কেন / (()) পরিসংখ্যান সংক্রান্ত নমুনা রাজনীতির জন্য কাজ করা উচিত (যেমন গ্যালাপ)?

Question

সেখানে জরিপগুলি (বলুন, গ্যালাপ) জনসংখ্যার আকারের তুলনায় কিছু অযৌক্তিকভাবে কম সংখ্যক লোকের নমুনা (উদাহরণস্বরূপ, কয়েক লক্ষ লোকের মধ্যে এক হাজার মানুষ)।

এখন, আমার কাছে, জনসংখ্যার পরিসংখ্যান অনুমান করার মাধ্যম হিসাবে জনসংখ্যার নমুনা তৈরি করা তখন বোধগম্য হয় যখন আপনার কাছে নমুনাগুলি জনসংখ্যার প্রতিনিধিত্বকারী (বা একইভাবে, অন্যান্য নমুনার ) বিশ্বাস করার দৃ strong় কারণ রয়েছে ।

উদাহরণস্বরূপ, নমুনা দেওয়ার বিষয়টি স্পষ্টতই চিকিত্সা অধ্যয়নের জন্য অর্থবোধ করে, কারণ আমরা একটি অগ্রাধিকার জানি যে মানুষের সকলেরই একই রকম জিনোম থাকে এবং এই উপাদানটি তাদের দেহগুলিকে একইরকম আচরণ করে makes
মনে রাখবেন যে এটি কোনও ধরণের looseিলে .ালা সংযোগ নয় - জিনোম হ'ল এক জোরালো দৃ strong় নির্ধারণকারী উপাদান ।

তবে, আমি শুধু বুঝতে পারি না যে রাজনৈতিক পোলের মতো জিনিসগুলির জন্য কম নমুনা আকারগুলি কী সমর্থন করে।

আমি যে কিনতে পারি যে কোনও আশেপাশের আশেপাশের ৮০-৯০% মানুষ রাষ্ট্রপতির পক্ষে একইভাবে ভোট দেয় (সমান আর্থ-সামাজিক / শিক্ষাগত পটভূমির কারণে), তবে এটি অদ্ভুতভাবে কম সংখ্যার নমুনাকে ন্যায়সঙ্গত বলে মনে হয় না। আক্ষরিকভাবে কোন জোরালো কারণ নেই (কমপক্ষে আমার কাছে) কেন 1000 এলোমেলো ভোটারদের 200 মিলিয়ন অন্যান্য ভোটারদের মতো আচরণ করা উচিত।

আমার কাছে, আপনার কমপক্ষে 100 × পরিমাণটি পছন্দ করতে হবে। কেন? আমি অনেকগুলি কারণ সম্পর্কে ভাবতে পারি, যেমন:

1. কেবলমাত্র ক্যালিফোর্নিয়ায় রয়েছে , 000 22,000 প্রান্তিক অঞ্চল । লোকেরা তাদের অর্থনৈতিক এবং শিক্ষাগত পটভূমিতে এত আলাদাভাবে বেড়ে ওঠে যে 1000 আকারের একটি পোল হাস্যকর বলে মনে হচ্ছে seems আপনি কীভাবে গড়ে ১ জন ব্যক্তির সাথে পুরো অংশটি সংক্ষিপ্ত করতে পারেন?

2. লোকেরা সাধারণত medicineষধ সম্পর্কে তাদের দেহের প্রতিক্রিয়া পরিবর্তন করতে পারে না, তবে তারা কেবল এটি নিয়ে চিন্তা করেই রাজনীতি সম্পর্কে তাদের মতামত পরিবর্তন করতে পারে। আমি যেভাবে দেখছি, আপনি যখন রাজনীতি নিয়ে কাজ করছেন তখন মেডিকেলে ডিএনএর মতো কোনও কারণ নেই । এ শ্রেষ্ঠ আমি মনে করেছিলাম সেখানে পারস্পরিক সম্পর্কের ছোট পকেট হওয়া উচিত।

তবুও কোনওরকম, পোলের মতো মনে হচ্ছে ... যাইহোক কাজ করছে? বা কমপক্ষে লোকেরা মনে হয় তারা কি করে?
তবে তাদের কেন করা উচিত? সম্ভবত আমি কেবল মৌলিকভাবে নমুনা বুঝতে পারি না ? কেউ কি ব্যাখ্যা করতে পারেন?
আমি গুরুত্ব সহকারে যে পোল দেখি তার কোনও গ্রহণ করতে পারি না তবে আমার মনে হয় আমি এতে কমবেশি একা আছি ...

