Slovin ၏ ပုံသေနည်းကား အဘယ်နည်း။ (အဓိပ္ပါယ် & #038; ဥပမာ)

စာရင်းဇယားများတွင်၊ Slovin ၏ ဖော်မြူလာကို လက်ခံနိုင်သော အမှားအယွင်းတစ်ခုအပေါ် အခြေခံ၍ ကိန်းဂဏန်းတစ်ခုကို ခန့်မှန်းရန် လိုအပ်သော အနည်းဆုံးနမူနာအရွယ်အစားကို တွက်ချက်ရန် အသုံးပြုပါသည်။

Slovin ဖော်မြူလာကို အောက်ပါအတိုင်း တွက်ချက်သည်။

n = N / (1 + Ne ² )

ရွှေ-

• n : နမူနာအရွယ်အစား လိုအပ်သည်။
• N : လူဦးရေ အရွယ်အစား
• e : အမှား၏လက်ခံနိုင်သောအနားသတ်

အောက်ဖော်ပြပါ ဥပမာများသည် Slovin ၏ဖော်မြူလာကို လက်တွေ့တွင် အသုံးပြုနည်းကို ပြသထားသည်။

ဥပမာ 1- လူဦးရေအချိုးကို ခန့်မှန်းရန် Slovin ဖော်မြူလာကို အသုံးပြုခြင်း။

ရှေ့နေတစ်ဦးသည် ဥပဒေအသစ်ကို ထောက်ခံသော ရပ်ကွက်တစ်ခုရှိ လူတစ်ဦးချင်းစီ၏ အချိုးအစားကို ခန့်မှန်းလိုသည်ဆိုပါစို့။

ဤရပ်ကွက်တွင် လူ ၁၀,၀၀၀ ရှိကြောင်းကို သူသိပြီး တစ်ဦးစီတိုင်းကို စုံစမ်းရန် အချိန်အတော်ကြာမည်ဆိုပါစို့။ ထို့ကြောင့် သူသည် လူတစ်ဦးချင်းစီ၏ ကျပန်းနမူနာကို ယူလိုပါသည်။

0.05 သို့မဟုတ် ထို့ထက်နည်းသော အမှားအနားသတ်ဖြင့် ဤအချိုးအစားကို ခန့်မှန်းလိုသည်ဆိုပါစို့။

သူသည် သူ၏နမူနာတွင် ထည့်သွင်းရမည့် အနည်းဆုံး လူအရေအတွက်ကို ဆုံးဖြတ်ရန် Slovin ဖော်မြူလာကို အသုံးပြုနိုင်သည်။

• n = N / (1 + Ne ² )
• n=10,000/(1+10,000(05) ² )၊
• n = 384,615

ရှေးရိုးဆန်သူဖြစ်ရန်၊ ရှေ့နေသည် အနီးဆုံးနံပါတ်တစ်ခုလုံးကို လှည့်ပတ်ပြီး ၎င်းတို့၏နမူနာတွင် လူ ၃၈၅ ဦးကို ထည့်သွင်းသင့်သည်။

ဥပမာ 2- လူဦးရေကို ခန့်မှန်းရန် Slovin ဖော်မြူလာကို အသုံးပြုခြင်း။

ရုက္ခဗေဒပညာရှင်တစ်ဦးသည် သတ်မှတ်ဒေသရှိ အပင်မျိုးစိတ်များ၏ ပျမ်းမျှအမြင့်ကို ခန့်မှန်းလိုသည်ဆိုပါစို့။

ဒီဧရိယာမှာ ဒီအပင် 500 ရှိပြီး အပင်တစ်ပင်ချင်းစီကို တိုင်းတာဖို့က အရမ်းကြာမယ်ဆိုတာကို သူမသိတဲ့အတွက်ကြောင့် အပင်တွေကို ကျပန်းနမူနာယူရတာ ပိုနှစ်သက်တယ်ဆိုပါစို့။

အမှားအယွင်း 0.02 သို့မဟုတ် ထိုထက်နည်းသော ဤပျမ်းမျှအား သူမ ခန့်မှန်းလိုသည်ဆိုပါစို့။

