மாதிரிகளின் எண்ணிக்கை என்று அர்த்தம். மாதிரிகளின் எண்ணிக்கை. மாதிரி அளவு என்பது தேவையான மாதிரிகளின் எண்ணிக்கையைக் குறிக்கிறது, இதனால் பெறப்பட்ட முடிவுகள் கிடைக்கும் விரிவுபடுத்தப்பட்ட அதிக மக்கள் தொகைக்கு.
இங்கே, கண்டறிதலில் உள்ள வேறுபாட்டை நீங்கள் எவ்வாறு கண்டறிவது?
மாதிரி அளவைக் கணக்கிடுவது ஏன் முக்கியமானது? ஏன் மாதிரி அளவு கணக்கீடுகள்? மாதிரி அளவு கணக்கீட்டின் முக்கிய நோக்கம் மருத்துவ ரீதியாக பொருத்தமான சிகிச்சை விளைவை கண்டறிய தேவையான பங்கேற்பாளர்களின் எண்ணிக்கையை தீர்மானிக்க. பெரும்பாலான அளவு ஆய்வுகளில் தேவையான மாதிரி அளவைப் பற்றிய ஆய்வுக்கு முந்தைய கணக்கீடு உத்தரவாதம் அளிக்கப்படுகிறது.
கூடுதலாக சீரற்ற மற்றும் சீரற்ற மாதிரிகளுக்கு இடையே உள்ள வேறுபாடுகள் என்ன? ஒவ்வொரு மாதிரியையும் தேர்ந்தெடுக்கும் நிகழ்தகவு சமமாக இருக்கும் இடத்தில் ரேண்டம் சாம்லிங் என்பது மாதிரி நுட்பம் என்று குறிப்பிடப்படுகிறது. … ரேண்டம் அல்லாத மாதிரி என்பது ஒரு மாதிரி நுட்பமாகும், அங்கு மாதிரித் தேர்வு சீரற்ற வாய்ப்பைத் தவிர வேறு காரணிகளை அடிப்படையாகக் கொண்டது. வேறு வார்த்தைகளில் கூறுவதானால், ரேண்டம் அல்லாத மாதிரி இயல்பில் ஒரு சார்புடையது.
பெரிய மாதிரி அளவுகள் ஏன் சிறந்தவை? ஒரு பெரிய மாதிரி அளவு ஏன் பயனுள்ளதாக இருக்கும் என்பதைப் புரிந்துகொள்வதற்கான முதல் காரணம் எளிதானது. பெரிய மாதிரிகள் மக்கள்தொகையை மிக நெருக்கமாக தோராயமாக மதிப்பிடுகின்றன. ஒரு மாதிரியிலிருந்து மக்கள்தொகைக்கு பொதுமைப்படுத்துவதே அனுமான புள்ளிவிவரங்களின் முதன்மையான குறிக்கோள் என்பதால், மாதிரி அளவு பெரியதாக இருந்தால் அது ஒரு அனுமானம் அல்ல.
புள்ளிவிவரங்களில் என்ன வித்தியாசம்?
புள்ளியியல் வேறுபாடு குறிக்கிறது பொருள்கள் அல்லது நபர்களின் குழுக்களுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடுகள். முடிவுகளை எடுப்பதற்கும் முடிவுகளை வெளியிடுவதற்கும் முன்பு ஒரு பரிசோதனையின் தரவு நம்பகமானதா என்பதைத் தீர்மானிக்க விஞ்ஞானிகள் இந்த வேறுபாட்டைக் கணக்கிடுகின்றனர்.
புள்ளிவிவரங்களில் உள்ள வேறுபாட்டின் சோதனை என்ன? புள்ளிவிவரங்களில், ஒரு ஜோடி வேறுபாடு சோதனை ஒரு வகை இருப்பிடச் சோதனையானது, இரண்டு செட் அளவீடுகளை ஒப்பிடும் போது, அவற்றின் மக்கள் தொகை என்பது வேறுபட்டதா என்பதை மதிப்பிடுவதற்குப் பயன்படுத்தப்படுகிறது. … சிகிச்சைக்கு முன்னும் பின்னும் பாடங்களை அளவிடும் போது, ஒரு ஜோடி வேறுபாடு சோதனையின் மிகவும் பழக்கமான உதாரணம் ஏற்படுகிறது.
இரண்டு வழிமுறைகளுக்கு இடையிலான வேறுபாடு புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்கதா? வாய்ப்பு காரணமாக இல்லை
கொள்கையளவில், அ புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்க முடிவு (பொதுவாக ஒரு வித்தியாசம்) அதிர்ஷ்டம் காரணமாக இல்லை. மேலும் தொழில்நுட்ப ரீதியாக, பூஜ்ய கருதுகோள் உண்மையாக இருந்தால் (உண்மையில் எந்த வித்தியாசமும் இல்லை என்று அர்த்தம்), பெரிய அல்லது பெரிய முடிவைப் பெறுவதற்கான குறைந்த நிகழ்தகவு உள்ளது.