Comments

"স্যাম্পলিং স্পষ্টত, চিকিৎসা গবেষণার জন্য জ্ঞান করে তোলে কারণ আমরা অবরোহমার্গী জানেন মানুষেরা যে সব খুবই অনুরূপ জিনোম আছে" আমি শিক্ষক পটভূমি আছে না, কিন্তু কি সত্যিই আমাদের ডিএনএর পৃথক আমাদের রাজনৈতিক মতামত চেয়ে কম? যদি তা হয় তবে জেনেটিক্স অধ্যয়ন করা কেন এতটা কঠিন এবং কেন ইতিমধ্যে এটি সম্পর্কে আমাদের সম্পূর্ণ ধারণা ছিল না? আমি একটা বাজি ধরব যে আপনি যদি দু'জন এলোমেলো লোক নেন তবে তাদের একই মতামত, একই ডিএনএ হওয়ার সম্ভাবনা বেশি থাকে।

— টিম

@ টিম: "আমি একটি বাজি ধরব যে আপনি যদি দু'জন এলোমেলো মানুষকে নিয়ে যান তবে তাদের একই মতামত, একই ডিএনএ হওয়ার সম্ভাবনা বেশি থাকবে।" আপনি কতটা বাজি ধরতে চান? google.com/search?q=dna+siversityity +

— between+humans

কিন্তু 0.5% পার্থক্য নয় সবচেয়ে গুরুত্বপূর্ণ বিষয় যখন আপনি তুলনা করতে? এছাড়াও, আমরা মাছিদের সাথে %০% জিন ভাগ করি, তাই আমি অনুমান করি যে আমরা চিকিত্সা গবেষণার জন্য মানুষকে নমুনা করতে এবং বিনিময়যোগ্যভাবে উড়ে যেতে পারি? তুলনা: ২০০৮ সালে ওবামা মার্কিন প্রেসিডেন্ট নির্বাচনে 53% ভোট পেয়েছিলেন। তদুপরি, আমি যুক্তি দিয়েছিলাম যে জীবন রক্ষাকারী কিন্তু সম্ভাব্য বিপজ্জনক ওষুধের গবেষণা করার সময় আপনাকে নমুনা দেওয়ার ক্ষেত্রে আরও যত্নবান হওয়া উচিত যখন সংস্থা এ বনাম বি দ্বারা উত্পাদিত সাবান ব্যবহারের জন্য অগ্রাধিকার সম্পর্কে গবেষণা করার সময়, বা মতামত পুলগুলির জন্য।

— টিম

@ ব্যবহারকারী 2338816: "এটি দৃinc়প্রত্যয়ী কারণ এটি accurateতিহাসিকভাবে সঠিক হয়েছে" গণিতের মতো কম এবং যদিও বিজ্ঞানের মতো বেশি। আমি এটি বৈজ্ঞানিক ভিত্তিতে কিনতে পুরোপুরি ইচ্ছুক (কারণ এটি বিজ্ঞানের রোলগুলি কীভাবে) তবে খাঁটি গাণিতিক (প্রমাণ ভিত্তিক) ভিত্তিতে নয়।

— user541686

আমি (সতর্ক) দাবিটি চ্যালেঞ্জ জানাবো যে নির্বাচনের জন্য নির্বাচনগুলি কাজ করে। আমি মনে করি না যে পোলগুলি আমি যেখান থেকে এসেছি নির্বাচনের আসল ফলাফলের কাছাকাছি ছিল। এমন অনেকগুলি কারণ রয়েছে যা আপনি সত্যিকার অর্থে জবাবদিহি করতে পারবেন না - উদাহরণস্বরূপ, আমাদের ~ 60% উপস্থিতি সহ, আপনি প্রায় এমন কাউকে নমুনা হিসাবে দেখিয়েছেন যে যিনি না, তার চেয়ে বেশি ভোট দিচ্ছেন না। জরিপে অংশ নেওয়া ভোট দেওয়ার চেয়ে কম প্রচেষ্টা এবং কখনও কখনও আপনি এমনকি এর জন্য অর্থ প্রদানও করেন। কিছু দলের অন্যদের তুলনায় অনেক বেশি উপস্থিতি থাকে (যেমন কমিউনিস্ট পার্টির)। যে কোনও নমুনায় আপনার বিচ্যুতির পাশাপাশি "ফলাফল" উল্লেখ করতে হবে।

— লুয়ান

Answer 1

দেখে মনে হচ্ছে আপনি খুব সাধারণ নমুনা মডেলটি কল্পনা করছেন।

স্যাম্পলিংয়ের সহজতম মডেলটিকে এপটিলি সিম্পল র‌্যান্ডম স্যাম্পলিং বলা হয় । আপনি জনসংখ্যার একটি উপসেট নির্বাচন করুন (উদাহরণস্বরূপ, এলোমেলোভাবে ফোন নম্বর ডায়াল করে) এবং কারা উত্তর দিচ্ছেন তারা কীভাবে ভোট দিচ্ছেন তা জিজ্ঞাসা করুন। যদি 487 ক্লিনটন বলেন, 463 ট্রাম্প বলেছেন, এবং বাকী বাকী আপনাকে কিছু কট্টর জবাব দেয়, তবে পোলিং ফার্ম জানিয়েছে যে 49% ভোটার ক্লিনটনকে পছন্দ করেন, এবং 46% ট্রাম্পকে পছন্দ করেন। তবে পোলিং সংস্থাগুলি এর চেয়ে অনেক বেশি কাজ করে। একটি সাধারণ এলোমেলো নমুনা প্রতিটি ডেটা পয়েন্টের সমান ওজন দেয়। তবে, ধরুন আপনার নমুনাতে রয়েছে - সুযোগক্রমে - 600 পুরুষ এবং 400 জন মহিলা, যা স্পষ্টভাবে পুরো জনগণের প্রতিনিধি নয়। গোষ্ঠী হিসাবে পুরুষরা যদি একদিকে ঝুঁকেন, অন্যদিকে মহিলারা অন্যদিকে ঝুঁকছেন, এটি আপনার ফলাফলকে পক্ষপাতিত্ব করবে। তবে, যেহেতু আমাদের কাছে জনসংখ্যার পরিসংখ্যান বেশ ভাল, তাই আপনি ওজন করতে পারেন *মহিলাদের প্রতিক্রিয়াগুলি আরও বেশি এবং পুরুষদের কিছুটা কম গণনা করে প্রতিক্রিয়াগুলি যাতে ভারী প্রতিক্রিয়া জনসংখ্যার আরও ভাল প্রতিনিধিত্ব করে। পোলিং সংস্থাগুলিতে আরও জটিল ওজনযুক্ত মডেল রয়েছে যা একটি অ-প্রতিনিধি নমুনাকে আরও প্রতিনিধির মতো করে তুলতে পারে।

