निम्नलिखित में से कौन सी दी गई जनसंख्या से नमूने चुनने की गैर-यादृच्छिक विधि है?

1. स्तरीकृत नमूनाकरण

2. व्यवस्थित नमूनाकरण

3. कोटा नमूनाकरण

4. बहु-चरण नमूना

हालांकि हर शोधकर्ता व्यापक आबादी के लिए शोध के निष्कर्षों को सामान्य बनाने में सक्षम होना चाहता है, इस तरह के अध्ययन के लिए अधिक समय, धन और प्रयास की आवश्यकता होगी। इस कारण से, हम एक नमूना का चयन करते हैं यानी बड़ी संपूर्ण (जनसंख्या) का एक छोटा प्रतिनिधित्व, ताकि हम आबादी के लिए नमूने से अपने निष्कर्षों का सामान्यीकरण कर सकें।

नमूनाकरण: नमूने की अवधारणा में एक बड़े समूह (नमूना जनसंख्या) से एक भाग (नमूना) का चयन करना शामिल है। शोध में नमूने लेने की तीन विधियाँ हैं:

1. यादृच्छिक / संभावना नमूनाकरण
2. गैर-यादृच्छिक / गैर-संभाव्यता नमूना
3. ‘मिश्रित 'नमूनाकरण
    

गैर-यादृच्छिक / गैर-संभाव्यता नमूनाकरण डिजाइनों के योग: ये डिजाइन यादृच्छिककरण के सिद्धांत पर काम नहीं करते हैं, बल्कि इनका उपयोग तब किया जाता है जब जनसंख्या में तत्वों की संख्या या तो अज्ञात होती है या व्यक्तिगत रूप से पहचानी नहीं जा सकती।

1. एक्सीडेंटल सैम्पलिंग: यह सैंपलिंग जनसंख्या तक पहुँचने में सुविधा पर भी आधारित है। जो लोग डेटा प्रदान करने के लिए तैयार नहीं हैं, उन्हें बस नजरअंदाज कर दिया जाता है और शोधकर्ता अगले व्यक्ति तक ले जाता है जब तक कि वह किसी ऐसे व्यक्ति से नहीं मिलता है जो एक भागीदार बनने के लिए तैयार है। जब आप अपने नमूने में आपके द्वारा तय किए गए उत्तरदाताओं की आवश्यक संख्या तक पहुँच जाते हैं, तो आप डेटा एकत्र करना बंद कर देते हैं।
2. जजमेंट / पर्पसिव सैंपलिंग: पर्पसिव सैंपलिंग में प्राथमिक विचार शोधकर्ता का निर्णय है कि कौन आपके अध्ययन के उद्देश्यों को प्राप्त करने के लिए सबसे अच्छी जानकारी प्रदान कर सकता है। शोधकर्ता केवल उन लोगों के पास जाएगा जो उसकी राय में आवश्यक जानकारी रखते हैं और इसे साझा करने के लिए तैयार होंगे।
3. स्नोबॉल नमूनाकरण: इसे नेटवर्क या चेन रेफरल नमूनाकरण भी कहा जाता है। शुरुआत करने के लिए, शोधकर्ता उत्तरदाताओं की एक छोटी संख्या की पहचान करता है, जो शोधकर्ता के लिए ब्याज की विशेषताओं का एक समूह है। उन उत्तरदाताओं से आवश्यक डेटा एकत्र करने के बाद, समान उत्तरदाताओं को समान विशेषताओं वाले दूसरों की पहचान करने के लिए कहा जाता है। जैसे, नशा करने वालों, बलात्कार पीड़ितों, आदि से डेटा एकत्र करना
4. कोटा नमूनाकरण: शोधकर्ता को कुछ दृश्य विशेषताओं, जैसे लिंग या नस्ल, अध्ययन की आबादी के लिए निर्देशित किया जाता है, जो उसके लिए रुचि है। नमूना का चयन उस स्थान से किया जाता है जो शोधकर्ता के लिए सुविधाजनक और आसानी से सुलभ है और जब भी इस दृश्य से संबंधित विशेषता वाले व्यक्ति को देखा जाता है, तो उस व्यक्ति को अध्ययन में भाग लेने के लिए कहा जाता है।
5. आयामी नमूनाकरण: यह कोटा नमूनाकरण का एक विस्तार है जहां शोधकर्ता लिंग, निवास, शिक्षा इत्यादि जैसी कई विशेषताओं को ध्यान में रखता है और यह सुनिश्चित करता है कि चुने गए प्रत्येक विशेषताओं का प्रतिनिधित्व करने वाले अध्ययन में कम से कम एक व्यक्ति हो।
    

ध्यान दें:

यादृच्छिक / संभाव्यता नमूनाकरण: इस प्रकार में, जनसंख्या के प्रत्येक तत्व के नमूने में चयन का एक समान और स्वतंत्र मौका होता है।

1. सिस्टेमैटिक सैम्पलिंग: सिस्टेमैटिक सैम्पलिंग एक प्रकार की प्रायिकता सैंपलिंग विधि है जिसमें एक बड़ी जनसंख्या के सैंपल सदस्यों का चयन रैंडम स्टार्टिंग पॉइंट के अनुसार किया जाता है लेकिन एक निश्चित, आवधिक अंतराल के साथ। यह अंतराल, जिसे नमूना अंतराल कहा जाता है, की गणना जनसंख्या के आकार को वांछित नमूना आकार से विभाजित करके की जाती है।
2. स्तरीकृत यादृच्छिक नमूनाकरण: यह स्तरीकरण के साथ यादृच्छिककरण को जोड़ती है। यहां, जनसंख्या को स्ट्रैट में विभाजित किया गया है, प्रत्येक स्ट्रैटम के भीतर की आबादी उस विशेषता के संबंध में सजातीय है जिसके आधार पर इसे स्तरीकृत किया जा रहा है और इस तरह की विशेषताओं को अध्ययन की आबादी (जैसे उम्र, आय, लिंग, आदि) में पहचाना जाना चाहिए।
3. मल्टी-स्टेज सैम्पलिंग: आंकड़ों में, मल्टीस्टेज सैंपलिंग प्रत्येक चरण में छोटी और छोटी सैंपलिंग इकाइयों का उपयोग करके चरणों में नमूने लेने की है। मल्टीस्टेज नमूनाकरण क्लस्टर नमूनाकरण का एक जटिल रूप हो सकता है क्योंकि यह एक प्रकार का नमूनाकरण होता है जिसमें जनसंख्या को समूहों (या समूहों) में विभाजित करना शामिल होता है।

इसलिए, कोटा नमूनाकरण किसी दिए गए जनसंख्या से नमूने का चयन करने का गैर-यादृच्छिक तरीका है।