পাঠৰ সাৰাংশ (Summary):

​ভৌগোলিক গৱেষণাত বিশাল অঞ্চল বা সমষ্টিৰ (Population) পৰা তথ্য সংগ্ৰহ কৰাটো সময় আৰু খৰচৰ ফালৰ পৰা কঠিন। ইয়াৰ বিকল্প হিচাপে, সমগ্ৰ গোটটোৰ প্ৰকৃত বৈশিষ্ট্য প্ৰতিফলিত কৰিব পৰাকৈ এক বৈজ্ঞানিক আৰু নিৰপেক্ষ পদ্ধতিৰে এটা সৰু প্ৰতিনিধিত্বমূলক অংশ বাছি লোৱা কাৰ্যকেই প্ৰতিচয়ন (Sampling) বোলে।

এই পাঠ্যক্ৰমত প্ৰধানকৈ দুটা গুৰুত্বপূৰ্ণ প্ৰতিচয়ন কৌশল আলোচনা কৰা হৈছে—

১. সৰল যাদৃচ্ছিক প্ৰতিচয়ন (Simple Random Sampling): য’ত সমষ্টিৰ সকলো উপাদানৰে নিৰ্বাচিত হোৱাৰ সমান সুযোগ থাকে (যেনে: লটাৰী পদ্ধতি)। ই সমজাতীয় (Homogeneous) ক্ষেত্ৰৰ বাবে উপযোগী। 

২. স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন (Stratified Random Sampling): য’ত বৈচিত্ৰ্যপূৰ্ণ বা অসমজাতীয় (Heterogeneous) সমষ্টিক প্ৰথমে কিছুমান বিশেষ ভাগ বা স্তৰত (Strata) বিভক্ত কৰি, পিছত প্ৰতিটো স্তৰৰ পৰা নমুনা লোৱা হয়।

অতি চমু প্ৰশ্নোত্তৰ :

১. প্ৰতিচয়ন (Sampling) বুলিলে কি বুজা?

উত্তৰ: কোনো এক বৃহৎ গোট বা সমষ্টিৰ পৰা তাৰ প্ৰতিনিধিত্ব কৰিব পৰাকৈ এক বৈজ্ঞানিক পদ্ধতিৰে সৰু অংশ বা নমুনা বাছি লোৱা কাৰ্যকে প্ৰতিচয়ন বোলে।

২. পৰিসংখ্যা বিজ্ঞানত 'সমষ্টি' (Population/Universe) মানে কি?

উত্তৰ: কোনো এক গৱেষণা বা অধ্যয়নৰ ক্ষেত্ৰত অন্তৰ্ভুক্ত হ'ব পৰা একে জাতীয় সকলোবিলাক সামগ্ৰিক একক বা উপাদানৰ সমষ্টিক বুজায়।

৩. নমুনা (Sample) কাক বোলে?

উত্তৰ: এটা বৃহৎ সমষ্টিৰ পৰা যিটো নিৰ্দিষ্ট আৰু সীমিত অংশক প্ৰকৃত অধ্যয়ন বা পৰীক্ষা-নিৰীক্ষাৰ বাবে বাছনি কৰা হয়, তাক নমুনা বোলে।

৪. ভূগোল অধ্যয়নত প্ৰতিচয়নৰ আটাইতকৈ গুৰুত্বপূৰ্ণ প্ৰয়োজনীয়তা কি?

উত্তৰ: একোখন বিশাল ভৌগোলিক অঞ্চলৰ ঘৰে ঘৰে গৈ তথ্য সংগ্ৰহ কৰাটো অসম্ভৱ বা ব্যয়বহুল, গতিকে কম সময় আৰু কম খৰচতে সঠিক ভূ-তাত্ত্বিক বা সামাজিক ধাৰণা পাবলৈ প্ৰতিচয়ন প্ৰয়োজনীয়।

৫. যাদৃচ্ছিক প্ৰতিচয়ন (Random Sampling) ৰ মূল ভিত্তি কি?

উত্তৰ: ইয়াৰ মূল ভিত্তি হৈছে 'সম্ভাৱিতা' বা 'সুযোগ', য’ত সমষ্টিৰ অন্তৰ্ভুক্ত প্ৰতিটো এককৰে নমুনাত নিৰ্বাচিত হোৱাৰ সমান সুযোগ থাকে।

৬. সৰল যাদৃচ্ছিক প্ৰতিচয়ন (Simple Random Sampling) কি?

উত্তৰ: যি প্ৰতিচয়ন প্ৰক্ৰিয়াত কোনো পক্ষপাতিত্ব নোহোৱাকৈ, সম্পূৰ্ণ ভাগ্য বা সুযোগৰ ওপৰত নিৰ্ভৰ কৰি সমষ্টিৰ পৰা এককসমূহ বাছনি কৰা হয়, তাক সৰল যাদৃচ্ছিক প্ৰতিচয়ন বোলে।

৭. সৰল যাদৃচ্ছিক প্ৰতিচয়নৰ এটা বহুল ব্যৱহৃত প্ৰকাৰ উল্লেখ কৰা।

উত্তৰ: লটাৰী পদ্ধতি (Lottery Method)।

৮. স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন (Stratified Random Sampling) কাক বোলে?