নমুনাযুক্ত প্রতিক্রিয়াগুলি ওজন করার ধারণাটি বেশ দৃ firm় পরিসংখ্যানগত ভিত্তিতে রয়েছে তবে ওজনগুলিতে কী কী কারণগুলি অবদান রাখবে তা চয়ন করার ক্ষেত্রে কিছুটা নমনীয়তা রয়েছে। বেশিরভাগ সমীক্ষক লিঙ্গ, বয়স এবং বর্ণের মতো ডেমোগ্রাফিক বিষয়গুলির ভিত্তিতে পুনরায় ওজন করেন। এই দেওয়া, আপনি যে পার্টি আইডেন্টিফিকেশন (ডেমোক্রেটিক, রিপাবলিকান, ইত্যাদি) এছাড়াও অন্তর্ভুক্ত করা উচিত মনে হতে পারে, কিন্তু এটা দেখা যাচ্ছে যে অধিকাংশ পোলিং সংস্থাগুলো কি না এটি ব্যবহার তাদের ওজন মধ্যে: পার্টি (স্ব) -identification ভোটার পছন্দের আপ জট হয় এমনভাবে যা এটিকে কম দরকারী করে তোলে।

অনেকগুলি পোলিং সংগঠন "সম্ভাব্য ভোটারদের" মধ্যেও তাদের ফলাফলগুলি রিপোর্ট করে। এর মধ্যে, উত্তরদাতারা হয় নির্বাচিত বা ভারিত নির্বাচিত হওয়ার সম্ভাবনার উপর নির্ভর করে যে তারা প্রকৃতপক্ষে ভোটদানের দিকে যাবে। নিঃসন্দেহে এই মডেলটিও ডেটা-চালিত, তবে কারণগুলির যথাযথ পছন্দটি কিছুটা নমনীয়তার জন্য অনুমতি দেয়। উদাহরণস্বরূপ, প্রার্থী এবং ভোটারের দৌড় (বা লিঙ্গ) এর মধ্যে মিথস্ক্রিয়াসহ ২০০৮ বা ২০১ until সাল পর্যন্ত বুদ্ধিমান ছিল না, তবে আমার সন্দেহ হয় তাদের এখন কিছুটা ভবিষ্যদ্বাণীমূলক শক্তি আছে।

তত্ত্ব অনুসারে, আপনি সমস্ত ধরণের জিনিসকে ওজনগত কারণ হিসাবে অন্তর্ভুক্ত করতে পারেন: বাদ্যযন্ত্র পছন্দ, চোখের রঙ ইত্যাদি However তবে, ডেমোগ্রাফিক কারণগুলি ওজনের কারণগুলির জন্য জনপ্রিয় পছন্দ কারণ:

• অভিজ্ঞতার সাথে তারা ভোটারদের আচরণের সাথে ভাল সম্পর্ক স্থাপন করে। স্পষ্টতই, কোনও লোহা-পরিহিত আইন নেই যা 'সাদা' পুরুষদেরকে রিপাবলিকান হতে বাধ্য করে, কিন্তু গত পঞ্চাশ বছরে তারা ঝোঁক ধরেছে।
  • জনসংখ্যার মানগুলি সুপরিচিত (যেমন, শুমারি বা গুরুত্বপূর্ণ রেকর্ড থেকে)

তবে, পোলস্টাররাও একই সংবাদটি প্রত্যেকে প্রত্যেকে দেখেন এবং প্রয়োজনে ওজন পরিবর্তনশীলগুলিও সামঞ্জস্য করতে পারেন।

এমন কিছু "ফজ ফ্যাক্টর" রয়েছে যা মাঝে মাঝে পোলের ফলাফলগুলি ব্যাখ্যা করার জন্য আহ্বান জানানো হয়। উদাহরণস্বরূপ, উত্তরদাতারা কখনও কখনও "সামাজিক-অনাকাঙ্ক্ষিত" উত্তর দিতে নারাজ। ব্র্যাডলি ইফেক্ট posits যে সাদা ভোটারদের কখনও কখনও একটি সংখ্যালঘু বিরুদ্ধে চলমান সাদা প্রার্থীদের জন্য তাদের সমর্থন downplay বর্ণবাদী প্রকাশমান এড়ানো। এটির নামকরণ করা হয়েছে টম ব্র্যাডলির নামে, আফ্রিকান-আমেরিকান গর্ভনারেটাল প্রার্থী যিনি নির্বাচনে স্বাচ্ছন্দ্যে নেতৃত্ব দেওয়ার পরেও সংকীর্ণভাবে নির্বাচনে হেরে গেছেন।

