স্তরিত স্যাম্পলিং বনাম ক্লাস্টার স্যাম্পলিং
পরিসংখ্যানে, বিশেষ করে জরিপ পরিচালনা করার সময়, একটি নিরপেক্ষ নমুনা পাওয়া গুরুত্বপূর্ণ, তাই জনসংখ্যা সম্পর্কিত ফলাফল এবং ভবিষ্যদ্বাণীগুলি আরও সঠিক। কিন্তু, সরল এলোমেলো নমুনাতে, নমুনার সদস্যদের নির্বাচন করার সম্ভাবনা রয়েছে যা পক্ষপাতদুষ্ট; অন্য কথায়, এটি জনসংখ্যাকে যথাযথভাবে উপস্থাপন করে না। অতএব, স্তরীভূত নমুনা এবং ক্লাস্টার স্যাম্পলিং সাধারণ র্যান্ডম স্যাম্পলিংয়ের পক্ষপাত ও দক্ষতার সমস্যাগুলি কাটিয়ে উঠতে ব্যবহৃত হয়৷
স্তরিত নমুনা
স্তরিত র্যান্ডম স্যাম্পলিং হল একটি নমুনা পদ্ধতি যেখানে জনসংখ্যাকে প্রথমে স্তরে ভাগ করা হয় (একটি স্তর হল জনসংখ্যার একটি সমজাতীয় উপসেট)।তারপর প্রতিটি স্তর থেকে একটি সাধারণ র্যান্ডম নমুনা নেওয়া হয়। প্রতিটি স্তরের মিলিত ফলাফল নমুনা গঠন করে। নিম্নোক্ত জনসংখ্যার সম্ভাব্য স্তরের উদাহরণ
• একটি রাজ্যের জনসংখ্যা, পুরুষ ও মহিলা স্তরের জন্য
• একটি শহরে কর্মরত ব্যক্তিদের জন্য, আবাসিক এবং অনাবাসী স্তর
• একটি কলেজের ছাত্রদের জন্য, সাদা, কালো, হিস্পানিক এবং এশিয়ান স্তর
• ধর্মতত্ত্ব, প্রোটেস্ট্যান্ট, ক্যাথলিক, ইহুদি, মুসলিম স্তর সংক্রান্ত বিতর্কের দর্শকদের জন্য
এই প্রক্রিয়ায়, জনসংখ্যা থেকে এলোমেলোভাবে নমুনা নেওয়ার পরিবর্তে, উপাদানগুলির অন্তর্নিহিত বৈশিষ্ট্য (একজাত গোষ্ঠী) ব্যবহার করে জনসংখ্যাকে দলে বিভক্ত করা হয়। তারপর গ্রুপ থেকে এলোমেলো নমুনা নেওয়া হয়। প্রতিটি গ্রুপ থেকে নেওয়া এলোমেলো নমুনার পরিমাণ গ্রুপের মধ্যে উপাদানের সংখ্যার উপর নির্ভর করে।
এটি একটি গ্রুপের নমুনা সেই নির্দিষ্ট গ্রুপ থেকে প্রয়োজনীয় নমুনার সংখ্যার চেয়ে বড় না হয়েই নমুনা তৈরি করার অনুমতি দেয়।যদি একটি নির্দিষ্ট গোষ্ঠীর উপাদানের সংখ্যা প্রয়োজনীয় পরিমাণের চেয়ে বেশি হয়, তবে বিতরণে একটি তির্যক ভুল ব্যাখ্যার দিকে নিয়ে যেতে পারে।
স্তরিত নমুনা প্রতিটি স্তরের জন্য বিভিন্ন পরিসংখ্যানগত পদ্ধতি ব্যবহার করতে সক্ষম করে, যা অনুমানের কার্যকারিতা এবং নির্ভুলতা উন্নত করতে সাহায্য করে৷
ক্লাস্টার স্যাম্পলিং
