3.4 ചോദിക്കാൻ ആർ

അനുമാനം സാമ്പിളുകൾ ഇതര പ്രോബബലിറ്റി സാമ്പിളുകൾ പ്രായോഗികമായി വ്യത്യസ്ത അല്ല; രണ്ട് കേസുകളിൽ ൽ എല്ലാ തൂക്കവും ഏകദേശം.

സാംപ്ലിങ്റേറ്റ്സ് സർവ്വേ അത്യാവശ്യം ആണ്. ഗവേഷകർ ലക്ഷ്യം ജനസംഖ്യയിൽ എല്ലാവർക്കും അവരുടെ ചോദ്യങ്ങൾ ചോദിക്കാൻ ഒരിക്കലും. ഇക്കാര്യത്തിൽ, സർവേകൾ അതുല്യമായ അല്ല. ഏറ്റവും ഗവേഷണം, ഒരു വിധത്തിൽ അല്ലെങ്കിൽ മറ്റൊരു വിധത്തിൽ, ഒരുപറ്റം ഉൾപ്പെടുന്നു. ചിലപ്പോൾ ഈ ഒരുപറ്റം ഗവേഷകൻ വഴി പ്രകടമായിട്ടുള്ളതോ നടക്കുന്ന; അതു നിസ്സംശയമായി സംഭവിക്കുന്നു മറ്റ് തവണ. ഉദാഹരണത്തിന്, അവളുടെ യൂണിവേഴ്സിറ്റി ബിരുദ വിദ്യാർത്ഥികൾക്ക് ഒരു പരീക്ഷണശാല പരീക്ഷണം പ്രവർത്തിപ്പിക്കുന്ന ഒരു ഗവേഷകൻ ഒരു സാമ്പിൾ എടുത്തിട്ടുണ്ട്. ഇപ്രകാരം, ഒരുപറ്റം ഈ പുസ്തകം മുഴുവൻ കയറി വരുന്ന ഒരു പ്രശ്നമല്ല. സത്യത്തിൽ, ഡാറ്റ ഡിജിറ്റൽ യുഗത്തിൽ സ്രോതസ്സുകൾ കുറിച്ച് കേൾക്കുന്ന ഏറ്റവും സാധാരണമായ ആശങ്കകളും ഒരാൾ "അവർ പ്രതിനിധി അല്ല." ഈ വിഭാഗത്തിൽ ഞങ്ങൾ നോക്കാം, ഈ ആശങ്ക കുറവ് ഗുരുതരമായ കൂടുതൽ സൂക്ഷ്മമായ പല പറയാ ഗ്രഹിക്കാൻ അധികം രണ്ടും ആണ്. സത്യത്തിൽ, "representativeness" മുഴുവനും ആശയം പ്രോബബിലിറ്റി നോൺ-പ്രോബബലിറ്റി സാമ്പിളുകൾ പറ്റി ചിന്തിക്കാതെ സഹായകരമല്ല വാദിക്കുന്നത് ചെയ്യും. പകരം, കീ കണക്കുകളിൽ സമയത്ത് ഡേറ്റ ശേഖരിച്ച എങ്ങനെ ഡാറ്റ ശേഖരണം ഏതെങ്കിലും പക്ഷപാത തിരസ്കരിക്കാനും സാധിക്കും എങ്ങനെ ചിന്തിക്കാൻ ആണ്.

