3.4 ಯಾರು ಕೇಳಲು

ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳು ಮತ್ತು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳನ್ನು ಆಚರಣೆಯಲ್ಲಿ ವಿವಿಧ ಅಲ್ಲ; ಎರಡೂ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಇದು ಎಲ್ಲಾ ತೂಕ ಬಗ್ಗೆ.

ಮಾದರಿ ಸಂಶೋಧನೆ ಸಮೀಕ್ಷೆ ಮೂಲವಾಗಿದೆ. ಸಂಶೋಧಕರು ಬಹುತೇಕ ತಮ್ಮ ಗುರಿ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಎಲ್ಲರಿಗೂ ತಮ್ಮ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು ಎಂದಿಗೂ. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಸಮೀಕ್ಷೆಗಳು ಅಲ್ಲ ವಿಶಿಷ್ಟವಾಗಿರುತ್ತವೆ. ಬಹುತೇಕ ಸಂಶೋಧನೆಯು, ಒಂದು ಅಥವಾ ಇನ್ನೊಂದು ರೀತಿಯಲ್ಲಿ, ಮಾದರಿ ಒಳಗೊಂಡಿರುತ್ತದೆ. ಕೆಲವೊಮ್ಮೆ ಈ ಮಾದರಿ ಸಂಶೋಧಕ ಸ್ಪಷ್ಟವಾಗಿ ಮಾಡಲಾಗುತ್ತದೆ; ಇತರ ಬಾರಿ ಸೂಚ್ಯವಾಗಿ ಸಂಭವಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ತನ್ನ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದಲ್ಲಿ ಪದವಿಪೂರ್ವ ವಿದ್ಯಾರ್ಥಿಗಳ ಮೇಲೆ ಒಂದು ಪ್ರಯೋಗಾಲಯದ ಪ್ರಯೋಗದ ಹಾದು ಒಂದು ಸಂಶೋಧಕ ಜೊತೆಗೆ ಒಂದು ಮಾದರಿ ತೆಗೆದುಕೊಂಡಿದ್ದಾರೆ. ಹೀಗಾಗಿ, ಮಾದರಿ ಈ ಪುಸ್ತಕದ ಮೂಲಕ ಬರುತ್ತದೆ ಒಂದು ಸಮಸ್ಯೆ. ವಾಸ್ತವವಾಗಿ, ನಾನು ದತ್ತಾಂಶದ ಡಿಜಿಟಲ್ ವಯಸ್ಸು ಮೂಲಗಳು ಬಗ್ಗೆ ಕೇಳಲು ಸಾಮಾನ್ಯ ಕಾಳಜಿಗಳ ಒಂದು "ಅವರು ಪ್ರತಿನಿಧಿ ಅಲ್ಲ." ನಾವು ಈ ಪರಿಚ್ಛೇದದಲ್ಲಿರುವ ನೋಡಬಹುದು ಎಂದು, ಈ ಕಾಳಜಿ ಕಡಿಮೆ ಗಂಭೀರ ಮತ್ತು ಅನೇಕ ಸಂದೇಹವಾದಿಗಳು ಅರ್ಥ ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮ ಎರಡೂ ಆಗಿದೆ. ವಾಸ್ತವವಾಗಿ, ನಾನು "ಪ್ರಾತಿನಿಧಿಕತೆ" ಇಡೀ ಪರಿಕಲ್ಪನೆ ಸಂಭವನೀಯತೆ ಮತ್ತು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳನ್ನು ಚಿಂತನೆ ಪ್ರಯೋಜನಕಾರಿಯಲ್ಲ ವಾದಿಸುತ್ತಾರೆ ಮಾಡುತ್ತದೆ. ಬದಲಿಗೆ, ಪ್ರಮುಖ ಅಂಕಿ ಅಂಶಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಅಂದಾಜು ಮಾಡುವಾಗ ಆ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಯಾವುದೇ ಪೂರ್ವಗ್ರಹಗಳು ಹೇಗೆ ರದ್ದು ಮಾಡಬಹುದು ಹೇಗೆ ಬಗ್ಗೆ ಯೋಚಿಸುವುದು ಹೊಂದಿದೆ.

