மாதிரி விநியோகத்தின் கோட்பாடுகள்

மாதிரி விநியோகக் கொள்கைகள்

பெண்டாஹுலுவான்
மாதிரிப் பரவல் என்பது புள்ளியியலில் உள்ள ஒரு அடிப்படைக் கருத்தாகும். இது ஒரு மக்கள் தொகையிலிருந்து பெறப்பட்ட மாதிரிகளின் பரவல் பண்புகளில் கவனம் செலுத்துகிறது. மாதிரிப் பரவல் கோட்பாடு புள்ளியியல் அனுமானத்தில் மிக முக்கியமானது, ஏனெனில் இது மாதிரித் தரவுகளின் அடிப்படையில் மக்கள் தொகை அளவுருக்களை மதிப்பிடவும் கணிக்கவும் நமக்கு உதவுகிறது.

நிஜ உலகில், ஒரு முழு மக்கள்தொகையிடமிருந்தும் தரவுகளைச் சேகரிப்பது பெரும்பாலும் நடைமுறைக்குச் சாத்தியமற்றது அல்லது இயலாத காரியமாகும். எனவே, ஆராய்ச்சியாளர்கள் ஒரு பெரிய மக்கள்தொகையிலிருந்து மாதிரிகளை எடுத்து, அந்த மக்கள்தொகையைப் பற்றி சரியான முடிவுகளைப் பெறுவதற்காக மாதிரிப் பரவல் கோட்பாடுகளைப் பயன்படுத்துகின்றனர்.

இந்தக் கட்டுரை, மாதிரிப் பரவல்களின் கோட்பாடுகளையும், அத்துடன் சராசரியின் மாதிரிப் பரவல், மைய எல்லைத் தேற்றம் மற்றும் விகிதாச்சாரங்களின் மாதிரிப் பரவல் போன்ற மாதிரிப் பரவல்கள் தொடர்பான சில முக்கியக் கருத்துகளையும் விவாதிக்கும்.

மாதிரி விநியோகத்தின் அடிப்படைக் கோட்பாடுகள்

மக்கள்தொகை மற்றும் மாதிரி
மக்கள் தொகை என்பது ஒரு ஆராய்ச்சி அல்லது புள்ளிவிவர ஆய்வின் பொருளாக இருக்கும் அனைத்து தனிநபர்கள் அல்லது கூறுகளின் தொகுப்பாகும். இதற்கு மாறாக, மாதிரி என்பது உற்றுநோக்கல் மற்றும் பகுப்பாய்விற்காகத் தேர்ந்தெடுக்கப்பட்ட மக்கள் தொகையின் ஒரு துணைக்குழுவாகும். முழு மக்கள் தொகையையும் அளவிடுவது அல்லது உற்றுநோக்குவது கடினம் அல்லது சாத்தியமற்றது என்பதால் இந்த அணுகுமுறை பயன்படுத்தப்படுகிறது.

அளவுருக்கள் மற்றும் புள்ளிவிவரங்கள்
அளவுரு என்பது சராசரி, மாறுபாடு அல்லது விகிதம் போன்ற ஒரு மக்கள்தொகையின் பண்பை விவரிக்கும் ஒரு எண் மதிப்பாகும். மறுபுறம், புள்ளிவிவரம் என்பது ஒரு மாதிரியிலிருந்து பெறப்பட்டு, ஒரு மக்கள்தொகை அளவுருவை மதிப்பிடுவதற்குப் பயன்படுத்தப்படும் ஒரு எண் மதிப்பாகும். எடுத்துக்காட்டாக, ஒரு மக்கள்தொகையின் சராசரி உயரத்தை நாம் அறிய விரும்பினால், அந்த மக்கள்தொகையிலிருந்து ஒரு மாதிரியை எடுத்து, அந்த மாதிரியின் சராசரி உயரத்தைக் (புள்ளிவிவரம்) கணக்கிட்டு, அதைப் பயன்படுத்தி மக்கள்தொகையின் சராசரியை (அளவுரு) மதிப்பிடலாம்.

மாதிரி விநியோகம்
மாதிரிப் பரவல் என்பது ஒரு மாதிரிப் புள்ளிவிவரத்தின் நிகழ்தகவுப் பரவலைக் குறிக்கிறது. ஒரே மக்கள் தொகையிலிருந்து நாம் பல மாதிரிகளை எடுத்து, ஒவ்வொன்றின் மாதிரிச் சராசரியைக் கணக்கிட்டால், இந்த மாதிரிச் சராசரிகளின் பரவலே சராசரியின் மாதிரிப் பரவலாகும்.