သူမသည် သူမ၏နမူနာတွင် ထည့်သွင်းရမည့် အနည်းဆုံး အပင်အရေအတွက်ကို ဆုံးဖြတ်ရန် Slovin ၏ ဖော်မြူလာကို အသုံးပြုနိုင်သည်။

• n = N / (1 + Ne ² )
• n=500/(1+500(02) ² )၊
• n=416,667

ရှေးရိုးဆန်သူဖြစ်ရန်၊ ရုက္ခဗေဒပညာရှင်သည် အနီးဆုံးကိန်းဂဏန်းတစ်ခုလုံးကို လှည့်ပတ်ပြီး ၎င်း၏နမူနာတွင် အပင်ပေါင်း ၄၁၇ ပင် ထည့်သွင်းရမည်ဖြစ်သည်။

Slovin ၏ဖော်မြူလာ- နမူနာအရွယ်အစားနှင့် အမှား၏အနားသတ်ကြား ဆက်နွယ်မှု

နမူနာအရွယ်အစားနှင့် အမှား၏အနားသတ်ကြား ရိုးရှင်းသောဆက်နွယ်မှုတစ်ခုရှိသည်- အမှား၏အနားသတ်နိမ့်လေ၊ လိုအပ်သောနမူနာအရွယ်အစားပိုကြီးလေဖြစ်သည် ။

ယင်းကို သရုပ်ဖော်ရန်၊ အမှားအယွင်း၏အနားသတ် 0.05 ကိုအသုံးပြု၍ ဥပဒေအသစ်တစ်ခု၏မျက်နှာသာအတွက် အနီးနားရှိလူတစ်ဦးချင်းစီ၏အချိုးအစားကို ခန့်မှန်းလိုသည့် ယခင်ဥပမာကို သုံးသပ်ကြည့်ပါ။

အနီးနားရှိ လူစုစုပေါင်း 10,000 ဖြစ်သောကြောင့် စစ်တမ်းအတွက် လိုအပ်သော အနည်းဆုံးနမူနာအရွယ်အစားကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုခဲ့သည်။

• n = N / (1 + Ne ² )
• n=10,000/(1+10,000(05) ² )၊
• n = 384,615

သို့သော်၊ ရှေ့နေသည် အမှားအယွင်း၏အနားသတ် 0.01 အစား လိုချင်သည်ဆိုပါစို့။

ဤစစ်တမ်းအတွက် အနိမ့်ဆုံးနမူနာအရွယ်အစားကို တွက်ချက်ရန် Slovin ၏ ဖော်မြူလာကို သူအသုံးပြုပုံမှာ-

• n = N / (1 + Ne ² )
• n=10,000/(1+10,000(01) ² )၊
• n= 5,000

ရှေ့နေက သူ့အမှားရဲ့အနားသတ်ကို လျှော့ချတဲ့အတွက် သူ့ရဲ့နမူနာအရွယ်အစား တိုးလာပါတယ်။

ဒါက အလိုလိုသိနေရမယ်။

အမှားအယွင်း၏ အောက်ခြေအနားသတ်ကို လိုချင်ပါက (ဥပမာ ပိုတိကျသော ခန့်မှန်းချက်) ကို လိုချင်ပါက၊ သင့်နမူနာတွင် နောက်ထပ် လူများစွာကို ထည့်သွင်းရန် လိုအပ်ပါသည်။

အပိုဆု- လူဦးရေအရွယ်အစားနှင့် လက်ခံနိုင်သော အမှားအယွင်းအပေါ်အခြေခံ၍ အနည်းဆုံးနမူနာအရွယ်အစားကို အလိုအလျောက်တွက်ချက်ရန် ဤ Slovin ဖော်မြူလာဂဏန်းတွက်စက်ကို အသုံးပြုရန် အခမဲ့ခံစားပါ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် စာရင်းဇယားများတွင် နမူနာယူခြင်းဆိုင်ရာ နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

နမူနာယူနည်း အမျိုးအစားများကို မိတ်ဆက်ခြင်း။
လူဦးရေ vs. နမူနာ- ကွာခြားချက်ကား အဘယ်နည်း။
နမူနာအရွယ်အစားနှင့် အမှား၏အနားသတ်ကြား ဆက်နွယ်မှု