উত্তৰ: যেতিয়া এটা অসমজাতীয় সমষ্টিক প্ৰথমে কিছুমান সমজাতীয় উপ-গোট বা স্তৰত ভাগ কৰি লৈ, পিছত প্ৰতিটো স্তৰৰ পৰা যাদৃচ্ছিকভাৱে নমুনা লোৱা হয়, তাক স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন বোলে।

৯. প্ৰতিচয়নৰ ক্ষেত্ৰত 'স্তৰ' (Strata) শব্দটোৱে কি সূচায়?

উত্তৰ: একোটা নিৰ্দিষ্ট গুণ বা বৈশিষ্ট্যৰ আধাৰত গঢ়ি তোলা সমজাতীয় উপ-গোট বা ভাগক স্তৰ বোলে।

১০. প্ৰতিচয়ন কাঠামো (Sampling Frame) কি?

উত্তৰ: গৱেষণা কৰিবলগীয়া সমগ্ৰ সমষ্টিটোৰ ভিতৰত থকা প্ৰতিটো এককৰ নাম বা নম্বৰ অন্তৰ্ভুক্ত থকা এখন প্ৰস্তুত তালিকা বা মেপ।

১১. 'প্ৰতিচয়ন ত্ৰুটি' (Sampling Error) কি?

উত্তৰ: সমগ্ৰ সমষ্টিটোৰ প্ৰকৃত মান আৰু নমুনাৰ পৰা পোৱা আনুমানিক মানৰ মাজত যি গাণিতিক পাৰ্থক্য বা অমিল দেখা যায়, তাক প্ৰতিচয়ন ত্ৰুটি বোলে।

১২. টিপেটৰ তালিকা (Tippett's Table) কিহৰ বাবে ব্যৱহাৰ কৰা হয়?

উত্তৰ: সৰল যাদৃচ্ছিক প্ৰতিচয়ন পদ্ধতিত কোনো ব্যক্তিগত পক্ষপাত নোহোৱাকৈ সংখ্যা বা নমুনা বাছনি কৰিবলৈ এই তালিকা ব্যৱহাৰ কৰা হয়।

১৩. স্তৰীকৃত প্ৰতিচয়ন কেতিয়া আটাইতকৈ বেছি উপযোগী হয়?

উত্তৰ: যেতিয়া অধ্যয়ন কৰিবলগীয়া অঞ্চলটোৰ জনসংখ্যা বা ভৌগোলিক উপাদানসমূহৰ মাজত ব্যাপক ভিন্নতা বা বৈচিত্ৰ্য (Heterogeneity) থাকে।

১৪. প্ৰতিচয়নৰ ক্ষেত্ৰত 'একক' (Sampling Unit) মানে কি?

উত্তৰ: এটা সমষ্টিৰ একেবাৰে ক্ষুদ্ৰতম আৰু অবিভাজ্য অংশ বা উপাদান (যেনে: এজন ব্যক্তি, এটা পৰিয়াল বা এখন গাঁও), যাক নমুনা হিচাপে বাছি ল'ব পাৰি।

১৫. পক্ষপাতদুষ্ট প্ৰতিচয়ন (Biased Sampling) কি?

উত্তৰ: যেতিয়া গৱেষকে বৈজ্ঞানিক নিয়ম নামানি নিজৰ ব্যক্তিগত পছন্দ বা সুবিধা অনুসৰি নমুনা বাছি লয়, তাক পক্ষপাতদুষ্ট প্ৰতিচয়ন বোলে।

চমু প্ৰশ্নোত্তৰ :

১. প্ৰতিচয়নৰ দুটা প্ৰধান উদ্দেশ্য বা গুৰুত্ব লিখা।

উত্তৰ:

(ক) ইয়াৰ জৰিয়তে গৱেষণা কাৰ্যত প্ৰয়োজন হোৱা বিপুল পৰিমাণৰ ধন, সময় আৰু শ্ৰম ৰাহি কৰিব পাৰি।

(খ) অসীমিত বা বিশাল পৰিসৰৰ ডাটা থকা সমষ্টিৰ ক্ষেত্ৰত, য’ত পূৰ্ণ গণনা সম্ভৱ নহয়, তাত প্ৰতিচয়নে একমাত্ৰ বৈজ্ঞানিক পথ প্ৰদৰ্শন কৰে।

২. সৰল যাদৃচ্ছিক প্ৰতিচয়নৰ দুটা প্ৰধান সুবিধা উল্লেখ কৰা।

উত্তৰ:

(ক) এই পদ্ধতিটো সম্পূৰ্ণৰূপে পক্ষপাতহীন, কাৰণ ইয়াত গৱেষকৰ নিজস্ব ইচ্ছা বা পূৰ্বাগ্ৰহৰ কোনো প্ৰভাৱ নাথাকে।

(খ) ইয়াক প্ৰয়োগ কৰাটো অতি সহজ আৰু ইয়াৰ বাবে কোনো জটিল পূৰ্ব-জ্ঞানৰ আৱশ্যকতা নাথাকে।

৩. স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়নৰ মূল কাৰ্যপদ্ধতি দুটা কি কি?

উত্তৰ:

• • প্ৰথমতে, সমগ্ৰ বