နမူနာ (စာရင်းအင်း)

ဤဆောင်းပါးတွင် ကိန်းဂဏန်းနမူနာသည် မည်သည်ကို ရှင်းပြထားသည်။ ထို့အပြင်၊ နမူနာပုံစံအမျိုးမျိုးကို မည်သို့ဖန်တီးထားသည်နှင့် တစ်ခုစီ၏နမူနာများကို သင်ကြည့်ရှုနိုင်မည်ဖြစ်သည်။

စာရင်းအင်းများတွင် နမူနာယူခြင်းဟူသည် အဘယ်နည်း။

စာရင်းဇယားများတွင်၊ နမူနာယူခြင်းသည် လူဦးရေ၏နမူနာကို ရွေးချယ်သည့် လုပ်ငန်းစဉ်တစ်ခုဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ နမူနာယူခြင်းဆိုသည်မှာ ကိန်းဂဏန်းလေ့လာမှုတစ်ခုပြုလုပ်ရန် လူတစ်ဦးချင်းအုပ်စုတစ်စုကို ရွေးချယ်သည့်နည်းလမ်းတစ်ခုဖြစ်သည်။

ဥပမာအားဖြင့်၊ နမူနာယူရန်နည်းလမ်းတစ်ခုမှာ လူတစ်ဦးချင်းစီကို ကျပန်းရွေးချယ်ရန်ဖြစ်သည်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် စာရင်းအင်းလူဦးရေ၏ အရွယ်အစားကို လေ့လာလိုပါက၊ ကျွန်ုပ်တို့သည် ရိုးရှင်းသောကျပန်းနမူနာဖြင့် လေ့လာမှုနမူနာကို ရွေးချယ်နိုင်ပါသည်။

လူဦးရေကို နမူနာယူရန် နည်းလမ်းများစွာ ရှိပြီး တစ်ခုစီတွင် ၎င်း၏ အားသာချက်များနှင့် အားနည်းချက်များရှိသည်။ ကွဲပြားသော စာရင်းအင်းနမူနာ အမျိုးအစားများကို အောက်တွင် ကြည့်ရှုပါမည်။

စာရင်းအင်းနမူနာများတွင် နမူနာယူခြင်းသည် သင့်အား ပစ်မှတ်လူဦးရေ၏ အချိုးအစားကိုသာ လေ့လာနိုင်စေသောကြောင့် နမူနာအား လူဦးရေတစ်ခုလုံးအား ကိန်းဂဏန်းအနုမာနဖြင့် ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ရရှိသော ကောက်ချက်များအား ပေါင်းထည့်နိုင်သောကြောင့်ဖြစ်သည်။ ရှာဖွေမှုအချိန်နှင့် ကုန်ကျစရိတ်များကို လျှော့ချပေးသောကြောင့် ၎င်းသည် ကောင်းမွန်သော အားသာချက်တစ်ခုဖြစ်သည်။

နမူနာဘောင်

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ နမူနာဘောင် (သို့မဟုတ် နမူနာဘောင် ) သည် နမူနာတစ်ခုတွင် ရွေးချယ်နိုင်သော လူဦးရေ၏ဒြပ်စင်များစာရင်းတစ်ခုဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ နမူနာဘောင်သည် ကိန်းဂဏန်းလေ့လာမှုတစ်ခုအတွက် ရည်ရွယ်သည့် စကြဝဠာ၏ဒြပ်စင်များစာရင်းတစ်ခုဖြစ်သည်။

ဥပမာအားဖြင့်၊ သင်သည် မြို့၏နိုင်ငံသားများအပေါ် ကိန်းဂဏန်းစစ်တမ်းကောက်ယူလိုပါက၊ ဤလေ့လာမှုအတွက် နမူနာဘောင်သည် ဤမြို့၌နေထိုင်သူအားလုံးပါဝင်သည့်စာရင်းဖြစ်သောကြောင့် ဤမြို့၏စာရင်းဇယားဖြစ်သည်။

ထို့ကြောင့် ကိန်းဂဏန်းစစ်တမ်းတစ်ခုအတွက် နမူနာရယူရန် နမူနာဘောင်ကို အသုံးပြုပါသည်။ နမူနာဘောင်ကို ကောင်းမွန်စွာ ဒီဇိုင်းဆွဲထားပါက ကိန်းဂဏန်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် နမူနာယူရန် ပိုမိုလွယ်ကူပါသည်။

