ജനറൽ ജനസംഖ്യ ഒരുപറ്റം

സമീകൃത വസ്തുക്കളുടെ സജ്ജമാക്കുക പലപ്പോഴും കുഅംതിതതിവെല്യ് അല്ലെങ്കിൽ ഗുണപരമായി അളന്നു അവരെ ചിത്രീകരിക്കുന്നതും ഏതെങ്കിലും സവിശേഷതകൾ ബന്ധപ്പെട്ട പരിശോധിക്കുന്നു.

സാധാരണ ഭാഗങ്ങൾ - ഉദാഹരണത്തിന്, ഇനങ്ങൾ ഒരു ബാച്ച് ഉണ്ടെങ്കിൽ, ക്വാണ്ടിറ്റേറ്റീവ് സ്വഭാവവിശേഷങ്ങൾ അതിഥികളുടെ വിശദാംശങ്ങൾ വലിപ്പം, ഗുണനിലവാരവും കഴിയും.

ആവശ്യമെങ്കിൽ, മാനദണ്ഡങ്ങൾക്കനുസൃതമായി അവരെ പരിശോധിക്കുക ചിലപ്പോൾ ഒരു തുടർച്ചയായ സർവേ അവലംബിക്കാൻ എന്നാൽ പ്രായോഗികമായി അത് അപൂർവ്വമായി ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, ജനറൽ ജനസംഖ്യ പഠനം ചെയ്യുകയാണ് വസ്തുക്കൾ ഒരു വലിയ സംഖ്യ ഉണ്ടെങ്കിൽ, അസാദ്ധ്യം ഒരു സെൻസസ് നടത്താനുള്ള ആണ്. ഈ സാഹചര്യത്തിൽ, വസ്തുക്കൾ ഒരു നിശ്ചിത എണ്ണം (ഇനങ്ങൾ) പണിതീര്ത്തതിന്റെ നിന്നും തിരഞ്ഞെടുത്ത പരീക്ഷിച്ചതും. അങ്ങനെ, ഒരു ജനറൽ സാമ്പിൾ ഇല്ല.

ജനറൽ പരിശോധന അല്ലെങ്കിൽ പഠന വിധേയമാണ് എല്ലാ വസ്തുക്കളുടെ കൂട്ടം. പ്രപഞ്ചം, ചട്ടം പോലെ, മൂലകങ്ങളുടെ ജനകമായ എണ്ണം അടങ്ങിയിരിക്കുന്നു, എന്നാൽ അത് ചടുലതകളെയും വസ്തുക്കളുടെ എണ്ണം അനന്തമാണ് അടങ്ങിയിരിക്കുന്നു കരുതുന്നു ഗണിത കണക്കുകൂട്ടലുകൾ ലളിതമാക്കാൻ വേണ്ടി, വളരെ വലുതാണ് എങ്കിൽ.

സാമ്പിൾ അല്ലെങ്കിൽ ഘടകങ്ങൾ ഒരു സാമ്പിൾ സെറ്റ് മുഴുവൻ സെറ്റിൽ നിന്നും തിരഞ്ഞെടുത്ത ഭാഗമാണ്. സാമ്പിൾ ഒന്നുകിൽ ആവർത്തിക്കുകയും ഇല്ലാതെ ആവർത്തിച്ചു കഴിയും. ആദ്യത്തെ കാര്യത്തിൽ അത്, ജനസംഖ്യയിൽ മടങ്ങി രണ്ടാമത്തെ - ഇല്ല. പ്രായോഗികമായി, പലപ്പോഴും ആവർത്തനം-സ്വതന്ത്ര റാൻഡം തിരഞ്ഞെടുപ്പ് ഉപയോഗിക്കുക.

ജനറൽ ജനസംഖ്യ ഒരുപറ്റം രെപ്രെസെംതതിവെനെഷ് ലിങ്ക് ചെയ്തിരിക്കണം. മൊത്തം മാതൃകയുടെ സ്വഭാവവിശേഷങ്ങൾ ആത്മവിശ്വാസത്തോടെ ലക്ഷണങ്ങൾ പണിതീര്ത്തതിന്റെ തിരിച്ചറിയാൻ കഴിയേണ്ടതിന് വ്യത്യസ്തമായാണ് സംസാരിക്കുകയായിരുന്നു അത് പോലെ കൃത്യമായി കൊണ്ട് ഒരുപറ്റം ഘടകങ്ങൾ ഒരാവശ്യമാണ്. മറ്റൊരു രീതിയിൽ പറഞ്ഞാൽ, സാമ്പിൾ (പ്രതിനിധി) പ്രതിനിധിയായി ആയിരിക്കണം.

അത് അതിനാധാരമായ വളരെ വലിയ സംഖ്യ നിന്ന് ക്രമരഹിതമായി ചെയ്താൽ സാമ്പിൾ, കൂടുതലോ കുറവോ പ്രതിനിധി ആയിരിക്കും. അത് വലിയ സംഖ്യകളുടെ വിളിക്കപ്പെടുന്ന നിയമത്തിന്റെ അടിസ്ഥാനത്തിൽ വാദിക്കപ്പെട്ടേയ്ക്കാം. ഈ സാഹചര്യത്തിൽ, എല്ലാ ഘടകങ്ങളും തിരഞ്ഞെടുത്തിരിക്കുന്ന തുല്യ പ്രോബബിലിറ്റി ഉണ്ട്.