மாதிரி அளவு செல்லுபடியாகும் அல்லது நம்பகத்தன்மையை பாதிக்கிறதா?
நம்பகமான, மீண்டும் உருவாக்கக்கூடிய மற்றும் சரியான முடிவுகளுக்கு, பொருத்தமான மாதிரி அளவுகள் முக்கியமானவை. சிறிய மாதிரி அளவுகளில் இருந்து உருவாக்கப்படும் சான்றுகள், போதுமான சக்தியின் காரணமாக தவறான எதிர்மறைகள் (வகை II பிழைகள்) மற்றும் பக்கச்சார்பான மாதிரிகள் காரணமாக தவறான நேர்மறைகள் (வகை I பிழைகள்) ஆகிய இரண்டும் பிழைக்கு ஆளாகின்றன.
மேலும் மாதிரி அளவு அதிகமாக இருந்தால் என்ன நடக்கும்? மிகப் பெரிய மாதிரிகள் சிறிய வேறுபாடுகளை புள்ளியியல் ரீதியாக குறிப்பிடத்தக்க வேறுபாடுகளாக மாற்ற முனைகிறது - அவை மருத்துவ ரீதியாக முக்கியமற்றதாக இருந்தாலும் கூட. இதன் விளைவாக, ஆராய்ச்சியாளர்கள் மற்றும் மருத்துவர்கள் இருவரும் தவறாக வழிநடத்தப்படுகிறார்கள், இது சிகிச்சை முடிவுகளில் தோல்விக்கு வழிவகுக்கும்.
மாதிரி அளவு துல்லியத்தை எவ்வாறு பாதிக்கிறது?
எங்களிடம் அதிக தரவு இருப்பதால், மேலும் தகவல் இருப்பதால், எங்கள் மதிப்பீடு மிகவும் துல்லியமானது. எங்கள் மாதிரி அளவு அதிகரிக்கும், எங்கள் மதிப்பீட்டின் மீதான நம்பிக்கை அதிகரிக்கிறது, நமது நிச்சயமற்ற தன்மை குறைகிறது மற்றும் அதிக துல்லியம் உள்ளது.
சீரற்ற மற்றும் சீரற்ற மாதிரி நிகழ்தகவு மற்றும் நிகழ்தகவு அல்லாத மாதிரி முறை * * ஆகியவற்றுக்கு இடையே உள்ள வேறுபாடுகள் என்ன? நிகழ்தகவு மற்றும் நிகழ்தகவு மாதிரிக்கு இடையே உள்ள வேறுபாடு அதுதான் நிகழ்தகவு இல்லாத மாதிரி சீரற்ற தேர்வு மற்றும் நிகழ்தகவு மாதிரியை உள்ளடக்கியது இல்லை. … பொதுவாக, ஆராய்ச்சியாளர்கள் நிகழ்தகவு அல்லாதவற்றை விட நிகழ்தகவு அல்லது சீரற்ற மாதிரி முறைகளை விரும்புகிறார்கள், மேலும் அவை மிகவும் துல்லியமாகவும் கடுமையானதாகவும் கருதுகின்றனர்.
நோக்க மாதிரி மற்றும் சீரற்ற மாதிரிக்கு என்ன வித்தியாசம்?
நிகழ்தகவு மாதிரியின் கீழ் பயன்படுத்தக்கூடிய பல்வேறு மாதிரி நுட்பங்களைப் போலல்லாமல் (எ.கா., எளிய சீரற்ற மாதிரி, அடுக்கு சீரற்ற மாதிரி, முதலியன), நோக்கமான மாதிரியின் குறிக்கோள் பொதுமைப்படுத்தல்களை உருவாக்கும் நோக்கத்துடன் மாதிரியை உருவாக்க மக்கள்தொகையிலிருந்து அலகுகளைத் தோராயமாகத் தேர்ந்தெடுப்பது அல்ல (அதாவது, புள்ளியியல் …
மாதிரிக்கும் மக்கள் தொகைக்கும் என்ன வித்தியாசம்?
மக்கள் தொகை என்பது நீங்கள் முடிவுகளை எடுக்க விரும்பும் முழு குழுவாகும். மாதிரி என்பது நீங்கள் தரவைச் சேகரிக்கும் குறிப்பிட்ட குழுவாகும். மாதிரியின் அளவு எப்போதும் மக்கள்தொகையின் மொத்த அளவை விட குறைவாக இருக்கும்.
ஒரு மாதிரி அளவு புள்ளியியல் ரீதியாக முக்கியத்துவம் வாய்ந்ததாக இருந்தால் உங்களுக்கு எப்படித் தெரியும்? பொதுவாக, கட்டைவிரல் விதி அதுதான் மாதிரி அளவு பெரியது, அது புள்ளிவிவர ரீதியாக முக்கியத்துவம் வாய்ந்தது- அதாவது உங்கள் முடிவுகள் தற்செயலாக நடந்ததற்கான வாய்ப்புகள் குறைவு.