စာရင်းအင်းများတွင် နမူနာပုံစံများ

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ နမူနာအမျိုးအစားများမှာ အောက်ပါအတိုင်းဖြစ်သည်။

• ဖြစ်နိုင်ခြေနမူနာ – နမူနာကို ကျပန်းရွေးချယ်ထားသည့်နမူနာ။
  • ရိုးရှင်းသောကျပန်းနမူနာ – နမူနာကို ရိုးရိုးရှင်းရှင်း ကျပန်းရွေးချယ်သည်။
  • စနစ်တကျနမူနာယူခြင်း – ပထမတစ်ဦးချင်းစီကို ကျပန်းရွေးချယ်ပြီး နမူနာ၏ကျန်အစိတ်အပိုင်းများကို ပုံသေကြားကာလတစ်ခုအရ ရွေးချယ်သည်။
  • Stratified sampling : နမူနာကိုဖွဲ့စည်းရန်၊ ပစ်မှတ်လူဦးရေကို strata (အုပ်စုများ) ခွဲခြားပြီးနောက် တစ်ဦးချင်းစီအား stratum တစ်ခုစီမှ ကျပန်းရွေးချယ်သည်။
  • အစုအဝေးနမူနာ – နမူနာကို ကျပန်းရွေးချယ်ထားသော အစုအဖွဲ့များ (သဘာဝအုပ်စုများ) ဖြင့် ဖွဲ့စည်းထားသည်။
• ဖြစ်နိုင်ခြေမရှိသောနမူနာ – သုတေသီများသည် လုပ်ငန်းစဉ်တွင် အခွင့်အလမ်းမပါဝင်ဘဲ ၎င်းတို့၏စံသတ်မှတ်ချက်များနှင့်အညီ နမူနာကိုရွေးချယ်သည့်နမူနာ။
  • ရည်ရွယ်ချက်ရှိရှိ နမူနာယူခြင်း – သုတေသီ၏ စီရင်ဆုံးဖြတ်မှုအပေါ် အခြေခံ၍ တစ်ဦးချင်းစီကို နမူနာမှ ရွေးချယ်သည်။
  • အဆင်ပြေမှုနမူနာ – နမူနာအဖွဲ့ဝင်များကို ၎င်းတို့၏ဝင်ရောက်ရလွယ်ကူမှုအပေါ်အခြေခံ၍ ရွေးချယ်ထားသည်။
  • ဆက်တိုက်နမူနာ – ပထမနမူနာကို ရွေးချယ်ပြီး၊ လေ့လာပြီးနောက် အခြားနမူနာကို ရွေးချယ်သည်။ လေ့လာမှု ကောက်ချက်မရရှိမချင်း မတူညီသောနမူနာများကို လေ့လာသည်။
  • ခွဲတမ်းနမူနာ – ပထမအုပ်စုများကို ဖွဲ့စည်းပြီးနောက် သုတေသနနမူနာကို ဖွဲ့စည်းရန် အုပ်စုတစ်ခုစီမှ ခွဲတမ်းတစ်ခုကို ရွေးချယ်သည်။
  • နှင်းဘောလုံးနမူနာ – သုတေသီများသည် နမူနာတွင် ပထမဆုံးသော ပုဂ္ဂိုလ်များကို ရွေးချယ်ကာ လေ့လာမှုအတွက် အခြားဘာသာရပ်များကို စုဆောင်းကြသည်။

စာရင်းအင်းနမူနာအမျိုးအစားတစ်ခုစီကို အောက်တွင်အသေးစိတ်ရှင်းပြထားသည်။

ဖြစ်နိုင်ခြေနမူနာ

ဖြစ်နိုင်ခြေနမူနာ နည်းပညာတွင် နမူနာ၏ဒြပ်စင်များကို ကျပန်းရွေးချယ်ခြင်းပါဝင်သည်၊ ဆိုလိုသည်မှာ ၎င်းတို့အားလုံးသည် ရွေးချယ်ခံရရန် တူညီသောဖြစ်နိုင်ခြေရှိသည်။