ক্লাস্টার র্যান্ডম স্যাম্পলিং হল একটি নমুনা পদ্ধতি যেখানে জনসংখ্যাকে প্রথমে ক্লাস্টারে ভাগ করা হয় (একটি ক্লাস্টার হল জনসংখ্যার একটি ভিন্নধর্মী উপসেট)। তারপর ক্লাস্টারগুলির একটি সাধারণ এলোমেলো নমুনা নেওয়া হয়। নির্বাচিত ক্লাস্টারের সকল সদস্য মিলে নমুনা গঠন করে। এই পদ্ধতিটি প্রায়ই ব্যবহৃত হয় যখন প্রাকৃতিক গ্রুপিংগুলি সুস্পষ্ট এবং উপলব্ধ হয়৷
উদাহরণস্বরূপ, পাঠ্যক্রম বহির্ভূত কার্যকলাপে উচ্চ বিদ্যালয়ের শিক্ষার্থীদের সম্পৃক্ততা মূল্যায়নের জন্য একটি সমীক্ষা বিবেচনা করুন। ছাত্র জনসংখ্যা থেকে এলোমেলো ছাত্র নির্বাচন করার পরিবর্তে, সমীক্ষার জন্য নমুনা হিসাবে একটি ক্লাস নির্বাচন করা হল ক্লাস্টার স্যাম্পলিং।তারপর ক্লাসের প্রত্যেক সদস্যের সাক্ষাৎকার নেওয়া হয়। এই ক্ষেত্রে, ক্লাসগুলি হল ছাত্র জনসংখ্যার ক্লাস্টার৷
ক্লাস্টার স্যাম্পলিং-এ, এটি ক্লাস্টারগুলি যা এলোমেলোভাবে নির্বাচিত হয়, ব্যক্তি নয়। এটা ধরে নেওয়া হয় যে প্রতিটি ক্লাস্টার নিজেই জনসংখ্যার একটি নিরপেক্ষ প্রতিনিধিত্ব, যা বোঝায় যে প্রতিটি ক্লাস্টার ভিন্ন ভিন্ন।
স্তরিত স্যাম্পলিং এবং ক্লাস্টার স্যাম্পলিং এর মধ্যে পার্থক্য কী?
• স্তরীভূত নমুনাতে, নমুনাগুলির একটি বৈশিষ্ট্য ব্যবহার করে জনসংখ্যাকে সমজাতীয় গোষ্ঠীতে বিভক্ত করা হয় যাকে স্তর বলা হয়। তারপর প্রতিটি স্তর থেকে সদস্যদের নির্বাচন করা হয়, এবং সেই স্তরগুলি থেকে নেওয়া নমুনার সংখ্যা জনসংখ্যার মধ্যে স্তরের উপস্থিতির সমানুপাতিক৷
• ক্লাস্টার স্যাম্পলিং-এ, জনসংখ্যাকে ক্লাস্টারে ভাগ করা হয়, প্রধানত অবস্থানের উপর ভিত্তি করে, এবং তারপরে একটি ক্লাস্টার এলোমেলোভাবে নির্বাচন করা হয়।
• ক্লাস্টার স্যাম্পলিংয়ে, একটি ক্লাস্টার এলোমেলোভাবে নির্বাচন করা হয়, যেখানে স্তরীভূত নমুনা সদস্যদের এলোমেলোভাবে নির্বাচন করা হয়।
• স্তরীভূত স্যাম্পলিং-এ, ব্যবহৃত প্রতিটি গোষ্ঠী (স্তর) সমজাতীয় সদস্যদের অন্তর্ভুক্ত করে যখন, ক্লাস্টার স্যাম্পলিং-এ, একটি ক্লাস্টার ভিন্নধর্মী হয়৷
• স্তরিত স্যাম্পলিং ধীর এবং ক্লাস্টার স্যাম্পলিং তুলনামূলকভাবে দ্রুত৷
• জনসংখ্যার মধ্যে প্রতিটি গোষ্ঠীর উপস্থিতির ফ্যাক্টরিং এবং একটি ভাল অনুমান প্রাপ্ত করার পদ্ধতিগুলিকে অভিযোজিত করার কারণে স্তরিত নমুনাগুলিতে কম ত্রুটি রয়েছে৷
• ক্লাস্টার স্যাম্পলিংয়ে সহজাত উচ্চ শতাংশ ত্রুটি রয়েছে৷
