সুরো, জে।, এবং লুইস, জেআর (2016) এর পৃষ্ঠা 254-256 থেকে নিম্নলিখিতটি বিবেচনা করুন। ব্যবহারকারীর অভিজ্ঞতা নির্ণয়: ব্যবহারকারীর গবেষণার জন্য ব্যবহারিক পরিসংখ্যান, ২ য় এড। কেমব্রিজ, এমএ: মরগান-কাউফম্যান (আপনি ভিতরে https://www.amazon.com/Quantifying- ব্যবহারকারী- অভিজ্ঞতার- সেকেন্ড- স্ট্যাটিস্টিকস / dp/0128023082/ এ দেখতে পারেন )।
আপনি কি কমপক্ষে 30 ব্যবহারকারীর পরীক্ষার প্রয়োজন?
একহাতে
সম্ভবত আমরা বেশিরভাগ যারা সূচনামূলক পরিসংখ্যান শ্রেণি নিয়েছি (বা এমন শ্রেণি নিয়েছেন এমন কাউকে জানেন) তার থাম্বের নিয়ম শুনেছেন যার অর্থ অনুমান বা তুলনা করার জন্য, আপনার নমুনার আকার কমপক্ষে 30 হওয়া উচিত। কেন্দ্রীয় সীমাবদ্ধ তত্ত্ব অনুসারে, নমুনার আকার বাড়ার সাথে সাথে অন্তর্নিহিত বিতরণটির স্বাভাবিকতা নির্বিশেষে গড় বন্টন আরও বেশি হয়ে যায়। কিছু সিমুলেশন অধ্যয়ন দেখায় যে বিস্তৃত বিভিন্ন বিতরণের জন্য (তবে সমস্ত নয় - ব্র্যাডলি দেখুন, 1978), n = 30 হলে গড়ের বন্টন স্বাভাবিকের কাছাকাছি হয়ে যায়।
আরেকটি বিবেচনা হ'ল টি-স্কোরের চেয়ে জেড-স্কোর ব্যবহার করা কিছুটা সহজ কারণ জেড-স্কোরের জন্য স্বাধীনতার ডিগ্রি ব্যবহারের প্রয়োজন হয় না। সারণী 9.1 এবং চিত্র 9.2-তে দেখানো হয়েছে, আপনার প্রায় 30 ডিগ্রি স্বাধীনতার সময়টি t এর মান z এর মানের খুব কাছে চলে যায়। ফলস্বরূপ, এমন অনুভূতি হতে পারে যে আপনাকে ছোট নমুনাগুলির প্রয়োজন হয় এমন ছোট নমুনাগুলি নিয়ে কাজ করতে হবে না (কোহেন, 1990)। ...
অন্য দিকে
যখন কোনও নমুনার ব্যয় ব্যয়বহুল হয়, কারণ এটি সাধারণত ব্যবহারকারী গবেষণার বিভিন্ন ধরণের (যেমন, পরিমিত ব্যবহারের পরীক্ষা-নিরীক্ষা) থাকে, প্রয়োজনীয় অনুমিত নমুনার আকারটি যথাসম্ভব যথাযথভাবে অনুমান করা গুরুত্বপূর্ণ, এটি বোঝার সাথে বোঝা গেল। নির্দিষ্ট পরিস্থিতিতে একটি নির্দিষ্ট সেটের জন্য 30 হ'ল সঠিক নমুনা হওয়ার সম্ভাবনা খুব কম। নমুনা আকার অনুমানের আমাদের অধ্যায়গুলিতে যেমন দেখানো হয়েছে, একটি পরিসংখ্যান পরীক্ষার তাত্পর্যপূর্ণ স্তরের গণনা করার সূত্রগুলি গ্রহণ করার জন্য আরও উপযুক্ত পদ্ধতির সাথে এবং এন এর সমাধান করতে বীজগণিত ব্যবহার করে সেগুলি নমুনা আকারের অনুমানের সূত্রে রূপান্তরিত করুন। এই সূত্রগুলি তারপরে প্রয়োজনীয় নমুনার আকারটি নির্ধারণের জন্য আপনাকে প্রদত্ত অবস্থার জন্য কী কী জানতে বা অনুমান করতে হবে সে সম্পর্কে নির্দিষ্ট নির্দেশিকা সরবরাহ করে।