ဤသည်မှာ နမူနာယူခြင်းဖြစ်နိုင်ခြေကို ထည့်သွင်းစဉ်းစားရန် မရှိမဖြစ်အခြေအနေဖြစ်သည်၊ စာရင်းအင်းလူဦးရေ၏ အစိတ်အပိုင်းအားလုံးကို ရွေးချယ်နိုင်ရမည်ဖြစ်ပြီး၊ ထို့အပြင် ၎င်းတို့တွင် တူညီသောရွေးချယ်ခံရနိုင်ခြေရှိရပါမည်။

ကျွန်ုပ်တို့မြင်တွေ့ခဲ့ရသည့်အတိုင်း၊ ဖြစ်နိုင်ခြေနမူနာနည်းလမ်းများ၏ မတူညီသောအမျိုးအစားများမှာ ရိုးရှင်းသောကျပန်းနမူနာ၊ စနစ်တကျနမူနာထုတ်ခြင်း၊ အမျိုးအစားခွဲထားသောနမူနာနှင့် အစုလိုက်နမူနာများဖြစ်သည်။

ရိုးရှင်းသော ကြမ်ဖက်မှု

ရိုးရှင်းသောကျပန်းနမူနာသည် လေ့လာထားသည့်နမူနာတွင်ထည့်သွင်းခံရနိုင်ခြေတူညီသောစာရင်းအင်းလူဦးရေ၏ဒြပ်စင်တစ်ခုစီကိုပေးသည်။ ထို့ကြောင့် နမူနာရှိလူများကို အခြားစံနှုန်းများကို အသုံးမပြုဘဲ ကျပန်းရွေးချယ်သည်။

ကျပန်းပုံတူအောင်ပြုလုပ်ရန် နည်းလမ်းများစွာရှိသော်လည်း လက်ရှိတွင် အချိန်များစွာကုန်သက်သာသောကြောင့် Excel ကဲ့သို့သော ကွန်ပျူတာပရိုဂရမ်များကို အသုံးပြု၍ လုပ်ဆောင်လေ့ရှိသည်။

စနစ်တကျ နမူနာယူခြင်း။

စနစ်တကျနမူနာတွင်၊ လူဦးရေ၏ဒြပ်စင်တစ်ခုအား ကျပန်းရွေးချယ်ပြီးနောက် နမူနာရှိကျန်ဒြပ်စင်များကို ပုံသေကြားကာလတစ်ခုအသုံးပြု၍ ရွေးချယ်သည်။

ထို့ကြောင့်၊ စနစ်တကျနမူနာတွင်၊ ကျွန်ုပ်တို့သည် နမူနာထဲမှ ပထမတစ်ဦးကို ကျပန်းရွေးချယ်ပြီးသည်နှင့်၊ နမူနာမှ နောက်တစ်ဦးကို ရွေးချယ်ရန် လိုချင်သောအချိန်ကာလအတိုင်း အရေအတွက်များစွာကို ရေတွက်ရန် လိုအပ်ပါသည်။ ကျွန်ုပ်တို့ရရှိလိုသည့်နမူနာအရွယ်အစားအတိုင်း ကျွန်ုပ်တို့ရရှိလိုသည့်နမူနာတွင် လူများစွာရှိသည်အထိ အလားတူလုပ်ငန်းစဉ်ကို ဆက်တိုက်လုပ်ဆောင်ပါသည်။

အချိုးကျနမူနာ

အစီအစဥ်နမူနာ နည်းပညာတွင်၊ လူဦးရေကို ပထမစဥ် (အုပ်စုများ) အဖြစ် ပိုင်းခြားထားပြီး အချို့သောလူများကို လေ့လာမှုတစ်ခုလုံးအတွက် နမူနာအဖြစ် stratum တစ်ခုစီမှ ကျပန်းရွေးချယ်ထားသည်။ ထို့ကြောင့် နမူနာတစ်ခုစီတွင် stratum တစ်ခုစီမှ အနည်းဆုံးအဖွဲ့ဝင်တစ်ဦးရှိပါမည်။

