APPSC Paper I · Statistics · Data, sampling, probability and presentation
ప్రతిచయన పద్ధతులు: యాదృచ్ఛిక (సరళ, స్తరిత, క్రమబద్ధ, సమావృత), యాదృచ్ఛికేతర; ప్రతిచయన, ప్రతిచయనేతర దోషాలు
యాదృచ్ఛిక (సంభావ్యతా) నమూనా (random (probability) sample) ప్రతి యూనిట్కు ఎంపికయ్యే తెలిసిన అవకాశాన్ని ఇస్తుంది (సరళ, స్తరిత, క్రమబద్ధ, సమావృత); యాదృచ్ఛికేతర (non-random) నమూనాను విచక్షణ లేదా సౌలభ్యం ఆధారంగా ఎంచుకుంటారు; నమూనా ఫలితానికి, నిజ విలువకు మధ్య తేడా ప్రతిచయన దోషం (sampling error), సేకరణ, ప్రాసెసింగ్లో జరిగే పొరపాట్లు ప్రతిచయనేతర దోషాలు (non-sampling errors).
- APPSC Paper I
- 9 నిమిషాల చదువు
- ఉచితం
- ఇంగ్లిష్లో చదవండి (English)
ముఖ్య వాస్తవాలు
- ప్రతిచయనం (sampling) రెండు నియమాలపై ఆధారపడుతుంది:
- సాంఖ్యక క్రమబద్ధతా నియమం (law of statistical regularity): యాదృచ్ఛికంగా ఎంచుకున్న తగినంత పెద్ద నమూనాకు సమష్టి (population) లక్షణాలే ఉండే అవకాశం ఉంటుంది.
- బృహత్ సంఖ్యల జడత్వ నియమం (law of inertia of large numbers): చిన్న సముదాయాల కంటే పెద్ద సముదాయాలు ఎక్కువ స్థిరంగా ఉంటాయి (దోషాలు పరస్పరం రద్దవుతాయి).
- యాదృచ్ఛిక (సంభావ్యతా) ప్రతిచయనం (random sampling): ప్రతి యూనిట్కు ఎంపికయ్యే తెలిసిన, సున్నా కాని అవకాశం ఉంటుంది. రకాలు: సరళ యాదృచ్ఛిక, స్తరిత, క్రమబద్ధ, సమావృత, బహుళ దశ.
- సరళ యాదృచ్ఛిక ప్రతిచయనం (simple random sampling; SRS): ప్రతి యూనిట్కు సమాన అవకాశం; n పరిమాణం గల ప్రతి నమూనా సమానంగా సంభవించవచ్చు.
- పద్ధతులు: లాటరీ పద్ధతి (lottery method), యాదృచ్ఛిక సంఖ్యల పట్టికలు (random number tables) (టిప్పెట్, ఫిషర్-యేట్స్, కెండాల్-బాబింగ్టన్ స్మిత్, రాండ్ (RAND)), కంప్యూటర్ యాదృచ్ఛిక సంఖ్యలు.
- ప్రతిస్థాపనతో (with replacement; SRSWR), ప్రతిస్థాపన లేకుండా (without replacement; SRSWOR).
- స్తరిత ప్రతిచయనం (stratified sampling): విజాతీయ సమష్టిని సజాతీయ స్తరాలుగా (strata) విభజించి, ప్రతి స్తరం నుంచి యాదృచ్ఛిక నమూనా తీసుకోవాలి.
- క్రమబద్ధ ప్రతిచయనం (systematic sampling): మొదటి k యూనిట్ల నుంచి యాదృచ్ఛికంగా ఒక ప్రారంభ యూనిట్ను ఎంచుకుని, ఆ తర్వాత ప్రతి k-వ యూనిట్ను తీసుకోవాలి; k = N ÷ n (ప్రతిచయన అంతరం (sampling interval)).
- సమావృత ప్రతిచయనం (cluster sampling): సమష్టిని సమూహాలుగా (సమావృతాలు (clusters), ఉదా. గ్రామాలు, బ్లాకులు) విభజించి, మొత్తం సమావృతాలను యాదృచ్ఛికంగా ఎంచుకుని, వాటిలోని అన్ని యూనిట్లను అధ్యయనం చేయాలి.
- బహుళ దశ ప్రతిచయనం (multistage sampling): దశలవారీగా ప్రతిచయనం (జిల్లాలు → గ్రామాలు → కుటుంబాలు). జాతీయ నమూనా సర్వే (NSS) దీన్ని వాడుతుంది.