மாதிரிப் பரவல் என்பது, வெவ்வேறு மாதிரியெடுப்பு மறுசெய்கைகளின் கீழ் ஒரு மாதிரிப் புள்ளிவிவரம் எவ்வாறு செயல்படுகிறது என்பதற்கான ஒரு மேலோட்டத்தை வழங்குகிறது. மாதிரிப் புள்ளிவிவரங்களில் உள்ள உள்ளார்ந்த மாறுபாட்டைப் புரிந்துகொள்வதற்கும், மக்கள்தொகை அளவுருக்களின் மிகவும் துல்லியமான மதிப்பீடுகளைச் செய்வதற்கும் இது முக்கியமானது.

மைய எல்லைத் தேற்றம் (மைய எல்லைத் தேற்றம்)

மாதிரிப் பரவல்கள் தொடர்பான மிக முக்கியமான கருத்துகளில் ஒன்று மைய எல்லைத் தேற்றம் (CLT) ஆகும். இந்தத் தேற்றத்தின்படி, மக்கள் தொகைப் பரவலின் வடிவம் எப்படி இருந்தாலும், மாதிரியின் அளவு போதுமான அளவு பெரியதாக (பொதுவாக n ≥ 30) இருந்தால், மாதிரிச் சராசரியின் மாதிரிப் பரவலானது ஒரு இயல்நிலைப் பரவலை (காஸியன் பரவல்) ஒத்திருக்கும்.

மைய எல்லைத் தேற்றத்தைப் புரிந்துகொள்ளுதல்
மேலும் முறையாகக் கூறுவதானால், மைய வரம்புத் தேற்றத்தின்படி, சராசரி µ மற்றும் மாறுபாடு σ² கொண்ட ஒரு மக்கள் தொகையிலிருந்து நாம் போதுமான அளவு பெரிய மாதிரியை எடுத்தால், அந்த மாதிரி சராசரிகளின் மாதிரிப் பரவலானது, சராசரி µ மற்றும் σ/√n என்ற திட்டப் பிழையுடன் (SE) கூடிய ஒரு இயல்நிலைப் பரவலை ஒத்திருக்கும், இங்கு n என்பது மாதிரியின் அளவாகும்.

மைய எல்லைத் தேற்றத்தின் தாக்கங்கள்
மைய வரம்பு தேற்றம் (CLT) புள்ளியியல் அனுமானத்திற்கு முக்கியமான தாக்கங்களைக் கொண்டுள்ளது, ஏனெனில் அசல் தரவுகள் இயல்நிலைப் பரவலாக இல்லாதபோதும், கருதுகோள்களை மதிப்பிடும்போதும் சோதிக்கும்போதும் இயல்நிலைப் பரவலின் விதிகளைப் பயன்படுத்த அது நம்மை அனுமதிக்கிறது. இது அன்றாட புள்ளியியல் நடைமுறையில் மிகவும் சக்தி வாய்ந்தது, ஏனெனில் இது இயல்நிலைப் பரவலை அடிப்படையாகக் கொண்ட பல புள்ளியியல் நுட்பங்களை அவற்றின் பயன்பாட்டில் மேலும் உலகளாவியதாக ஆக்குகிறது.

சராசரியின் மாதிரிப் பரவல்

மைய எல்லைத் தேற்றத்தின் முக்கியப் பயன்பாடுகளில் ஒன்று, சராசரியின் மாதிரிப் பரவலைப் புரிந்துகொள்வதாகும். ஒரு மக்கள் தொகையிலிருந்து நாம் ஒரு சமவாய்ப்பு மாதிரியை எடுத்து, அதன் மாதிரிச் சராசரியைக் கணக்கிடும்போது, ​​இந்த மாதிரிச் சராசரியானது ஒவ்வொரு மாதிரிக்கும் எவ்வாறு மாறுபடுகிறது என்பதை நாம் அறிய விரும்புகிறோம்.

சராசரி மற்றும் மாறுபாடு
பெரிய மாதிரி அளவுகளுக்கு, சராசரியின் மாதிரிப் பரவலானது, மக்கள்தொகை சராசரிக்கு (μ) சமமான சராசரி மற்றும் σ²/n என்ற சிறிய மாறுபாட்டுடன் கூடிய இயல்நிலைப் பரவலை அணுகும், இங்கு σ என்பது மக்கள்தொகை திட்ட விலக்கம் மற்றும் n என்பது மாதிரி அளவு ஆகும்.