Strata သည် တစ်သားတည်းဖြစ်နေသော အုပ်စုများဖြစ်ရမည် ၊ ဆိုလိုသည်မှာ စထရန်တမ်ရှိ လူတစ်ဦးချင်းစီသည် ၎င်းတို့အား အခြားသော strata နှင့် ကွဲပြားစေသော ကိုယ်ပိုင်ဝိသေသလက္ခဏာများ ရှိသည်။ ထို့ကြောင့် လူတစ်ဦးသည် အလွှာတစ်ခုတည်းတွင်သာ သက်ဆိုင်ပါသည်။

အစုအဖွဲ့နမူနာ

အစုလိုက်နမူနာနှင့် အပိုင်းလိုက်နမူနာများသည် အလွန်ဆင်တူသောကြောင့် ရှုပ်ထွေးနိုင်သော်လည်း အနီးကပ်ကြည့်လျှင် ၎င်းတို့သည် ဖြစ်နိုင်ခြေနမူနာပုံစံ နှစ်မျိုးဖြစ်သည်။

အစုအဝေးနမူနာကောက်ယူခြင်းသည် လူဦးရေတွင် သဘာဝအစုအဖွဲ့များ (အုပ်စုများ) ရှိနှင့်ပြီးဖြစ်သည်ဟူသောအချက်ကို အခွင့်ကောင်းယူပါသည်။

အစီအစဥ်နမူနာများနှင့်မတူဘဲ၊ ဤနည်းလမ်းတွင် အစုအဖွဲ့များမှ သီးခြားတစ်ဦးချင်းစီကို ရွေးချယ်ရန် မလိုအပ်သော်လည်း လေ့လာရမည့်အဖွဲ့များကို ရွေးချယ်ပြီးသည်နှင့် ၎င်းတို့၏အဖွဲ့ဝင်အားလုံးကို ခွဲခြမ်းစိတ်ဖြာရပါမည်။

အစုလိုက်နမူနာကို အစုလိုက်နမူနာယူခြင်း၊ အစုလိုက်နမူနာယူခြင်း သို့မဟုတ် ဧရိယာနမူနာယူခြင်းဟုလည်း ခေါ်သည်။

ဖြစ်နိုင်ခြေမရှိသောနမူနာ

ဖြစ်နိုင်ခြေမရှိသောနမူနာများတွင်၊ သုတေသီများ၏ ပုဂ္ဂလဓိဋ္ဌာန်စံနှုန်းများအပေါ် အခြေခံ၍ တစ်ဦးချင်းစီကို ရွေးချယ်သည်။ ထို့ကြောင့်၊ ဖြစ်နိုင်ခြေမရှိသောနမူနာများတွင်၊ ရွေးချယ်မှုသည် ကျပန်းမဟုတ်သောကြောင့်၊ နမူနာအတွက် ရွေးချယ်ခံရသည့် လူဦးရေ၏အစိတ်အပိုင်းအားလုံးသည် တူညီသောဖြစ်နိုင်ခြေရှိသည်မဟုတ်ပေ။ ဤအင်္ဂါရပ်သည် ဖြစ်နိုင်ခြေမရှိသောနမူနာကို ဖြစ်နိုင်ခြေနမူနာနှင့် ခွဲခြားထားသည်။

ယုတ္တိနည်းအားဖြင့်၊ ဖြစ်နိုင်ခြေမရှိသောနမူနာတွင်၊ သုတေသနပြုလုပ်ရန် တာဝန်ရှိပုဂ္ဂိုလ်သည် အလွန်အရေးကြီးသည်၊ အကြောင်းမှာ သူ သို့မဟုတ် သူမသည် နမူနာတွင် မည်သူပါဝင်မည်ကို ဆုံးဖြတ်ပေးသူဖြစ်သောကြောင့် ဖြစ်သည်။ ထို့ကြောင့် ယုံကြည်စိတ်ချရသောရလဒ်များရရှိရန် သုတေသီသည် လေ့လာမှုနယ်ပယ်တွင် ကြီးမားသောအသိပညာနှင့် အတွေ့အကြုံရှိရန် လိုအပ်ပါသည်။

အထက်တွင်ရှင်းပြထားသည့်အတိုင်း၊ ဖြစ်နိုင်ခြေမရှိသောနမူနာယူခြင်းနည်းပညာအမျိုးအစားများမှာ ရည်ရွယ်ချက်ရှိရှိနမူနာယူခြင်း၊ အဆင်ပြေသောနမူနာယူခြင်း၊ ဆက်တိုက်နမူနာယူခြင်း၊