ಪ್ರಸ್ತುತ, ಪ್ರಾತಿನಿಧ್ಯ ಪ್ರಬಲ ಸೈದ್ಧಾಂತಿಕ ವಿಧಾನ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಹೊಂದಿದೆ. ಡೇಟಾ ಸಂಪೂರ್ಣವಾಗಿ ಕಾರ್ಯರೂಪಕ್ಕೆ ಎಂದು ಒಂದು ಸಂಭವನೀಯತೆ ಮಾದರಿ ವಿಧಾನದೊಂದಿಗೆ ಸಂಗ್ರಹಿಸಿದ ಮಾಡಿದಾಗ, ಸಂಶೋಧಕರು ಅವರು ಗುರಿಯನ್ನು ಜನಸಂಖ್ಯೆಯ ಬಗ್ಗೆ ಪಕ್ಷಪಾತವಿಲ್ಲದ ಅಂದಾಜು ಮಾಡಲು ಸಂಗ್ರಹಿಸಲಾಗಿತ್ತು ರೀತಿಯಲ್ಲಿ ಆಧರಿಸಿ ತಮ್ಮ ಡೇಟಾ ತೂಕ ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಪರಿಪೂರ್ಣ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಮೂಲತಃ ನಿಜವಾದ ವಿಶ್ವದ ನಡೆಯುತ್ತದೆ ಎಂದಿಗೂ. ಎರಡು ಮುಖ್ಯ ಸಮಸ್ಯೆಗಳು 1) ಗುರಿ ಜನಸಂಖ್ಯೆ ಮತ್ತು ಫ್ರೇಮ್ ಜನಸಂಖ್ಯೆ ಮತ್ತು 2 ನಡುವೆ ವ್ಯತ್ಯಾಸಗಳು) ಅಲ್ಲದ ಪ್ರತಿಕ್ರಿಯೆ (ಈ ಸಾಹಿತ್ಯ ಡೈಜೆಸ್ಟ್ ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಹಾಳಾದ ನಿಖರವಾಗಿ ಸಮಸ್ಯೆಗಳು) ಸಾಮಾನ್ಯವಾಗಿ ಇವೆ. ಹೀಗಾಗಿ, ಬದಲಿಗೆ ವಾಸ್ತವವಾಗಿ ವಿಶ್ವದ ನಡೆಯುವ ಒಂದು ವಾಸ್ತವಿಕ ಮಾದರಿಯಾಗಿ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಆಲೋಚನೆ ಹೆಚ್ಚು, ಇದು ಉತ್ತಮ ಒಂದು ಸಹಾಯಕವಾಗಿದೆಯೆ, ಅಮೂರ್ತ ಮಾದರಿಯಾಗಿ ಸಂಭವನೀಯತೆ ಮಾದರಿ ನಗರದ ರೀತಿಯಲ್ಲಿ ಭೌತವಿಜ್ಞಾನಿಗಳು ಒಂದು ಕೊನೆಯಿಲ್ಲದ ದೀರ್ಘವಾದ ಕೆಳಗೆ ರೋಲಿಂಗ್ ಒಂದು frictionless ಚೆಂಡನ್ನು ಬಗ್ಗೆ ಹೆಚ್ಚು ಹಾಗೆ ರಾಂಪ್.