অবশেষে, আপনি সম্পূর্ণরূপে সঠিক যে কারও মতামত জিজ্ঞাসা করার খুব কার্যকর কাজ এটি পরিবর্তন করতে পারে। পোলিং সংস্থাগুলি তাদের প্রশ্নগুলি নিরপেক্ষভাবে লেখার চেষ্টা করে। সম্ভাব্য প্রতিক্রিয়ার ক্রম সহ সমস্যাগুলি এড়াতে, প্রার্থীদের নাম এলোমেলো ক্রমে তালিকাভুক্ত হতে পারে। একটি প্রশ্নের একাধিক সংস্করণ কখনও কখনও একে অপরের বিরুদ্ধেও পরীক্ষা করা হয়। এই প্রভাবটি একটি পুশ পোলে নেভিগেশন শেষের জন্যও কাজে লাগানো যেতে পারে , যেখানে সাক্ষাতকারটি প্রতিক্রিয়া সংগ্রহ করতে না বরং তাদের প্রভাবিত করতে আগ্রহী। উদাহরণস্বরূপ, একটি পুশ পোল জিজ্ঞাসা করতে পারে "তিনি কি শিশু শ্লীলতাহানকারী বলে জানা গেছে এমনকি আপনি [প্রার্থী এ] কে ভোট দিতে চান?"

---

* আপনি আপনার নমুনার জন্য সুস্পষ্ট লক্ষ্যগুলিও নির্ধারণ করতে পারেন, যেমন 500 পুরুষ এবং 500 মহিলা অন্তর্ভুক্ত। এটিকে স্ট্রেটেইড স্যাম্পলিং বলা হয় - বিভিন্ন জনগোষ্ঠীকে বিভিন্ন গ্রুপে স্তরিত করা হয় এবং প্রতিটি গ্রুপকে এলোমেলোভাবে নমুনা দেওয়া হয়। বাস্তবে, পোলের পক্ষে এটি প্রায়শই করা হয় না, কারণ আপনাকে প্রচুর পরিশ্রমী গোষ্ঠীগুলির (যেমন, আরবান টেক্সাসের ১৮-২৪ বছরের মধ্যে কলেজ-শিক্ষিত পুরুষদের) স্ট্র্যাটিফাই করতে হবে।

Comments

আমি স্পষ্টতই বুঝতে পারি যে তারা সহজ এলোমেলো নমুনা করছে না, তবে আমার প্রশ্ন হচ্ছে তারা যা করছে তা ঠিক কি কারণ এটি ঘটে যে তাদের অনুমানগুলি সঠিক (যেমন একটি যুক্তিসঙ্গত তবে বিষয়গত হান্চ), বা অনুমানগুলিও পরিসংখ্যানগতভাবে কিনা সমর্থনীয়। অন্যান্য উত্তর এখানে আমার মন্তব্য দেখুন ।

— ব্যবহারকারী541686

উভয়ই, আমার মনে হয়। নমুনাটির ওজন করা পরিসংখ্যানগতভাবে সঠিক জিনিস, তবে কী কী উপাদানগুলি ওজনে চলে যায় তা কীভাবে বেছে নেবেন তা সিদ্ধান্ত নেওয়ার ক্ষেত্রে নমনীয়তা রয়েছে। উদাহরণস্বরূপ, জাতি, লিঙ্গ এবং শিক্ষা সমস্ত দরকারী, তবে এটি প্রমাণিত হয়েছে যে দলীয় সনাক্তকরণ প্রায়শই হয় না (উদাহরণস্বরূপ, theguardian.com/commentisfree/2012/sep/27/… ), সম্ভবত এটি ভোটারের প্রার্থীর সাথে জড়িত পছন্দ।

— ম্যাট ক্রাউস

একইভাবে, ওজনগুলির মধ্যে কখনও কখনও উত্তরদাতাকে কীভাবে ভোট দেওয়া যায় তার একটি অনুমানও অন্তর্ভুক্ত করা হয়: তরুণরা প্রচুর শব্দ করে, তবে সর্বদা প্রদর্শিত হয় না; প্রবীণরা খুব কমই সমাবেশে যোগ দেয় তবে ভোটদানে নির্ভরযোগ্যভাবে এগিয়ে যায়। এটি historicalতিহাসিক তথ্য থেকে অনুমান করা যেতে পারে (ভোটার তালিকাটি কখনও কখনও সর্বজনীন হয়) তবে আমি কল্পনা করতে পারি যে কয়েকটি জায়গা এটি ২০০ African সালে আফ্রিকান-আমেরিকান এবং

— ম্যাট ক্রাউস

ধন্যবাদ! আপনার

— উত্তরেও

Answer 2

"গাmat় সংখ্যার আইন" নামে একটি গাণিতিক উপপাদ্য রয়েছে। কল্পনা করুন যে আপনি কোনও মুদ্রা মাথা নেওয়ার সম্ভাবনাটি নির্ধারণ করতে চান। মুদ্রা উল্টানোর "জনসংখ্যা" অনন্ত - আমেরিকা যুক্তরাষ্ট্রের 300,000,000+ লোকের চেয়ে অনেক বড়। তবে লার্জ নম্বরের আইন অনুসারে, আপনি যত বেশি মুদ্রা ফ্লিপ করবেন, আপনার অনুমান তত বেশি নির্ভুল হবে।

আদর্শ পোল: আদর্শ জরিপে পোল্টাররা মার্কিন জনগণনা থেকে এলোমেলোভাবে নামগুলি বেছে নেবে, তারা খুঁজে পেত যে এই লোকেরা কোথায় থাকে, তারপরে তারা গিয়ে তাদের দরজায় নক করে। যদি ব্যক্তিটি বলেন যে তারা ভোট দেওয়ার পরিকল্পনা করছেন, ভোটাররা জিজ্ঞাসা করেছেন তারা কাকে ভোট দিচ্ছেন এবং তাদের উত্তর লিপিবদ্ধ করেছেন। এর মতো পোলিং কাজের জন্য গাণিতিকভাবে গ্যারান্টিযুক্ত এবং কোনও প্রদত্ত আত্মবিশ্বাসের স্তরের জন্য আপনার পরিমাপে ত্রুটির পরিমাণ সহজেই গণনা করা যায় ।

ত্রুটির অর্থ এখানে কী: ধরুন আপনার পোলের উপর ভিত্তি করে, আপনি পেয়েছেন যে 52% সম্ভাবনা রয়েছে প্রার্থী আশ্চর্য ম্যাকপুরেক্ট 98% আত্মবিশ্বাসের সাথে 3% ত্রুটি নিয়ে জিততে চলেছে। এর অর্থ হল যে আপনি 98% আত্মবিশ্বাসী হতে পারেন যে ভোটারদের সত্যিকারের অংশ প্রার্থী আশ্চর্য ম্যাক पर्ফেক্টের পক্ষে যারা 49% থেকে 55% এর মধ্যে রয়েছে।

ত্রুটি এবং আত্মবিশ্বাসের উপর একটি নোট প্রদত্ত নমুনা আকারের জন্য, আপনি যত বেশি আত্মবিশ্বাসী, তত ত্রুটি তত বেশি হবে। এটি সম্পর্কে চিন্তাভাবনা করুন - আপনি 100% আত্মবিশ্বাসী যে সত্যিকারের অনুপাত যা ক্যান্ডিকেট আশ্চর্যকে সমর্থন করে 0% থেকে 100% এর মধ্যে (সবচেয়ে বেশি ত্রুটি সম্ভব) এবং আপনি 0% আত্মবিশ্বাসী যে সত্যিকারের অনুপাত যা ক্যান্ডিকেট আশ্চর্যকে সমর্থন করে ঠিক 52.0932840985028390984308% (শূন্য ত্রুটি) বেশি আত্মবিশ্বাসের অর্থ আরও ত্রুটি, কম আত্মবিশ্বাসের অর্থ কম ত্রুটি। তবে আত্মবিশ্বাস এবং ত্রুটির মধ্যে সম্পর্ক লিনিয়ার নয় ! (দেখুন: https://en.wikedia.org/wiki/ কনফিডেন্স_ইন্টারভাল )

আসল বিশ্বে জরিপ: কারণ হেলিকপ্টার থেকে পোলস্টাররা দেশের সমস্ত অঞ্চলে এলোমেলো মানুষের দরজায় নক করা ব্যয়বহুল (যদিও আমি এটি দেখতে পছন্দ করতে চাই; আপনি যদি বিলিয়নও হন এবং আপনি এটি দেখতে পান তবে দয়া করে এটির জন্য অর্থায়ন বিবেচনা করুন), বাস্তব বিশ্বে পোলগুলি আরও জটিল। আসুন আরও সাধারণ কৌশলগুলির একটিতে নজর দেওয়া যাক - এলোমেলো ভোটারদের কল করা এবং তারা কাকে ভোট দিচ্ছেন তা জিজ্ঞাসা করুন। এটি একটি ভাল কৌশল, তবে এটিতে কিছু ভাল-জ্ঞাত ব্যর্থতা রয়েছে:

1. লোকেরা প্রায়শই ফোনটির উত্তর না দেওয়া এবং ভোটারদের প্রতিক্রিয়া জানাতে পছন্দ করে না (প্রাক্তন আমার)
2. কিছু ডেমোগ্রাফিকগুলিতে ল্যান্ডলাইন হওয়ার সম্ভাবনা বেশি (প্রাক্তন বয়স্ক ভোটার)
3. কিছু জনসংখ্যার পরিদর্শকরা ভোটারদের প্রতিক্রিয়া করতে বেশি সম্ভাবনা রয়েছে (প্রাক্তন প্রবীণ ভোটার)

বিভিন্ন ডেমোগ্রাফিকগুলি বিভিন্ন উপায়ে ভোট দেয় বলে, ভোটারদের তাদের কাঁচা তথ্যগুলির মধ্যে পার্থক্যগুলি (ফোনটির উত্তর দেওয়ার সিদ্ধান্ত নিয়েছে তার উপর নির্ভর করে) এবং প্রকৃত নির্বাচনের ফলাফলের জন্য তাদের যথাসাধ্য চেষ্টা করতে হবে। উদাহরণস্বরূপ, যদি ফোনটি তোলা 10% লোক যদি হিস্পানিক হয় তবে গত নির্বাচনের 30% ভোটার হিস্পানিক ছিলেন, তবে তারা তাদের জরিপে হিস্পানিক ভোটারদের তিনগুণ ওজন দিতে যাচ্ছেন। ফোনটির উত্তর দেওয়া 50% লোক যদি 60 এর চেয়ে বেশি বয়স্ক হয় তবে গত নির্বাচনে ভোট দেওয়া লোকদের মধ্যে কেবল 30% লোক 60 এর চেয়ে বেশি বয়সী, তারা যে প্রতিক্রিয়া জানিয়েছিলেন তাদের কম ওজন দিতে যাচ্ছেন। এটি নিখুঁত নয়, তবে এটি কিছু চিত্তাকর্ষক ভবিষ্যদ্বাণী ঘটাতে পারে (নেট সিলভার ২০১২ সালের নির্বাচনে 50 টি রাজ্যের প্রত্যেকটিতে ফলাফলের পরিসংখ্যান ব্যবহার করে সঠিকভাবে ভবিষ্যদ্বাণী করেছে,