നിലവിൽ, പ്രാതിനിദ്ധ്യം ആധിപത്യ സൈദ്ധാന്തിക സമീപനം പ്രോബബലിറ്റി മാതൃക. ഡാറ്റ തികച്ചും വധിക്കപ്പെട്ട നടത്തിയ ഒരു പ്രോബബിലിറ്റി ഒരുപറ്റം രീതി ശേഖരിക്കുന്നത് ചെയ്യുമ്പോൾ ഗവേഷകർ ജനസംഖ്യ കുറിച്ച് ബൈജു എസ്റ്റിമേറ്റുകൾ ഉണ്ടാക്കുവാൻ ശേഖരിച്ചു ആ വഴി അടിസ്ഥാനത്തിൽ ഡാറ്റ ശരീരഭാരം പ്രാപ്തമാണ്. എന്നാൽ തികഞ്ഞ സംഭാവ്യത ഒരുപറ്റം അടിസ്ഥാനപരമായി യഥാർത്ഥ ലോകത്തിൽ സംഭവിക്കുന്നു ഒരിക്കലും. രണ്ടു പ്രധാന പ്രശ്നങ്ങൾ 1) 2 ജനസംഖ്യ ഫ്രെയിമും ജനസംഖ്യ തമ്മിലുള്ള) നോൺ-പ്രതികരണ വ്യത്യാസങ്ങൾ (ഈ സാഹിത്യ ഡൈജസ്റ്റ് വോട്ടെടുപ്പ് വരനായി കൃത്യം പ്രശ്നങ്ങൾ) സാധാരണ ഉണ്ട്. ഇപ്രകാരം, മറിച്ച് യഥാർത്ഥത്തിൽ ലോകത്തിൽ എന്തു സംഭവിക്കുന്നു ഒരു റിയലിസ്റ്റിക് മാതൃകയായി പ്രോബബിലിറ്റി ഒരുപറ്റം ചിന്തിക്കുമ്പോൾ, അത് നല്ലതു പ്രോബബിലിറ്റി ഒരുപറ്റം ചിന്തിക്കുന്നത് ഒരു സഹായകരമായ പണിയുണ്ട് മോഡൽ, വളരെ വഴി ഭൗതിക ഒരു ഘർഷണമില്ലാത്ത പന്ത് ചിന്തിക്കാൻ പോലുള്ള ഒരു അന്തമില്ലാത്ത നീണ്ട ഇറങ്ങി ഉരുളുന്ന ഇരിക്കുന്നു റാംപ്.

പ്രോബബിലിറ്റി പരിശോധിക്കുന്നത് ബദൽ നോൺ-പ്രോബബലിറ്റി മാതൃക. പ്രോബബിലിറ്റി ഇതര പ്രോബബലിറ്റി ഒരുപറ്റം തമ്മിലുള്ള പ്രധാന വ്യത്യാസം ജനസംഖ്യ പ്രോബബിലിറ്റി ഒരുപറ്റം എല്ലാവരുമായും ഉൾപ്പെടുത്തലുമെല്ലാം അറിയപ്പെടുന്ന ഒരു സംഭാവ്യത ഉണ്ട് എന്നതാണ്. അവിടെ നോൺ-പ്രോബബിലിറ്റി ഒരുപറ്റം പല ഇനങ്ങൾ, വാസ്തവത്തിൽ ഭാഗ്യവാന്മാർ ഡാറ്റാ ശേഖരണം ഈ രീതികൾ ഡിജിറ്റൽ യുഗത്തിൽ പതിവാണ് മാറിക്കഴിഞ്ഞിരിക്കുന്നു. എന്നാൽ, നോൺ-പ്രോബബലിറ്റി ഒരുപറ്റം സാമൂഹിക ശാസ്ത്രജ്ഞരും സ്ഥിതിവിവരരീതിയിലെ ഇടയിൽ കഠിനമായ പ്രശസ്തി ഉണ്ട്. വാസ്തവത്തിൽ, നോൺ-പ്രോബബലിറ്റി ഒരുപറ്റം പോലുള്ള സാഹിത്യ ഡൈജസ്റ്റ് ആന്റ്ടുമാറോ (നേരത്തെ ചർച്ച) 1948 അമേരിക്കൻ പ്രസിഡൻറ് തെരഞ്ഞെടുപ്പിൽ കുറിച്ച് തെറ്റായ പ്രവചന സർവേ ഗവേഷകരും, തികച്ചും നാടകീയമായി പരാജയങ്ങൾ ചില ബന്ധപ്പെട്ടിരിക്കുന്നു ( "പരുവം പരാജയപ്പെടുത്തുന്നു ട്രൂമാൻ") (Mosteller 1949; Bean 1950; Freedman, Pisani, and Purves 2007) .