এমনকি টি-বিতরণ (জেড-বিতরণের বিপরীতে) আপনার কমপক্ষে 30 টির একটি নমুনা আকার থাকা প্রয়োজন এমন ধারণা বিতরণের বিকাশের ইতিহাসের সাথে অসামঞ্জস্যপূর্ণ। ১৮৯৯ সালে অক্সফোর্ডের নিউ কলেজের রসায়ন ও গণিতে স্নাতক ডিগ্রি অর্জনকারী স্নাতক উইলিয়াম এস গোসেট গিনেস মদপানকারী পদে যোগদানকারী প্রথম বিজ্ঞানী হয়েছিলেন। “তাঁর সময়ের দৈত্যদের সাথে তুলনা করে তিনি খুব অল্পই প্রকাশ করেছিলেন, তবে তাঁর অবদানের গুরুত্ব রয়েছে। … তাপমাত্রা এবং উপাদানগুলির তারতম্যের সাথে ব্রিউিং প্রক্রিয়াটির প্রকৃতির অর্থ দাঁড়ায় যে দীর্ঘ সময়ের জন্য বড় নমুনাগুলি নেওয়া সম্ভব নয় "(কাউউলস, 1989, পৃষ্ঠা 108-1010)।
এর অর্থ হ'ল গোসেট তার কাজগুলিতে জেড-স্কোর ব্যবহার করতে পারে না — তারা কেবল ছোট নমুনাগুলি দিয়ে ভাল কাজ করে না। ছোট নমুনাগুলির সাথে পরিসংখ্যানগত পরীক্ষার জন্য জেড-ডিস্ট্রিবিউশনের ঘাটতিগুলি বিশ্লেষণ করার পরে, তিনি প্রকাশনা নিষিদ্ধের নীতিগুলির কারণে "ছাত্র" ছদ্মনামে প্রকাশিত তার টি টেবিল তৈরির স্বাধীনতার ডিগ্রিগুলির একটি ফাংশন হিসাবে প্রয়োজনীয় সামঞ্জস্যগুলি নিয়ে কাজ করেছিলেন কর্মীদের দ্বারা (স্যালসবার্গ, 2001) টেবিলগুলি প্রকাশের দিকে পরিচালিত সেই কাজটিতে, গোসেট মন্টে কার্লো সিমুলেশনগুলির একটি প্রাথমিক সংস্করণ সম্পাদন করেছিলেন (স্টিলার, 1999)। তিনি অপরাধীদের উপর নেওয়া শারীরিক পরিমাপের লেবেলযুক্ত 3000 কার্ড প্রস্তুত করেছিলেন, তাদের এলোমেলো করে দিয়েছিলেন, তারপরে তাদের 450 আকারের 750 গ্রুপে নিয়ে যান। একটি নমুনা আকার 30 এর চেয়ে অনেক ছোট।
আমাদের সুপারিশ
এই বিতর্কটি "পাঁচটি যথেষ্ট" বনাম "আটটি যথেষ্ট নয়" Chapter অধ্যায়ে আর্গুমেন্টের সমান, তবে গঠনমূলক গবেষণার চেয়ে সংশ্লেষের ক্ষেত্রে প্রয়োগ হয়েছিল applied যে কোনও গবেষণার জন্য, পরীক্ষার ব্যবহারকারীর সংখ্যা পরীক্ষার উদ্দেশ্য এবং আপনি কীভাবে ডেটা সংগ্রহের পরিকল্পনা করছেন তার উপর নির্ভর করে। "ম্যাজিক নম্বর" 30 এর কিছু অভিজ্ঞতাগত যুক্তি রয়েছে তবে আমাদের মতে এটি খুব দুর্বল। আপনি যেমন এই বইয়ের অসংখ্য উদাহরণ থেকে দেখতে পাচ্ছেন যে নমুনা আকারগুলি 30 এর সমান নয় (কখনও কখনও কম, কখনও কখনও বেশি), আমরা থাম্বের এই নিয়মটি খুব বেশি সম্মান করি না। সংক্ষিপ্ত গবেষণার জন্য আমাদের নমুনা আকারের অধ্যায়ে বর্ণিত হিসাবে, অধ্যয়নের জন্য উপযুক্ত নমুনার আকার বিতরণের ধরণ, উপাত্তের প্রত্যাশিত পরিবর্তনশীলতা, আস্থা এবং পাওয়ারের কাঙ্ক্ষিত স্তরগুলির উপর নির্ভর করে,