- యాదృచ్ఛికేతర (సంభావ్యతేతర) ప్రతిచయనం (non-random sampling): జడ్జిమెంటల్ (ఉద్దేశపూర్వక), కోటా, కన్వీనియన్స్, స్నోబాల్.
- ప్రతిచయన దోషం: నమూనా గణాంకానికి (sample statistic), సమష్టి పరామితికి (population parameter) మధ్య తేడా; ఒక భాగాన్ని మాత్రమే అధ్యయనం చేయడం వల్ల వస్తుంది. నమూనా పరిమాణం పెరిగే కొద్దీ ఇది తగ్గుతుంది; సంపూర్ణ గణనలో (census) ఉండదు.
- ప్రతిచయనేతర దోషాలు: సేకరణ, నమోదు, ప్రాసెసింగ్లో జరిగే దోషాలు (తప్పుడు సమాధానాలు, స్పందన లేకపోవడం, ఎన్యూమరేటర్ల పక్షపాతం, పట్టికీకరణ పొరపాట్లు). సంపూర్ణ గణన, నమూనా రెండింటిలోనూ ఉంటాయి, సాధారణంగా సంపూర్ణ గణనలో ఎక్కువ.
- ప్రామాణిక దోషం (standard error; SE): సాధ్యమైన అన్ని నమూనాలపై ఒక గణాంకం యొక్క ప్రామాణిక విచలనం (standard deviation); సగటు SE = σ ÷ √n (పెద్ద సమష్టి లేదా SRSWR).
వివరణ
1. సరళ యాదృచ్ఛిక ప్రతిచయనం.
- లాటరీ పద్ధతి: ప్రతి యూనిట్ సంఖ్యను ఒకేలాంటి చీటీలపై రాసి, బాగా కలిపి, n చీటీలు తీయాలి.
- యాదృచ్ఛిక సంఖ్యల పట్టిక: యూనిట్లకు 1 నుంచి N వరకు సంఖ్యలు ఇచ్చి, ఏదైనా స్థానం నుంచి ఒక స్థిర దిశలో అంకెలు చదువుతూ, 1 నుంచి N లోపు సంఖ్యలను తీసుకోవాలి; పునరావృతమైనవి (SRSWOR కోసం), పరిధి దాటినవి వదిలేయాలి.
- సాధ్యమైన నమూనాల సంఖ్య:
- SRSWOR: ᴺCₙ (క్రమం లేని నమూనాలు), ఒక్కొక్కదాని సంభావ్యత 1/ᴺCₙ.
- SRSWR: Nⁿ (క్రమం గల నమూనాలు).
- SRSWORలో ఒక నిర్దిష్ట యూనిట్ నమూనాలోకి వచ్చే అవకాశం n/N.
ఉదాహరణ 1. ఒక సమష్టిలో 5 యూనిట్లు ఉన్నాయి. 2 పరిమాణం గల నమూనాలు ఎన్ని సాధ్యం (a) ప్రతిస్థాపన లేకుండా (b) ప్రతిస్థాపనతో (క్రమం గలవి)? సాధన. (a) ⁵C₂ = 10. (b) 5² = 25. సమాధానం: 10, 25
2. స్తరిత ప్రతిచయనం: కేటాయింపు.
- అనుపాత కేటాయింపు (proportional allocation): nᵢ = n × Nᵢ / N (ప్రతి స్తరానికి దాని పరిమాణానికి అనుపాతంలో).
- అనుకూలతమ (నేమాన్) కేటాయింపు (optimum (Neyman) allocation): nᵢ = n × NᵢSᵢ / Σ NᵢSᵢ, ఇక్కడ Sᵢ ఆ స్తరం ప్రామాణిక విచలనం (ఎక్కువ వైవిధ్యం గల స్తరాలకు ఎక్కువ యూనిట్లు).
ఉదాహరణ 2. ఒక కళాశాలలో 600 బి.కాం, 300 బి.ఎ., 100 బి.ఎస్సీ. విద్యార్థులు ఉన్నారు. 50 మందితో అనుపాత స్తరిత నమూనా తీయండి. సాధన. N = 1,000. బి.కాం 50 × 600/1000 = 30; బి.ఎ. 15; బి.ఎస్సీ. 5. సమాధానం: 30, 15, 5
3. క్రమబద్ధ ప్రతిచయనం.