বুদ্ধিমানদের কাছে সাবধানতার একটি শব্দ: ভোটাররা অতীতে কীভাবে কাজ করেছিল তার উপর ভিত্তি করে তারা সর্বোত্তম ভবিষ্যদ্বাণী করে। সাধারণভাবে বলতে গেলে , অতীতের মতো এখনকার মতো জিনিসগুলি কার্যকর হয় বা কমপক্ষে পরিবর্তনটি যথেষ্ট ধীর হয় যে সাম্প্রতিক অতীত (যা তারা সবচেয়ে বেশি মনোযোগ দেয়) বর্তমানের সাথে মিলবে। তবে মাঝে মধ্যে ভোটারদের মধ্যে দ্রুত পালাবদল হয় এবং জিনিসগুলি ভুল হয়ে যায়। হতে পারে ট্রাম্পের ভোটাররা ফোনের উত্তর দেওয়ার জন্য আপনার গড় ভোটারের চেয়ে কিছুটা কম dem বা হতে পারে তরুণরা (যারা হিলারিকে অত্যধিকভাবে সমর্থন করে) আরও বেশিমডেলদের পূর্বাভাসের চেয়ে ফোনের উত্তর দেওয়ার সম্ভাবনা নেই এবং ফোনে যে উত্তর দেয় তারা রিপাবলিকান হওয়ার সম্ভাবনা বেশি। অথবা সম্ভবত উভয়ের বিপরীতটি সত্য - আমরা জানি না। এর মতো জিনিসগুলি হিডেন ভেরিয়েবল যা সাধারণভাবে সংগৃহীত ডেমোগ্রাফিকগুলিতে প্রদর্শিত হয় না।

আমরা জানতাম যে আমরা যদি এলোমেলো দরজা কড়াতে পোলস্টার প্রেরণ করি (আহেম, কল্পিত বিলিয়ন এটি পড়তে), তখন থেকে আমাদের জনসংখ্যার উপর ভিত্তি করে জিনিসগুলি ওজন করতে হবে না, তবে ততক্ষণ পর্যন্ত আঙ্গুলগুলি অতিক্রম করেছে।

Comments

আমি প্রতিক্রিয়াটির প্রশংসা করি, তবে আমি যে প্রশ্নটি জিজ্ঞাসা করতে চাইছিলাম এবং আমার পটভূমির তুলনায় এটি সামান্য কিছুটা প্রাথমিক (যদিও আপনি খেয়াল করেছেন কিনা তা নিশ্চিত নয়, তবে আমি সম্ভাবনা / পরিসংখ্যানের বেসিকগুলিতে একেবারেই নতুন নই ); আমি মনে করি না যে এখানে আমার প্রশ্নের উত্তরটি আপনার মত মৌলিক। উদাহরণস্বরূপ: প্রচুর সংখ্যার ধ্রুপদী আইনের অনুমান হ'ল আমাদের কাছে অভিন্ন বিতরণ সহ এলোমেলো ভেরিয়েবল রয়েছে ... তবে রাজনৈতিক প্রসঙ্গে এটির পক্ষে যুক্তি দেখতে আমি ব্যর্থ হই: আপনি আমার ভোটের উপর যে বিতরণ রেখেছিলেন তা আপনার এবং কেন হওয়া উচিত ? একই আদৌ ?

— ব্যবহারকারী541686

এছাড়াও, আমি এও নিশ্চিত নই যে বিপুল সংখ্যক আইন আপনাকে যে বিষয়টিকে ন্যায্যতা দেওয়ার চেষ্টা করছিল তা ন্যায্যতা দেয় এমনকি এর অনুমানগুলি সন্তুষ্ট হলেও । প্রশ্নটি নমুনা আকারগুলির বিষয়ে যা বড় সংখ্যার আইন সত্যই সম্বোধন করে না (কমপক্ষে আপনার প্রস্তাবিত ফ্যাশনে নয়); আমাদের এখানে বৈকল্পিক বা রূপান্তর হারের কিছু ধারণা দরকার, কেবল অসীমতায় গড়ের রূপান্তর নয়। হতে পারে আপনি বিপুল সংখ্যক আইনের পরিবর্তে কেন্দ্রীয় সীমাবদ্ধ উপপাদকটি চাচ্ছেন? (যদিও এটি আমার পূর্ববর্তী মন্তব্যটি দেখুন সম্ভবত এটি