நிலையான பிழை
திட்டப் பிழை (SE) என்பது சராசரியிலிருந்து மாதிரிப் பரவலின் திட்ட விலகல் ஆகும். மாதிரிச் சராசரியானது மக்கள் தொகைச் சராசரியிலிருந்து எவ்வளவு தூரம் விலகும் என்று எதிர்பார்க்கப்படுகிறது என்பதற்கான ஒரு அளவீட்டை இது வழங்குகிறது. திட்டப் பிழையானது σ/√n எனக் கணக்கிடப்படுகிறது, இது மாதிரி அளவை அதிகரிப்பது திட்டப் பிழையைக் குறைத்து, மக்கள் தொகைச் சராசரி மதிப்பீட்டை மேலும் துல்லியமாக்கும் என்பதைக் குறிக்கிறது.

விகிதாச்சாரங்களின் மாதிரி விநியோகம்

ஒரு விகிதத்தின் மாதிரிப் பரவல் என்பது சராசரியின் மாதிரிப் பரவலைப் போன்றதுதான், ஆனால் நாம் சராசரியை விட விகிதத்தில் கவனம் செலுத்துகிறோம். எடுத்துக்காட்டாக, ஒரு மக்கள்தொகையில் புகைப்பிடிப்பவர்களின் விகிதம் போன்ற ஒரு குறிப்பிட்ட பண்பைக் கொண்ட மக்கள்தொகையின் விகிதத்தை நாம் மதிப்பிட விரும்புகிறோம் என்று வைத்துக்கொள்வோம்.

விகிதாச்சாரங்களின் சராசரி மற்றும் மாறுபாடு
ஒரு குறிப்பிட்ட பண்பைக் கொண்ட மக்கள்தொகையின் விகிதம் p எனில், அந்த விகிதம் p-இன் மாதிரிப் பரவல் (p-hat), சராசரி p மற்றும் மாறுபாடு (pq/n) கொண்ட ஒரு இயல்நிலைப் பரவலை ஒத்திருக்கும், இங்கு q = 1 – p மற்றும் n என்பது மாதிரி அளவு ஆகும்.

விகிதத்தின் நிலையான பிழை
விகிதத்தின் திட்டப் பிழை √[p(1-p)/n] எனக் கணக்கிடப்படுகிறது. இது, மாதிரி விகிதம் (p-hat) உண்மையான மக்கள்தொகை விகிதத்திலிருந்து (p) எவ்வளவு தூரம் வேறுபடுகிறது என்பதற்கான ஒரு அளவீட்டை வழங்குகிறது.

முடிவுரை

மாதிரிப் பரவல் கோட்பாடுகள், அனுமானப் புள்ளிவிவரவியலின் பல கூறுகளுக்கு அடித்தளமாக அமைகின்றன. இந்தக் கருத்துகளைப் புரிந்துகொள்வது, வரையறுக்கப்பட்ட மாதிரிகளின் அடிப்படையில் சரியான மதிப்பீடுகளைச் செய்யவும் கருதுகோள் சோதனைகளை நடத்தவும் ஆராய்ச்சியாளர்களை அனுமதிக்கிறது. மைய எல்லைத் தேற்றத்தின் மூலம், நாம் இயல்நிலைப் பரவலின் கோட்பாடுகளைப் பல்வேறு சூழ்நிலைகளில் பயன்படுத்தலாம். மேலும், ஆரம்பத் தரவுகள் இயல்நிலைப் பரவலாக இல்லாதபோதும் கூட, மிகவும் துல்லியமான மதிப்பீடுகளைச் செய்ய முடியும்.

சராசரி மற்றும் விகிதத்தின் மாதிரிப் பரவலைப் பகுப்பாய்வு செய்வதன் மூலம், ஒரு மாதிரியின் புள்ளிவிவர மாறுபாட்டைப் பற்றி ஆழமாகப் புரிந்துகொண்டு, மக்கள் தொகையைப் பற்றி சிறந்த கணிப்புகளைச் செய்ய முடியும். இந்தக் கோட்பாடுகள், மேலோட்டமாகப் பார்க்கும்போது அருவமானவையாகத் தோன்றினாலும், சமூக அறிவியல் முதல் இயற்கை அறிவியல் மற்றும் வணிகம் வரையிலான பல்வேறு ஆராய்ச்சித் துறைகளில் பரந்த நடைமுறைப் பயன்பாடுகளைக் கொண்டுள்ளன. ஒரு பெரிய உண்மையின் ஒரு சிறிய பகுதியாக மட்டுமே அந்தத் தரவு இருந்தாலும், கிடைக்கக்கூடிய தரவுகளின் அடிப்படையில் சிறந்த முடிவுகளை எடுப்பதே இதன் இறுதி இலக்காகும்.