എന്നിരുന്നാലും, സമയ രണ്ടു കാരണങ്ങളാൽ നോൺ-പ്രോബബലിറ്റി ഒരുപറ്റം പുനഃപരിശോധിക്കണമെന്ന് അവകാശം മാത്രമാണ്. ആദ്യം, സാധ്യതാപഠനം സാമ്പിളുകൾ പ്രായോഗികമായി ചെയ്യാൻ കൂടുതലായി ബുദ്ധിമുട്ടുണ്ടാകും പോലെ, സാധ്യതാപഠനം സാമ്പിളുകളും നോൺ-പ്രോബബലിറ്റി സാമ്പിളുകൾ ഇടയിലുള്ള ലൈൻ ബ്ലറിംഗ് ആണ്. നോൺ-പ്രതികരണ ഉയർന്ന നിരക്കും (ഇപ്പോൾ യഥാർത്ഥ സർവേകളിൽ ഉണ്ട് പോലെ) അവിടെ തന്നെ സർവേയിൽ വേണ്ടി INCLUSIONS യഥാർത്ഥ സംഭാവ്യത അറിയപ്പെടുന്ന, അങ്ങനെ, സാധ്യതാപഠനം സാമ്പിളുകൾ ഇതര പ്രോബബലിറ്റി സാമ്പിളുകൾ പല ഗവേഷകർ വിശ്വസിക്കുന്നു പോലെ വ്യത്യസ്ത അല്ല. പോസ്റ്റ്-നാടകമുണ്ടായിരുന്നു: വാസ്തവത്തിൽ, ഞങ്ങൾ താഴെ കാണും പോലെ ഇരു സമീപനങ്ങളിലും അടിസ്ഥാനപരമായി ഒരേ മതിപ്പു രീതി ആശ്രയിക്കുന്നത്. രണ്ടാമത്തേത്, നോൺ-പ്രോബബിലിറ്റി സാമ്പിളുകൾ കളക്ഷനും വിശകലനം പല സംഭവവികാസങ്ങൾ ഉണ്ടായിട്ടുണ്ട്. ഈ രീതികൾ ഞാൻ അതു പോലെ അവയെക്കുറിച്ചുള്ള ഉകിതമായിരിക്കും കരുതുന്ന മുൻകാലങ്ങളിൽ പ്രശ്നങ്ങൾ കാരണമായ രീതികൾ വേണ്ടത്ര വ്യത്യസ്തമാണ് "നോൺ-പ്രോബബലിറ്റി ഒരുപറ്റം 2.0." കാരണം ഞങ്ങൾക്ക് സംഭവിച്ച പിശകുകൾ നോൺ-പ്രോബബിലിറ്റി രീതികൾ ഒരു അയുക്തികമായ അകൽച്ച പാടില്ല കുറേക്കാലം മുമ്പ്.

അടുത്തത്, ഈ വാദം കൂടുതൽ കോൺക്രീറ്റ് നടത്തുമ്പോൾ, ഞാൻ കൊടി സംഭാവ്യത ഒരുപറ്റം ആൻഡ് വെയ്റ്റേജിനു (വിഭാഗം 3.4.1) അവലോകനം ചെയ്യും. കീ ആശയം എങ്ങനെ നിങ്ങളുടെ ഡാറ്റ ശേഖരിച്ച നിങ്ങൾ കണക്കുകളെ എത്ര കണ്ട് സ്വാധീനിക്കില്ല ചെയ്യണം എന്നതാണ്. പ്രത്യേകിച്ചും, എല്ലാവർക്കും ഉൾപ്പെടുത്തലുമെല്ലാം ഒരേ സംഭാവ്യത ഇല്ലെങ്കിലോ, പിന്നെ എല്ലാവർക്കും ഒരേ തൂക്കം പാടില്ല. മറ്റു വാക്കുകളിൽ, നിങ്ങളുടെ ഒരുപറ്റം ജനാധിപത്യ അല്ല, നിങ്ങളുടെ മതിപ്പു ജനാധിപത്യ പാടില്ല. ബാഹ്യാകാശത്തിൽ ശേഖരിച്ച ഡാറ്റ (വിഭാഗം 3.4.2) എന്ന പ്രശ്നം കൈകാര്യം ചെയ്യുന്നതിനുള്ള വെയ്റ്റേജിനു ഊന്നൽ ഒരുത്തനെ ഡാറ്റ എങ്ങനെ കൂടുതൽ നിയന്ത്രണം സ്ഥാപിക്കുക ശ്രമിക്കുന്ന ഒറ്റ: വെയ്റ്റേജിനു അവലോകനം ചെയ്ത ശേഷം, ഞാൻ നോൺ-പ്രോബബലിറ്റി ഒരുപറ്റം രണ്ടു സമീപനങ്ങളുടെ വിവരിക്കുക കാണാം ശേഖരിച്ച (വിഭാഗം 3.4.3). പ്രധാന വാചകത്തിൽ വാദങ്ങൾ വാക്കുകളും ചിത്രങ്ങളും താഴെ വിശദീകരിച്ചു ചെയ്യും; കൂടുതൽ ഗണിതശാസ്ത്ര ചികിത്സ ആഗ്രഹിക്കുന്നു വായനക്കാർക്ക് സാങ്കേതിക അനുബന്ധം കാണും.