— চলমান রয়েছে

বিতরণ পৃথক ভোটে প্রয়োগ করা হয় না। পৃথক ভোট এলোমেলো নয়। এগুলি সামগ্রিকভাবে জনগণের ভোটদানের আচরণে প্রয়োগ করা হচ্ছে। এটি কলস থেকে রঙিন বল আঁকার মতো - প্রতিটি বলটি লাল বা নীল রঙের পূর্বনির্ধারিত, তবে প্রতিটি রঙ আঁকার সম্ভাবনা থাকতে পারে এবং একটি নমুনার উপর ভিত্তি করে নির্দিষ্ট রঙের বল আঁকার সম্ভাবনার জন্য আপনি একটি বিতরণ তৈরি করতে পারেন কলস মধ্যে বলের

— জে। আন্তোনিও পেরেজ

জনগণের সাথে রাজনীতি ছাড়া অন্য কিছুর দিকে নজর দিন। কারও আইসক্রিমের পছন্দের গন্ধ তার রাজনৈতিক দৃষ্টিভঙ্গির উপর নির্ভর করে many এটি তাদের বন্ধুদের পছন্দসমূহ, বাচ্চাদের শৈশবের স্মৃতি, আইসক্রিম পার্লারে ভাল বা খারাপ অভিজ্ঞতার উপর নির্ভর করে। সম্ভবত তারা একটি স্বাদ পছন্দ করে কারণ তারা এটি তাদের স্ত্রী বা স্বামীর সাথে প্রথম তারিখে পেয়েছিল। সম্ভবত তারা কোনও স্বাদ অপছন্দ করে কারণ এটি তাদের প্রাক্তনকে মনে করিয়ে দেয়। তবে যদি আমি আমেরিকাতে জনগণের এলোমেলো পোল গ্রহণ করি তবে আপনি কি একমত হবেন না যে আমি আমেরিকার শীর্ষে আইসক্রিমের শীর্ষ পছন্দগুলি বিচার করতে পারি?

— জে আন্তোনিও পেরেজ

"র্যান্ডম ভেরিয়েবল" হ'ল কোন ব্যক্তি ভোটার দ্বারা তাদের পছন্দ জিজ্ঞাসা করার জন্য নির্বাচিত হন। কোনও ব্যক্তির পছন্দ এলোমেলো নয়; কোন ব্যক্তি ভোটার নির্বাচন করে তা এলোমেলো।

— জে আন্তোনিও পেরেজ

Answer 3

প্রথমত, এটি আপনার মূল বিষয়গুলি থেকে আলাদা তবে এটি উল্লেখ করার মতো। চিকিত্সা পরীক্ষায় আপনার 1000 জন লোক একটি ড্রাগ পরীক্ষা করতে পারে যা বার্ষিক অসুস্থ 10000 লোককে দেওয়া যেতে পারে। আপনি এটি দেখতে পারেন এবং ভাবতে পারেন "এটি জনসংখ্যার 10% উপর পরীক্ষা করা হচ্ছে", বাস্তবে জনসংখ্যা 10000 মানুষ নয়, ভবিষ্যতের সব রোগী তাই জনসংখ্যার আকার অসীম। 1000 জন ওষুধের অসীম সম্ভাব্য ব্যবহারকারীদের তুলনায় বড় নয় তবে এই ধরণের অধ্যয়ন কাজ করে। আপনি 10%, 1% বা 0.1% জনসংখ্যার পরীক্ষা করেন কিনা তা গুরুত্বপূর্ণ নয়; কী গুরুত্বপূর্ণ তা নমুনার পরম আকার যা জনসংখ্যার সাথে তুলনা করা যায় তা বড় নয়।

এর পরে, আপনার মূল বক্তব্যটি হ'ল এমন অনেক বিভ্রান্তিকর ভেরিয়েবল যা মানুষের ভোটকে প্রভাবিত করতে পারে। আপনি ক্যালিফোর্নিয়ায় 22000 জেলাগুলিকে 22000 ভেরিয়েবলের মতো চিকিত্সা করছেন তবে সত্যই তারা কেবলমাত্র কয়েক মুখ্য ভেরিয়েবল (আপনার উল্লেখ করা আয় এবং শিক্ষা)) প্রতিটি জেলা থেকে আপনার প্রতিনিধি নমুনা লাগবে না, আয়, শিক্ষা, ect এর কারণে আপনার প্রকরণের জন্য কেবলমাত্র পর্যাপ্ত নমুনার প্রয়োজন।

$k$$k$$n$$n$$\sigma^2$$n$$k$$\frac{k\sigma^2}{n}$

$k$$n$

সম্পাদনা:

উপরের সূত্রটি ধরে নিয়েছিল যে প্রতিটি বিভ্রান্তিকর পরিবর্তনশীলও সমান গুরুত্বপূর্ণ। যদি আমরা শত শত বিষয় বিবেচনা করতে চাই যা ফলাফলগুলিতে বৈকল্পিকতা যুক্ত করতে পারে তবে এই অনুমানটি বৈধ নয় (উদাহরণস্বরূপ টুইটার ব্যবহারকারীরা আরও একজন প্রার্থীকে সমর্থন করেন তবে আমরা জানি যে টুইটার ব্যবহার লিঙ্গের মতো গুরুত্বপূর্ণ নয়)।

$\sigma^2$$0.9 \sigma^2$$0.9^2 \sigma^2$$\sum_{n=0}^{\infty} \sigma^2 0.9^n = 10 \sigma^2$