ಸಂಭವನೀಯತೆ ಮಾದರಿ ಪರ್ಯಾಯ ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಹೊಂದಿದೆ. ಸಂಭವನೀಯತೆ ಮತ್ತು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ನಡುವಿನ ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸ ಸೇರ್ಪಡೆ ಗೊತ್ತಿರುವ ಸಂಭವನೀಯತೆಯನ್ನು ಹೊಂದಿದೆ ಸಂಭವನೀಯತೆ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಎಲ್ಲರೂ ಮಾದರಿ ಜೊತೆ ಎಂಬುದು. ವಾಸ್ತವವಾಗಿ, ಇವೆ ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ವೈವಿಧ್ಯಗಳನ್ನು, ಮತ್ತು ದತ್ತಾಂಶ ಸಂಗ್ರಹವನ್ನು ಈ ವಿಧಾನಗಳು ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿ. ಆದರೆ, ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಸಮಾಜ ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರಜ್ಞರು ನಡುವೆ ಒಂದು ಭಯಾನಕ ಖ್ಯಾತಿ ಹೊಂದಿದೆ. ವಾಸ್ತವವಾಗಿ, ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಸಾಹಿತ್ಯಕ ಡೈಜೆಸ್ಟ್ ವೈಫಲ್ಯವನ್ನು (ಹಿಂದೆ ಚರ್ಚಿಸಿದ) ಮತ್ತು 1948 ( "ಡೀವಿ ಡಿಫೀಟ್ಸ್ ಟ್ರೂಮನ್") ಅಮೇರಿಕಾದ ಅಧ್ಯಕ್ಷೀಯ ಚುನಾವಣೆಯಲ್ಲಿ ಬಗ್ಗೆ ತಪ್ಪು ಊಹೆ ಅಥವಾ ಕಲ್ಪನೆ ಮುಂತಾದವು ಸಮೀಕ್ಷೆ ಸಂಶೋಧಕರು ಅತ್ಯಂತ ನಾಟಕೀಯ ವೈಫಲ್ಯಗಳು, ಕೆಲವು ಸಂಬಂಧಿಸಿದೆ (Mosteller 1949; Bean 1950; Freedman, Pisani, and Purves 2007) .

ಆದಾಗ್ಯೂ, ಎರಡು ಕಾರಣಗಳಿಗಾಗಿ ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಮರುಪರಿಶೀಲಿಸುವಂತೆ ಸರಿ. ಮೊದಲ, ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳನ್ನು ಅಭ್ಯಾಸ ಮಾಡಲು ಹೆಚ್ಚು ಕಷ್ಟ ಮಾರ್ಪಟ್ಟಿವೆ, ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳು ಮತ್ತು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳನ್ನು ನಡುವೆ ಲೈನ್ ಅಸ್ಪಷ್ಟಗೊಳಿಸಲು ಇದೆ. ಇವೆ ಅನೇಕ ಸಂಶೋಧಕರು ನಂಬಿದ್ದಾರೆ ಎಂದು ವಿವಿಧ ಅಲ್ಲದ ಪ್ರತಿಕ್ರಿಯೆ ಹೆಚ್ಚಿನ (ಈಗ ನಿಜವಾದ ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ ಲಭ್ಯವಿರುವುದರಿಂದ), ನಿಜವಾದ ಸಂಭವನೀಯತೆ ಸೇರ್ಪಡೆಗಳನ್ನು ಪ್ರತಿಕ್ರಿಯೆ ಫಾರ್ ತಿಳಿದಿಲ್ಲ, ಹೀಗಾಗಿ, ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳು ಮತ್ತು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳು ಇವೆ. ನಂತರದ ಶ್ರೇಣೀಕರಣದ: ವಾಸ್ತವವಾಗಿ, ನಾವು ಕೆಳಗೆ ನೋಡಬಹುದು ಎಂದು, ಎರಡೂ ವಿಧಾನಗಳು ಮೂಲತಃ ಅದೇ ಅಂದಾಜು ವಿಧಾನ ಅವಲಂಬಿಸಿವೆ. ಎರಡನೇ, ಸಂಗ್ರಹ ಮತ್ತು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳ ವಿಶ್ಲೇಷಣೆ ಆಪ್ಟಿಮೈಸೇಶನ್ ನಡೆದಿವೆ. ಈ ವಿಧಾನಗಳು ನಾನು ಅವರನ್ನು ನಗರದ ಅರ್ಥವಿಲ್ಲ ಭಾವಿಸುತ್ತೇನೆ ಹಿಂದೆ ಸಮಸ್ಯೆಗಳಿಗೆ ಕಾರಣವಾದ ಕ್ರಮಗಳ ಸಾಕಷ್ಟು ವಿಭಿನ್ನ "ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ 2.0." ನಾವು ಸಂಭವಿಸಿದ ದೋಷಗಳನ್ನು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ವಿಧಾನಗಳಿಗೆ ಒಂದು ಅಭಾಗಲಬ್ಧ ನಿವಾರಣೆ ಹಾಗಿಲ್ಲ ಬಹಳ ಹಿಂದೆಯೇ.