ఉదాహరణ 3. ఒక జాబితాలో 500 రేషన్ కార్డులు ఉన్నాయి. 25 కార్డుల నమూనా కావాలి; 1 నుంచి 20 లోపు యాదృచ్ఛికంగా ఎంచుకున్న ప్రారంభ సంఖ్య 7. ఏ కార్డులు ఎంపికవుతాయి? సాధన. k = 500/25 = 20. కార్డులు 7, 27, 47, … 7 + 24 × 20 = 487 వరకు. సమాధానం: 7, 27, 47, …, 487 (25 కార్డులు)
- సరళమైనది, వేగవంతమైనది; నమూనాను జాబితా అంతటా విస్తరిస్తుంది.
- ప్రమాదం: జాబితాలో k కి సరిపోయే ఆవర్తన క్రమం ఉంటే (ఉదా. ప్రతి 20వ ఇల్లు మూలలోని ఇల్లు), నమూనా తీవ్రంగా పక్షపాతంగా మారుతుంది.
- మొదటి యూనిట్ మాత్రమే యాదృచ్ఛికం కాబట్టి దీన్ని అర్ధ-యాదృచ్ఛిక (quasi-random) ప్రతిచయనం అంటారు.
4. సమావృత, స్తరిత ప్రతిచయనాల పోలిక.
| అంశం | స్తరిత | సమావృత |
|---|---|---|
| సమూహాలు | లోపల సజాతీయం | లోపల విజాతీయం (చిన్న సమష్టులు) |
| నమూనా తీసేది | ప్రతి స్తరం నుంచి | ఎంచుకున్న సమావృతాల నుంచి మాత్రమే |
| అధ్యయనం చేసే యూనిట్లు | ప్రతి స్తరంలో ఒక నమూనా | ఎంచుకున్న సమావృతాల్లోని అన్ని యూనిట్లు |
| ప్రధాన లాభం | కచ్చితత్వం | తక్కువ ఖర్చు, యూనిట్ల పూర్తి జాబితా అవసరం లేదు |
5. యాదృచ్ఛికేతర పద్ధతులు.
| పద్ధతి | యూనిట్లను ఎలా ఎంచుకుంటారు | బలహీనత |
|---|---|---|
| జడ్జిమెంటల్ (ఉద్దేశపూర్వక) (judgement sampling) | పరిశోధకుడు "ప్రాతినిధ్య" యూనిట్లను ఎంచుకుంటారు | వ్యక్తిగత పక్షపాతం |
| కోటా (quota sampling) | ప్రతి ఇంటర్వ్యూయర్ తనకు అనుకూలంగా ఒక కోటాను (ఉదా. 20 మంది మహిళలు, 30 మంది పురుషులు) పూర్తి చేస్తారు | కోటాల లోపల పక్షపాతం |
| కన్వీనియన్స్ (convenience sampling) | సులువుగా అందుబాటులో ఉన్నవారు | ప్రాతినిధ్యం ఉండదు |
| స్నోబాల్ (snowball sampling) | ప్రతి రెస్పాండెంట్ ఇతరుల పేర్లు చెబుతారు (అరుదైన సమూహాలు) | గొలుసు పక్షపాతం |
యాదృచ్ఛికేతర నమూనాలు చౌకైనవి, వేగవంతమైనవి, కానీ వాటి దోషాన్ని సంభావ్యతా సిద్ధాంతంతో కొలవలేము.
6. ప్రతిచయన, ప్రతిచయనేతర దోషాలు.
- ప్రతిచయన దోషం ఒక భాగాన్ని మాత్రమే అధ్యయనం చేయడం వల్ల వస్తుంది; దీన్ని పెద్ద నమూనాతో తగ్గించవచ్చు, కొలవవచ్చు (ప్రామాణిక దోషం).
- ప్రతిచయనేతర దోషాల మూలాలు: లోపభూయిష్ట నిర్వచనాలు లేదా ప్రశ్నావళి, స్పందన లేకపోవడం, తప్పుడు సమాధానాలు (జ్ఞాపకశక్తి, ప్రతిష్ఠ), ఎన్యూమరేటర్ పక్షపాతం, కోడింగ్, పట్టికీకరణ, ముద్రణల్లో దోషాలు, అసంపూర్ణ వ్యాప్తి.