$n$$\frac{10\sigma^2}{n}$$0.9$

Comments

উত্তরের জন্য ধন্যবাদ! প্রথম পয়েন্টটি সম্পর্কে, আমি অনুমান করি যে এটি সত্য, তবে আমার বক্তব্যটি হ'ল মানব জনসংখ্যার আকার কী তা বিবেচ্য নয় কেননা আপনার কাছে জোর করে ফ্যাক্টর (ডিএনএ ইত্যাদি) ফলাফলগুলি একইরকম তৈরি করবে for কোন নমুনা। দ্বিতীয়টি সম্পর্কে, যদিও: আমি ক্রয় করতে পারি যে অনুশীলনে কয়েকটি পরিবর্তনশীল থাকতে পারে, তবে এই অনুমিতিকে গণিতকে যথাযথ প্রমাণ করার এবং পরে এটি ব্যবহার করার একমাত্র উপায় হ'ল প্রথমে প্রচুর সংখ্যক লোককে নমুনা প্রদর্শন করা এবং এটি প্রদর্শিত, তাই না? তা ছাড়া উপসংহারটি আর পরিসংখ্যানগতভাবে কঠোর বা ন্যায়সঙ্গত বলে মনে হয় না।

— ব্যবহারকারী541686

আমরা পরীক্ষার মাধ্যমে প্রতিষ্ঠিত করেছি যে বয়স, লিঙ্গ, আয় এবং আরও কয়েকজন জনগণের ভোটিং প্যাটার্নের মূল কারণ এবং আমরা এটি সাধারণ জ্ঞান থেকেও জানি। আপনি ঠিক বলেছেন যে শত শত ছোট ছোট ছোট কারণও ভোটের উপর প্রভাব ফেলতে পারে এবং তাত্ত্বিকভাবে তারা উল্লেখযোগ্য কিছু যোগ করতে পারে তবে আমাদের সাধারণ জ্ঞান আমাদের বলে যে এগুলি গুরুত্বহীন। এই মুহুর্তে মডেলটি কঠোরভাবে ন্যায়সঙ্গত নয় তবে কে "স্বর্ণকেশী হওয়া কি মানুষকে ক্লিনটনের পক্ষে ভোট দেয়? উইগ পরা কি মানুষ ট্রাম্পের পক্ষে ভোট দেয়?" এর মতো ছোটখাটো কারণগুলির পরীক্ষা করতে চলেছে।

— হিউ

"তবে কে [...]" এর মতো ছোটখাটো কারণ পরীক্ষা করতে চলেছে - তবে এটিই এখানে সমস্যা। যদি উত্তরটি হয় "কারণ এটি আমরা ব্যবহারিকভাবে সবচেয়ে ভাল করতে পারি / কারণ এটি ঠিক তাই কাজ করতে হয় / কারণ এটি অন্যথায় ব্যয়বহুল / ইত্যাদি" ", এটি" কেন তারা ১০,০০০ লোককে ভোট দিচ্ছেন না? "প্রশ্নের প্রশ্নের জন্য এটি পুরোপুরি উত্তম উত্তর? ", তবে এটি" 1000 জন কীভাবে পরিসংখ্যানগতভাবে ন্যায়সঙ্গত হতে পারে? "এর উত্তর নয়। এজন্য আমি রাজনীতি.এস.এস. এর বিপরীতে স্ট্যাটস.এসই-তে এটি জিজ্ঞাসা করছি ... আরও নমুনাগুলি অবৈধ হয় কিনা তা আমি বিবেচনা করি না; আমার প্রশ্ন হ'ল লোকেরা কেন বর্তমান পদ্ধতিগুলি পরিসংখ্যানগতভাবে ন্যায়সঙ্গত বলে মনে করে।

— ব্যবহারকারী541686

সর্বশেষ মন্তব্যে প্রথম দুটি দাবী যুক্তিসঙ্গত উত্তর বলে মনে হচ্ছে যদিও আপনি যদি বলছেন যে এই ধরণের অধ্যয়নটি বড় আকারে করা হয়েছে (লক্ষ লক্ষ লোক না হয় তবে কয়েক হাজার ডলার) এবং তা হ'ল আমাদের অনুমানের ভিত্তি। যদি তা হয় তবে আমি মনে করি যে এগুলি আপনার প্রশ্নের সাথে যুক্ত করা উচিত যেহেতু তারা আমার প্রশ্নের মূল বক্তব্যটি সম্বোধন করেছেন (আদর্শভাবে কিছু প্রশংসা সহ, যদিও আমি সত্যিই খুব স্পর্শকাতর হতে পারি না যদিও এটি কিছুটা স্পর্শকাতর এবং এটি রাজনীতি নয়) )।

— user541686

আপনি ঠিক বলেছেন যে গৌণ বিষয়গুলির পরীক্ষা করা অবৈজ্ঞানিক তবে গাণিতিকভাবে প্রাসঙ্গিক। ফলাফলকে প্রভাবিত করে কয়েকশ ছোট ছোট কারণ সম্পর্কে আমরা কেন উদ্বিগ্ন না সে সম্পর্কে কিছু যুক্তি দিতে আমি আমার উত্তর সম্পাদনা করেছি। আমি নিশ্চিত যে আপনি প্রধান বিষয়টির প্রভাব নিয়ে গবেষণাটি সন্ধান করতে পারেন।

— হিউ