উত্তর:
নমুনা বৈকল্পিকতা একটি একক নমুনায় পর্যবেক্ষণের (ডেটা পয়েন্ট) পরিবর্তনের বিষয়টি বোঝায় । স্যাম্পলিং ভেরিয়েন্স বলতে বোঝায় যে নির্দিষ্ট পরিসংখ্যানের (যেমন গড়) নমুনায় গণনা করা হয়েছে তার বৈচিত্রকে বোঝায় , যদি অধ্যয়নটি অনেকবার পুনরায় (নমুনা-তৈরি / তথ্য-সংগ্রহ / পরিসংখ্যান-গণনা) পুনরাবৃত্তি করতে হয় । কেন্দ্রীয় সীমাবদ্ধ তত্ত্বের কারণে, যদিও কিছু পরিসংখ্যানের জন্য আপনাকে বাস্তবে অনেকবার অধ্যয়নের পুনরাবৃত্তি করতে হবে না, তবে নমুনাটি প্রতিনিধিত্বকারী হলে এটি একটি একক নমুনা থেকে নমুনা বৈকল্পিকতা কমাতে পারে (এটি অ্যাসিপটোটিক পদ্ধতির)। অথবা আপনি একক নমুনা দ্বারা অধ্যয়নের পুনরাবৃত্তি সিমুলেট করতে পারেন (এটি বুটস্ট্র্যাপিং পদ্ধতির)।
"নমুনা বৈকল্পিক" উপর একটি অতিরিক্ত নোট। দুটি শব্দ একটি মিশ্রিত হতে পারে:
এই নমুনার উপর ভিত্তি করে জনসংখ্যার বৈচিত্রের অনুমান । এটি আমরা সাধারণত ব্যবহার করি এটির ডিনোমিনেটর (স্বাধীনতার ডিগ্রি) এন -1 রয়েছে ।
এই নমুনার বৈচিত্র্য । এটি ডিনোমিনেটর এন ।
"নমুনা বৈকল্পিক" আমি "স্যাম্পলিংয়ের কারণে যে বৈকল্পিক" হিসাবে ব্যাখ্যা করব, উদাহরণস্বরূপ (গড়ের মতো)। এবং তাই আমি এই দুটি পদটি বেশ আলাদা বলে বিবেচনা করব।
তবে "স্যাম্পলিং ভেরিয়েন্স" কিছুটা অস্পষ্ট এবং নিশ্চিত হওয়ার জন্য আমার কিছু প্রসঙ্গ দেখতে হবে। এবং আমি সাধারণ ধারণার জন্য "স্যাম্পলিং প্রকরণ" বলতে পছন্দ করব।
[অনেক লোক (বিশেষত পরিমাণগত জেনেটিক্সে) "প্রকরণের" পরিবর্তে "বৈকল্পিক" শব্দটি ব্যবহার করে, যেখানে আমি কেবলমাত্র পরিবর্তনের নির্দিষ্ট পরিমাপের জন্য "বৈকল্পিকতা" সংরক্ষণ করব]]