- పక్షపాత దోషం (biased error) ఒకే దిశలో పనిచేస్తుంది, యూనిట్లు పెరిగే కొద్దీ పేరుకుపోతుంది (సంచితం); పక్షపాతరహిత దోషం (unbiased error) యాదృచ్ఛికమైనది, పరస్పరం రద్దయ్యే స్వభావం ఉంటుంది (పరిహారకం).
లోతైన విశ్లేషణ
SRSWORలో ప్రామాణిక దోషం. పరిమిత సమష్టికి సగటు SE = (σ/√n) × √((N − n)/(N − 1)). √((N − n)/(N − 1)) అనే కారకం పరిమిత సమష్టి దిద్దుబాటు (finite population correction; fpc); ప్రతిచయన భిన్నం (sampling fraction) n/N చిన్నదిగా ఉన్నప్పుడు (సుమారు 5% లోపు) దీన్ని విస్మరించవచ్చు.
ఉదాహరణ 4. N = 100, n = 25, సమష్టి ప్రామాణిక విచలనం σ = 10. నమూనా సగటు SE కనుగొనండి (SRSWOR). సాధన. σ/√n = 10/5 = 2. fpc = √(75/99) ≈ 0.8704. SE ≈ 2 × 0.8704. సమాధానం: సుమారు 1.74 (SRSWR అయితే 2 వస్తుంది)
ఉదాహరణ 5. సమష్టి ప్రామాణిక విచలనం 12, నమూనా పరిమాణం 36 (పెద్ద సమష్టి). సగటు SE కనుగొనండి. దాన్ని సగానికి తగ్గించాలంటే ఎంత నమూనా పరిమాణం కావాలి? సాధన. SE = 12/√36 = 2. SE ∝ 1/√n, కాబట్టి SE సగం కావాలంటే n 4 రెట్లు కావాలి. సమాధానం: SE 2; n = 144
ఉదాహరణ 6. స్తరాల పరిమాణాలు 600, 300, 100, వాటి ప్రామాణిక విచలనాలు 5, 10, 30. నేమాన్ కేటాయింపు ద్వారా 60 పరిమాణం గల నమూనాను కేటాయించండి. సాధన. NᵢSᵢ = 3,000, 3,000, 3,000; మొత్తం 9,000. ప్రతి స్తరానికి 60 × 3,000/9,000 = 20. సమాధానం: 20, 20, 20 (అనుపాత కేటాయింపు అయితే 36, 18, 6 వస్తాయి)
ఉదాహరణ 7. ఏ ప్రకటన సరైనది? (a) నమూనా కంటే సంపూర్ణ గణనలో ప్రతిచయన దోషం ఎక్కువ. (b) నమూనా సర్వేలో ప్రతిచయనేతర దోషాలు ఉండవు. (c) నమూనా పరిమాణాన్ని పెంచడం ద్వారా ప్రతిచయన దోషాన్ని తగ్గించవచ్చు. (d) సమావృత ప్రతిచయనంలో ప్రతి సమావృతం నుంచి కొన్ని యూనిట్లను అధ్యయనం చేస్తారు. సాధన. (a) సంపూర్ణ గణనలో ప్రతిచయన దోషం ఉండదు; (b) తప్పు; (d) స్తరిత ప్రతిచయనాన్ని వివరిస్తుంది, సమావృతాన్ని కాదు. సమాధానం: (c)
సంపూర్ణ గణన కంటే ప్రతిచయనం వల్ల లాభాలు: తక్కువ సమయం, ఖర్చు; మరింత వివరమైన, లోతైన అధ్యయనం; మెరుగైన శిక్షణ పొందిన సిబ్బంది కాబట్టి తక్కువ ప్రతిచయనేతర దోషాలు; విధ్వంసక పరీక్షలకు లేదా అనంత సమష్టులకు ఇదొక్కటే మార్గం; దీని దోషాన్ని కొలవవచ్చు.
కచ్చితత్వం, పక్షపాతం. పెద్ద నమూనా యాదృచ్ఛిక దోషాన్ని తగ్గిస్తుంది, కానీ పక్షపాతాన్ని తొలగించదు (సరిగా రూపొందించని జాబితా లేదా ప్రేరేపించే ప్రశ్న). 1936 నాటి లిటరరీ డైజెస్ట్ (Literary Digest) పోల్ (టెలిఫోన్, కార్ల యజమానుల నుంచి లక్షలాది సమాధానాలు) అమెరికా ఎన్నికల ఫలితాన్ని తప్పుగా అంచనా వేసింది: పక్షపాతం గల ప్రతిచయన చట్రాన్ని (sampling frame) పరిమాణం సరిదిద్దలేదు.