ရည်ရွယ်ချက်ရှိရှိ နမူနာယူခြင်း။

ရည်ရွယ်ချက်ရှိရှိနမူနာသည် လေ့လာမှုနမူနာကိုရွေးချယ်ရာတွင် စုံစမ်းစစ်ဆေးသူ၏ဆုံးဖြတ်ချက်အပေါ်တွင်သာ မူတည်သည်။

သို့မှသာ စစ်တမ်းတာဝန်ခံသည် နမူနာဒြပ်စင်များကို ရွေးချယ်ရန် ဆုံးဖြတ်ချက်ချနိုင်သော အခွင့်အာဏာအားလုံးရှိစေရန်။ ဒါကြောင့် သင်ဟာ ပညာရပ်နယ်ပယ်မှာ ကျွမ်းကျင်သူတစ်ယောက်ဖြစ်ဖို့ အရေးကြီးပါတယ်။

ရည်မှန်းထားသောနမူနာကို တရားစီရင်ခြင်းနမူနာ၊ တရားစီရင်ခြင်းနမူနာ၊ ဝေဖန်ပိုင်းခြားသောနမူနာ၊ ရည်ရွယ်ချက်နမူနာယူခြင်း သို့မဟုတ် သဘောထားနမူနာယူခြင်းဟုလည်း ခေါ်သည်။

အဆင်ပြေမှုနမူနာ

အဆင်ပြေသောနမူနာတွင်၊ သုတေသီများသည် လုပ်ငန်းစဉ်တွင် အခွင့်အလမ်းမပါဝင်ဘဲ လူတစ်ဦးချင်းစီထံ အလွယ်တကူဝင်ရောက်နိုင်စေရန် စံနှုန်းများအပေါ်အခြေခံ၍ နမူနာဘာသာရပ်များကို ရွေးချယ်သည်။

ဆိုလိုသည်မှာ၊ လူဦးရေမှတစ်ဦးချင်းစီကိုရွေးချယ်ရန် ဖြစ်နိုင်ခြေမရှိသောနမူနာပုံစံတွင်၊ ရရှိနိုင်မှု၊ နီးစပ်မှု သို့မဟုတ် ၎င်းတို့၏ရွေးချယ်မှုကုန်ကျစရိတ်ကဲ့သို့သော ရှုထောင့်များကို အကဲဖြတ်ပါသည်။ နမူနာကောက်ယူရာတွင် ပိုမိုလွယ်ကူချောမွေ့စေရန် စေတနာ့ဝန်ထမ်းများကိုပင် လက်ခံလေ့ရှိသည်။

အဆင်ပြေမှုနမူနာကို ရည်ရွယ်ချက်ရွေးချယ်ခြင်းနမူနာ သို့မဟုတ် အခွင့်အလမ်းနမူနာဟုလည်း ခေါ်သည်။

တစ်ဆက်တည်း နမူနာယူပါ။

တစ်ဆက်တည်းနမူနာတွင်၊ ကနဦးနမူနာကို ဦးစွာရွေးချယ်ပြီး လေ့လာကာ ကနဦးနမူနာ၏ရလဒ်များကို ရရှိပြီးနောက် အခြားနမူနာကို လေ့လာသည်။ ပြီးတော့ လေ့လာမှုတစ်ခုလုံးရဲ့ နောက်ဆုံးကောက်ချက်မရရှိမချင်း လုပ်ငန်းစဉ်ကို ရှေ့ဆင့်နောက်ဆင့် ထပ်ခါတလဲလဲ လုပ်ဆောင်ပါတယ်။

ထို့ကြောင့်၊ ဆက်တိုက်နမူနာသည် နမူနာတစ်ခုတည်းကို အာရုံစိုက်ခြင်းမဟုတ်ဘဲ တူညီသောစာရင်းအင်းလူဦးရေမှ မတူညီသောနမူနာများကို လေ့လာပြီး အုပ်စုအားလုံးမှရရှိသော အချက်အလက်များမှ နောက်ဆုံးတွင် ကောက်ချက်ဆွဲသည်။