വിവിധ സെലക്ഷൻ ഓപ്ഷനുകൾ ഉണ്ട്. ഈ രീതികൾ എല്ലാ തത്വത്തിൽ രണ്ട് ഓപ്ഷനുകൾ വിഭജിക്കാം:

• ഓപ്ഷൻ 1: സാധാരണ ജനങ്ങളുടെ ഭാഗങ്ങളായി തിരിച്ചിരിക്കുന്നു സമയത്തുപോലും, ഒരു ഘടകം തിരഞ്ഞെടുക്കുക. ഈ ദുരിതം വഴി പകരം വീണ്ടും സെലക്ഷൻ ഇല്ലാതെ ലളിതമായ റാൻഡം ഒരുപറ്റം ഉൾപ്പെടാം.
• ഓപ്ഷൻ 2: തിരഞ്ഞെടുക്കുന്നതും പ്രപഞ്ചം ഭാഗങ്ങൾ ഘടകങ്ങളും തിരിച്ചിരിക്കുന്നു. ഈ ഒരു സാധാരണ മെക്കാനിക്കൽ, സീരിയൽ തിരഞ്ഞെടുക്കലുകൾ എന്നിവ.

സിമ്പിൾ ക്രമരഹിതമായി - ഇതിൽ ഘടകങ്ങൾ ക്രമരഹിതമായി സെറ്റ് മുഴുവൻ നിന്ന് ഓരോന്നായി വേർതിരിച്ചെടുത്ത ചെയ്യുന്നു സെലക്ഷൻ.

സാധാരണ - ഈ സെലക്ഷൻ, ഘടകങ്ങൾ തിരഞ്ഞെടുത്ത ഇതിൽ ചടുലതകളെയും നിന്ന് അല്ല, അതിന്റെ എല്ലാ "സാധാരണ" ഭാഗങ്ങൾ.

മെക്കാനിക്കൽ - മുഴുവൻ സാമ്പിൾ ആയിരിക്കണം ആ മൂലകങ്ങളുടെ നമ്പറിലേക്ക് ഗ്രൂപ്പുകളായി പല പിരിഞ്ഞു ചെയ്യുമ്പോൾ, അതുകൊണ്ട് ഓരോ ഗ്രൂപ്പ് ഒരു ഘടകത്തിന്റെ തിരഞ്ഞെടുത്തിരിക്കുന്നു ഒരു നിര തന്നെ. ഉദാഹരണത്തിന്, മെഷീൻ നിർമ്മിക്കുന്ന, നിങ്ങൾ നീക്കുവാൻ ഭാഗങ്ങളിൽ 25% ആവശ്യമെങ്കിൽ, പിന്നീട് ഓരോ നാലാമത്തെ ഇനം തിരഞ്ഞെടുക്കുക, ഒപ്പം നീക്കുവാൻ ഇനങ്ങളുടെ 4% ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഇരുപതു-അഞ്ചാം ഓരോ വിശദമായി തിരഞ്ഞെടുത്ത്, ഇത്യാദി. ഇത് ചിലപ്പോൾ മെക്കാനിക്കൽ സെലക്ഷൻ ഒരു മതിയായ നൽകുന്നില്ല എന്നു പറയുന്ന അത്യാവശ്യമാണ് അതുതന്നെ.

സീരിയൽ - പകരം ഒരു അധികം, തുടർച്ചയായ പഠനം വെളിപ്പെടുത്തുന്നില്ലെന്ന്, ഘടകങ്ങൾ "ബാച്ചുകളും" പണിതീര്ത്തതിന്റെ നിന്ന് തിരഞ്ഞെടുത്ത പാർക്കുന്ന ഒരു നിര ആണ്. ഉദാഹരണത്തിന്, ഭാഗങ്ങൾ ഒരു വലിയ സംഖ്യ ഓട്ടോമാറ്റിക് യന്ത്രങ്ങളുടെ ഒരു സെൻസസ് മാത്രം നിരവധി യന്ത്രങ്ങൾ ഉത്പാദനം ബന്ധപ്പെട്ട് നടത്തുന്നത് നിർമ്മിതമായ. സീരിയൽ സ്ക്രീനിംഗ് വിശകലനം സ്വഭാവം വ്യത്യസ്ത പരമ്പര ഒരു ചെറിയ മാറ്റങ്ങൾ ഉണ്ട് ഉപയോഗിക്കുന്ന.

പിശകുകൾ കുറയ്ക്കാൻ പ്രയോഗിച്ചു ഗണിത-സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികൾ തിരഞ്ഞെടുക്കുന്നതിനായി വഴി ജനസംഖ്യ വിലയിരുത്തിയാണ്. മാത്രമല്ല, തിരഞ്ഞെടുക്കപ്പെട്ട നിയന്ത്രണ സർവേ വിശ്വാസ്യത വർദ്ധിപ്പിക്കുന്നു സിംഗിൾ മത്സരങ്ങളും മൾട്ടി-ഘട്ടം ആയിരിക്കും.