నమూనా పరిమాణం వీటిపై ఆధారపడుతుంది: సమష్టి వైవిధ్యం (variability) (ఎక్కువ వైవిధ్యం → పెద్ద నమూనా), కావలసిన కచ్చితత్వం, ప్రతిచయన పద్ధతి, అందుబాటులో ఉన్న ఖర్చు, సమయం, అధ్యయన స్వభావం.
తరచూ చేసే పొరపాట్లు
- ✗ "స్తరిత ప్రతిచయనంలో మొత్తం స్తరాలను ఎంచుకుంటారు." ✓ అది సమావృత ప్రతిచయనం; స్తరిత ప్రతిచయనం ప్రతి స్తరం నుంచి నమూనా తీసుకుంటుంది.
- ✗ "స్తరాలు లోపల విజాతీయంగా ఉండాలి." ✓ స్తరాలు లోపల సజాతీయం; సమావృతాలు లోపల విజాతీయం.
- ✗ "క్రమబద్ధ ప్రతిచయన అంతరం k = n/N." ✓ k = N/n.
- ✗ "సంపూర్ణ గణనలో ప్రతిచయన దోషం ఉంటుంది." ✓ సంపూర్ణ గణనలో ప్రతిచయన దోషం ఉండదు (కానీ ప్రతిచయనేతర దోషాలు ఉంటాయి).
- ✗ "నమూనా పరిమాణాన్ని రెట్టింపు చేస్తే ప్రామాణిక దోషం సగమవుతుంది." ✓ SE ∝ 1/√n: నమూనా నాలుగు రెట్లు కావాలి.
- ✗ "కోటా ప్రతిచయనం యాదృచ్ఛిక పద్ధతి." ✓ కోటా, జడ్జిమెంటల్, కన్వీనియన్స్, స్నోబాల్ యాదృచ్ఛికేతర పద్ధతులు.
- ✗ "పెద్ద నమూనా పక్షపాతాన్ని తొలగిస్తుంది." ✓ అది యాదృచ్ఛిక దోషాన్ని మాత్రమే తగ్గిస్తుంది; పక్షపాతం అలాగే ఉంటుంది.
త్వరిత పునశ్చరణ
- నియమాలు: సాంఖ్యక క్రమబద్ధత; బృహత్ సంఖ్యల జడత్వం.
- యాదృచ్ఛికం = తెలిసిన, సున్నా కాని అవకాశం; SRS = సమాన అవకాశం.
- SRSWOR నమూనాలు ᴺCₙ; SRSWR నమూనాలు Nⁿ.
- స్తరిత: సజాతీయ స్తరాలు, ప్రతి దాని నుంచి నమూనా; అనుపాత nᵢ = nNᵢ/N.
- నేమాన్: nᵢ ∝ NᵢSᵢ.
- క్రమబద్ధ: k = N/n, యాదృచ్ఛిక ప్రారంభం, ప్రతి k-వ యూనిట్.
- సమావృత: మొత్తం సమూహాలను ఎంచుకుని, వాటిలోని అన్ని యూనిట్లను అధ్యయనం చేయాలి.
- యాదృచ్ఛికేతర: జడ్జిమెంటల్, కోటా, కన్వీనియన్స్, స్నోబాల్.
- సగటు SE = σ/√n; SRSWORకు fpc √((N − n)/(N − 1)).
- ప్రతిచయన దోషం n తో తగ్గుతుంది; ప్రతిచయనేతర దోషాలు రెండింటిలోనూ, సంపూర్ణ గణనలో ఎక్కువ.
ఈ అంశాన్ని ప్రాక్టీస్ చేయండి. Medha AI యాప్లో సమాధానాల వివరణతో ప్రశ్నలు.
అన్ని తెలుగు నోట్స్ · All Data, sampling, probability and presentation notes · APPSC Paper I notes · ఉచితంగా మొదలుపెట్టండి
Medha AI writes its own notes and checks them against the sources listed. Medha AI is an independent preparation service. It is not affiliated with, endorsed by or connected to APPSC, TGPSC (formerly TSPSC), MPSC, UPSC or any other commission or government body.