চিত্র 9.2 তে চিত্রিত হিসাবে, খুব ছোট নমুনাগুলির সাথে টি-বিতরণ ব্যবহার করার সময় (উদাহরণস্বরূপ, 5 এর চেয়ে কম ডিগ্রি সহ স্বাধীনতার ডিগ্রি), টাইপের I টি ত্রুটি নিয়ন্ত্রণের ক্ষেত্রে টি এর খুব বড় মান ছোট নমুনা আকারের ক্ষতিপূরণ দেয় ( পার্থক্য দাবি করা তাৎপর্যপূর্ণ যখন এটি সত্যই নয়)। এই ছোট আকারের নমুনার আকারের সাথে, আপনার আত্মবিশ্বাসের ব্যবধানগুলি বৃহত্তর নমুনাগুলির সাথে আপনি কী পাবেন তার চেয়ে অনেক বেশি প্রশস্ত হবে। তবে একবার আপনি 5 ডিগ্রিরও বেশি স্বাধীনতার সাথে কথা বললে z এর মান এবং টি এর মানের মধ্যে খুব কম পার্থক্য থাকে। টি টু জেডের পদ্ধতির দৃষ্টিকোণ থেকে, স্বাধীনতার 10 ডিগ্রির অতীতে খুব কম লাভ হয়।
জেড-ডিস্ট্রিবিউশনের চেয়ে টি-ডিস্ট্রিবিউশনটি ব্যবহার করা বেশি জটিল নয় (আপনার কেবল স্বাধীনতার ডিগ্রিগুলির জন্য সঠিক মানটি ব্যবহার করা নিশ্চিত হওয়া দরকার), এবং টি-বিতরণের উন্নয়নের কারণটি ছিল ছোট নমুনার বিশ্লেষণ সক্ষম করুন। এটি কেবলমাত্র একটি কম স্পষ্ট উপায় যার মধ্যে ব্যবহারযোগ্যতা চিকিত্সকরা বিয়ার তৈরির বিজ্ঞান এবং অনুশীলন থেকে উপকৃত হন। পরিসংখ্যানের iansতিহাসিকরা গোসেটের প্রকাশ্যে স্টুডেন্টদের টি-টেস্টের প্রকাশনাটিকে একটি যুগান্তকারী ঘটনা হিসাবে বিবেচনা করে (বাক্স, 1984; কাউলেস, 1989; স্টিলার, 1999)। টি টেবিলগুলির প্রারম্ভিক অনুলিপি সহ রোনাল্ড এ ফিশারকে (আধুনিক পরিসংখ্যানগুলির অন্যতম জনক) একটি চিঠিতে গোসেট লিখেছিলেন, "আপনি সম্ভবত একমাত্র ব্যক্তি যিনি এগুলি ব্যবহার করবেন" (বাক্স, 1978)। গোসেট অনেক কিছুই ঠিকঠাক পেয়েছিল তবে অবশ্যই সে ভুল পেয়েছে।
তথ্যসূত্র
বক্স, জিইপি (1984)। পরিসংখ্যান বিকাশে অনুশীলনের গুরুত্ব। টেকনোমেট্রিক্স, 26 (1), 1-8।
বক্স, জেএফ (1978)। ফিশার, একজন বিজ্ঞানীর জীবন। নিউ ইয়র্ক, এনওয়াই: জন উইলি
ব্র্যাডলি, জেভি (1978)। বলিষ্ঠতার? গণিত ও পরিসংখ্যান মনোবিজ্ঞানের ব্রিটিশ জার্নাল, 31, 144-152।
কোহেন, জে। (1990) আমি শিখেছি জিনিস (এখনও অবধি)। আমেরিকান সাইকোলজিস্ট, 45 (12), 1304-1312।
কাওলস, এম (1989)। মনোবিজ্ঞানে পরিসংখ্যান: একটি .তিহাসিক দৃষ্টিকোণ। হিলসডেল, এনজে: লরেন্স এরলবাউম।
স্যালসবার্গ, ডি (2001)। চায়ের স্বাদগ্রহণ মহিলা: বিংশ শতাব্দীতে পরিসংখ্যান বিজ্ঞানে কীভাবে বিপ্লব ঘটিয়েছিল। নিউ ইয়র্ক, এনওয়াই: ফ্রিম্যান WH
স্টিলার, এসএম (1999)। টেবিলে পরিসংখ্যান: পরিসংখ্যান সংক্রান্ত ধারণা এবং পদ্ধতির ইতিহাস। কেমব্রিজ, এমএ: হার্ভার্ড বিশ্ববিদ্যালয় প্রেস।