பெரிய மாதிரி அளவைக் கொண்டிருப்பதால் ஏற்படும் தீமைகள் என்ன? மாதிரி அளவு பெரியதாக இருப்பதால் நிறைய நேரம் தேவைப்படுகிறது முறையில் பரவியது மக்கள்தொகை பரவியுள்ளது மற்றும் சிறிய மாதிரி அளவுகளுடன் ஒப்பிடும்போது முழு மாதிரியிலிருந்தும் தரவை சேகரிப்பதில் அதிக நேரம் இருக்கும்.
இரண்டு எண்களுக்கு இடையிலான வேறுபாடு புள்ளியியல் ரீதியாக முக்கியத்துவம் வாய்ந்ததாக இருந்தால் எப்படிச் சொல்வது?
டி-டெஸ்ட் இரண்டு வழிமுறைகளுக்கும் இடையே உள்ள வேறுபாடு தற்செயலாக ஏற்படும் நிகழ்தகவை வழங்குகிறது. இப்படி என்றால் என்று சொல்வது வழக்கம் நிகழ்தகவு 0.05 க்கும் குறைவாக உள்ளது, அந்த வேறுபாடு 'குறிப்பிடத்தக்கது', வித்தியாசம் தற்செயலாக ஏற்படவில்லை.
மாதிரி அளவு 30 க்கும் குறைவாக இருந்தால் எந்த சோதனை பொருந்தும்? Z-சோதனைகள் t-சோதனைகளுடன் நெருங்கிய தொடர்புடையவை, ஆனால் t-சோதனைகள் ஒரு சிறிய மாதிரி அளவு 30 க்கும் குறைவாக இருக்கும்போது சிறப்பாகச் செய்யப்படுகின்றன. மேலும், t-சோதனைகள் நிலையான விலகல் அறியப்படாததாகக் கருதுகின்றன, அதே நேரத்தில் z- சோதனைகள் அது அறியப்பட்டதாகக் கருதுகின்றன.
n மாதிரியின் அளவு 30 க்கும் குறைவாக இருக்கும் போது அந்த மாதிரி அழைக்கப்படுகிறது?
மாதிரி அளவு 30 க்கும் குறைவாக இருக்கும் போது நாம் அதை அழைக்கிறோம் சிறிய மாதிரி, ஆனால் நமது மாதிரி அளவு 38 ஆக இருக்கும் போது (கவனிப்பு) அதை சிறிய மாதிரி அளவு என்றும் அழைக்கிறோம்.
புள்ளிவிவர ரீதியாக எந்த சதவீத வேறுபாடு குறிப்பிடத்தக்கது? பொதுவாக, ஒரு p-மதிப்பு 5% அல்லது அதற்கும் குறைவாக புள்ளியியல் முக்கியத்துவம் வாய்ந்ததாகக் கருதப்படுகிறது.
மாதிரி அளவு புள்ளியியல் முக்கியத்துவத்தின் தீர்மானங்களை எவ்வாறு பாதிக்கிறது?
அதிக மாதிரி அளவு கண்டுபிடிப்புகளின் முக்கியத்துவத்தை அதிகரிக்க ஆராய்ச்சியாளரை அனுமதிக்கிறது, ஏனெனில் முடிவுகளின் நம்பிக்கையானது அதிக மாதிரி அளவுடன் அதிகரிக்க வாய்ப்புள்ளது. இது எதிர்பார்க்கப்பட வேண்டும், ஏனெனில் பெரிய மாதிரி அளவு, மிகவும் துல்லியமாக முழு குழுவின் நடத்தையையும் பிரதிபலிக்கும் என்று எதிர்பார்க்கப்படுகிறது.
மாதிரி அளவு பொதுமயமாக்கலை பாதிக்கிறதா? மாதிரி அளவு பற்றாக்குறை ஆய்வுகளின் செல்லுபடியாகும் தன்மையையும் பொதுமைப்படுத்தலையும் அச்சுறுத்துவதாகக் காணப்பட்டது'முடிவுகள், பிந்தையது அடிக்கடி நோமோதெடிக் அடிப்படையில் கருத்தரிக்கப்படுகிறது.
மாதிரி அளவு எப்படி ஒரு வரம்பு?
மாதிரி அளவு வரம்புகள்
ஒரு சிறிய மாதிரி அளவு ஒரு குறிப்பிட்ட முடிவு உண்மையான கண்டுபிடிப்பா என்பதை தீர்மானிக்க கடினமாக இருக்கலாம் மற்றும் சில சந்தர்ப்பங்களில் ஒரு வகை II பிழை ஏற்படலாம், அதாவது, பூஜ்ய கருதுகோள் தவறாக ஏற்றுக்கொள்ளப்பட்டது மற்றும் ஆய்வுக் குழுக்களிடையே எந்த வித்தியாசமும் இல்லை.