ခွဲတမ်းနမူနာ

ခွဲတမ်းနမူနာတွင်၊ အနည်းဆုံး ဝိသေသတစ်ခုကို မျှဝေသည့် လူတစ်ဦးချင်းစီ၏ အုပ်စုများ (သို့မဟုတ် အလွှာ) ကို ဦးစွာဖွဲ့စည်းပြီး ထို့နောက် အုပ်စုတစ်ခုစီမှ ခွဲတမ်းတစ်ခုကို ရွေးချယ်ကာ လေ့လာမှုနမူနာကို ဖွဲ့သည်။

လူဦးရေကို အုပ်စုများခွဲရာတွင် အသုံးပြုသည့် လူတစ်ဦးချင်းစီ၏ စရိုက်လက္ခဏာကိုလည်း သုတေသီက ဆုံးဖြတ်ပေးသောကြောင့် သုတေသနပြုလုပ်ရန် တာဝန်ရှိသူသည် ရရှိသော ရလဒ်များအပေါ်တွင် သြဇာကြီးမားပါသည်။

နှင်းဘောလုံးနမူနာ

နှင်းဘောလုံးနမူနာ တွင် သုတေသီသည် ပထမဆုံးပါဝင်သူများကို ရွေးချယ်ပြီးနောက် လေ့လာမှုအတွက် နောက်ထပ်တစ်ဦးချင်းစီကို စုဆောင်းခဲ့သည်။

နှင်းဘောလုံးနမူနာ၏ ဤအင်္ဂါရပ်သည် လေ့လာမှုအတွက် ပါဝင်သူများ (snowball effect) အတွက် လူပိုစုဆောင်းလာသောကြောင့် နမူနာအရွယ်အစား တိုးလာစေသည်။

နှင်းဘောလုံးနမူနာကို ကွင်းဆက်နမူနာ သို့မဟုတ် ကွင်းဆက်အကိုးအကားနမူနာအဖြစ်လည်း လူသိများသည်။

နမူနာနှင့်ပြသခြင်း။

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ နမူနာတစ်ခုသည် ခွဲခြမ်းစိတ်ဖြာမှုပြုလုပ်ရန် လူဦးရေမှရွေးချယ်ထားသော လူတစ်ဦးချင်းအုပ်စုဖြစ်သည်။ ဆိုလိုသည်မှာ ပစ်မှတ်လူဦးရေ တစ်ခုလုံးမှ ကိန်းဂဏန်း လေ့လာမှုတစ်ခု ပြုလုပ်သောအခါတွင် လူဦးရေ၏ တစ်စိတ်တစ်ပိုင်းကိုသာ ခွဲခြမ်းစိတ်ဖြာပြီး နမူနာဟု ခေါ်သည်။

ထို့ကြောင့် နမူနာနှင့်နမူနာကြား ကွာခြားချက် မှာ နမူနာသည် လေ့လာနေသော လူဦးရေ၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်။ အခြားတစ်ဖက်တွင်၊ နမူနာယူခြင်းသည် စာရင်းအင်းလေ့လာမှု၏နမူနာကို ရွေးချယ်သည့်နည်းလမ်းဖြစ်သည်။

ထို့ကြောင့် နမူနာကောက်ယူခြင်းသည် စာရင်းဇယားတွင် အလွန်အရေးကြီးသောကြောင့် ၎င်းသည် ကျွန်ုပ်တို့အား ပစ်မှတ်လူဦးရေမှ လေ့လာထားသောနမူနာသို့ ရွှေ့ပြောင်းနိုင်သည့်နည်းပညာဖြစ်သောကြောင့် ဖြစ်ပါသည်။

ယုတ္တိဗေဒအရ၊ ရွေးချယ်ထားသောနမူနာသည် မည်သူတစ်ဦးတစ်ယောက်မျှမဖြစ်နိုင်သော်လည်း ကောက်ချက်များအား လူဦးရေတစ်ခုလုံးသို့ ခွဲထုတ်နိုင်စေရန်အတွက် အချို့သောအခြေအနေများနှင့် ကိုက်ညီရပါမည်။ ဥပမာအားဖြင့်၊ နမူနာတစ်ခုအား ကိုယ်စားပြုရန်အတွက်၊ လေ့လာမှု၏ဝိသေသလက္ခဏာများပေါ် မူတည်၍ အနည်းဆုံးအရွယ်အစားရှိရမည်။