ಮುಂದೆ, ಈ ವಾದವನ್ನು ಹೆಚ್ಚು ಕಾಂಕ್ರೀಟ್ ಮಾಡಲು, ನಾನು ಪ್ರಮಾಣಿತ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಮತ್ತು ಸಮತೋಲನದ (ವಿಭಾಗ 3.4.1) ವಿಮರ್ಶೆ ಮಾಡುತ್ತೇವೆ. ಪ್ರಮುಖ ಕಲ್ಪನೆಯನ್ನು ನೀವು ಅಂದಾಜು ಮಾಡಲು ಹೇಗೆ ಪರಿಣಾಮ ಮಾಡಬೇಕು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿದ ಎಂದು ಹೇಗೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಎಲ್ಲರೂ ಸೇರ್ಪಡೆ ಅದೇ ಸಂಭವನೀಯತೆ ಹೊಂದಿಲ್ಲ ವೇಳೆ, ನಂತರ ಎಲ್ಲರೂ ಅದೇ ತೂಕ ಹಾಗಿಲ್ಲ. ಅರ್ಥಾತ್, ನಿಮ್ಮ ಮಾದರಿ ಪ್ರಜಾಪ್ರಭುತ್ವ ವೇಳೆ, ನಂತರ ನಿಮ್ಮ ಅಂದಾಜಿನ ಪ್ರಜಾಪ್ರಭುತ್ವದ ಮಾಡಬಾರದು. ಸಮತೋಲನದ ಪರಿಶೀಲಿಸಿದ ನಂತರ, ನಾನು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಎರಡು ವಿಧಾನಗಳನ್ನು ವಿವರಿಸಲು ಮಾಡುತ್ತೇವೆ: ಡೇಟಾವನ್ನು ಹೇಗೆ ಹೆಚ್ಚು ನಿಯಂತ್ರಣ ಇರಿಸಲು ಪ್ರಯತ್ನಿಸುವದು ಮತ್ತು ಒಂದು ಅವ್ಯವಸ್ಥಿತವಾಗಿ ಸಂಗ್ರಹಿಸಿದ ದತ್ತಾಂಶವನ್ನು ಸಮಸ್ಯೆ (ವಿಭಾಗ 3.4.2) ಎದುರಿಸಲು ಸಮತೋಲನದ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ ಒಂದು, ಸಂಗ್ರಹಿಸಿದ (ವಿಭಾಗ 3.4.3). ಮುಖ್ಯ ಪಠ್ಯ ವಾದಗಳಲ್ಲಿ ಪದಗಳನ್ನು ಮತ್ತು ಚಿತ್ರಗಳನ್ನು ಕೆಳಗೆ ವಿವರಿಸಬಹುದು ಮಾಡುತ್ತದೆ; ಹೆಚ್ಚು ಗಣಿತ ಚಿಕಿತ್ಸೆ ಬಯಸುವ ಓದುಗರು ತಾಂತ್ರಿಕ ಅನುಬಂಧವು ನೋಡಿ ಮಾಡಬೇಕು.