुसार, नमूना छोटा हो जाता है, क्योंकि, विवरण में जाने के बिना, जानकारी अधिक सतही रूप से प्रस्तुत की जाती है, जिसका अर्थ है कि इसका पठन सामान्य होगा।
गलती अवधारणाप्रतिनिधित्व
प्रतिनिधित्व त्रुटि जनसंख्या की विशेषताओं और नमूना डेटा के बीच एक विशिष्ट विसंगति है। किसी भी नमूना अध्ययन का संचालन करते समय, पूरी तरह से सटीक डेटा प्राप्त करना असंभव है, जैसा कि सामान्य आबादी के पूर्ण अध्ययन और जानकारी और मापदंडों के केवल एक हिस्से के साथ प्रदान किया गया एक नमूना है, जबकि पूरी आबादी का अध्ययन करते समय अधिक विस्तृत अध्ययन संभव है। इस प्रकार, कुछ अशुद्धियाँ और त्रुटियाँ अपरिहार्य हैं।
त्रुटियों के प्रकार
प्रतिनिधि नमूना संकलित करते समय होने वाली कुछ त्रुटियों को अलग करें:
- व्यवस्थित।
- यादृच्छिक।
- जानबूझकर।
- अनजाने में।
- मानक।
- सीमा।
यादृच्छिक त्रुटियों के प्रकट होने का कारण सामान्य जनसंख्या के अध्ययन की असंतत प्रकृति हो सकती है। आमतौर पर, प्रतिनिधित्व की यादृच्छिक त्रुटि नगण्य आकार और प्रकृति की होती है।
इस बीच, व्यवस्थित त्रुटियां तब होती हैं जब सामान्य आबादी से डेटा के चयन के नियमों का उल्लंघन किया जाता है।
माध्य त्रुटि नमूना माध्य और अंतर्निहित जनसंख्या के बीच का अंतर है। यह नमूने में इकाइयों की संख्या पर निर्भर नहीं करता है। यह नमूना आकार के विपरीत आनुपातिक है। फिर वॉल्यूम जितना बड़ा होगा, औसत त्रुटि का मान उतना ही छोटा होगा।
मार्जिनल त्रुटि लिए गए नमूने के औसत मूल्यों और कुल जनसंख्या के बीच सबसे बड़ा संभावित अंतर है। इस तरह की त्रुटि को अधिकतम संभावित त्रुटियों के रूप में जाना जाता हैउनकी उपस्थिति की दी गई शर्तों के तहत।
प्रतिनिधित्व की जानबूझकर और अनजाने में हुई त्रुटियां
डेटा ऑफसेट त्रुटियां जानबूझकर या अनजाने में हो सकती हैं।
फिर जानबूझकर त्रुटियों के प्रकट होने का कारण प्रवृत्तियों को निर्धारित करने की विधि द्वारा डेटा के चयन के लिए दृष्टिकोण है। एक प्रतिनिधि नमूना बनाने, नमूना अवलोकन तैयार करने के चरण में भी अनजाने में त्रुटियां होती हैं। ऐसी त्रुटियों से बचने के लिए, नमूना इकाइयों को सूचीबद्ध करने के लिए एक अच्छा नमूना फ्रेम बनाना आवश्यक है। यह पूरी तरह से नमूने के उद्देश्यों को पूरा करना चाहिए, विश्वसनीय होना चाहिए, अध्ययन के सभी पहलुओं को कवर करना चाहिए।
वैधता, विश्वसनीयता, प्रतिनिधित्वशीलता। त्रुटि गणना
अंकगणितीय माध्य (M) की प्रतिनिधित्व त्रुटि (Mm) की गणना करें।
मानक विचलन: नमूना आकार (>30)।
प्रतिनिधित्व त्रुटि (श्रीमान) और सापेक्ष मान (R): नमूना आकार (n>30)।
यदि आपको ऐसी जनसंख्या का अध्ययन करना है जहाँ नमूनों की संख्या कम है और 30 इकाई से कम है, तो प्रेक्षणों की संख्या एक इकाई से कम हो जाएगी।
त्रुटि का आकार सीधे नमूने के आकार के समानुपाती होता है। सूचना का प्रतिनिधित्व और सटीक पूर्वानुमान लगाने की संभावना की डिग्री की गणना एक निश्चित मात्रा में सीमांत त्रुटि को दर्शाती है।
प्रतिनिधि प्रणाली
सूचना की प्रस्तुति के मूल्यांकन की प्रक्रिया में न केवल एक प्रतिनिधि नमूना का उपयोग किया जाता है, बल्कि स्वयं जानकारी प्राप्त करने वाला व्यक्ति,प्रतिनिधि प्रणालियों का उपयोग करता है। इस प्रकार, मस्तिष्क एक निश्चित मात्रा में जानकारी को संसाधित करता है, सूचना के पूरे प्रवाह से एक प्रतिनिधि नमूना बनाता है ताकि प्रस्तुत डेटा का गुणात्मक और त्वरित मूल्यांकन किया जा सके और मुद्दे के सार को समझा जा सके। प्रश्न का उत्तर दें: "प्रतिनिधित्व - यह क्या है?" - मानव चेतना के पैमाने पर काफी सरल है। ऐसा करने के लिए, मस्तिष्क सभी सहायक इंद्रियों का उपयोग करता है, इस पर निर्भर करता है कि किस तरह की जानकारी को सामान्य प्रवाह से अलग करने की आवश्यकता है। इस प्रकार, वे भेद करते हैं:
- दृश्य प्रतिनिधित्व प्रणाली, जहां आंख की दृश्य धारणा के अंग शामिल होते हैं। जो लोग अक्सर ऐसी प्रणाली का उपयोग करते हैं उन्हें दृश्य कहा जाता है। इस प्रणाली की सहायता से व्यक्ति छवियों के रूप में आने वाली सूचनाओं को संसाधित करता है।
- श्रव्य प्रतिनिधित्व प्रणाली। उपयोग किया जाने वाला मुख्य अंग श्रवण है। ध्वनि फ़ाइलों या भाषण के रूप में दी गई जानकारी को इस विशेष प्रणाली द्वारा संसाधित किया जाता है। जो लोग कान से जानकारी को बेहतर ढंग से समझते हैं उन्हें श्रवण कहा जाता है।
- काइनेस्टेटिक प्रतिनिधित्व प्रणाली घ्राण और स्पर्श चैनलों के माध्यम से इसे समझकर सूचना के प्रवाह का प्रसंस्करण है।
डिजिटल प्रतिनिधित्व प्रणाली का उपयोग दूसरों के साथ-साथ बाहर से जानकारी प्राप्त करने के साधन के रूप में किया जाता है। यह एक व्यक्तिपरक-तार्किक धारणा और प्राप्त आंकड़ों की समझ है।
तो, प्रतिनिधित्व - यह क्या है? एक सेट से एक साधारण चयन orसूचना के प्रसंस्करण में अभिन्न प्रक्रिया? हम निश्चित रूप से कह सकते हैं कि प्रतिनिधित्वशीलता बड़े पैमाने पर डेटा प्रवाह की हमारी धारणा को निर्धारित करती है, जिससे सबसे महत्वपूर्ण और महत्वपूर्ण को अलग करने में मदद मिलती है।
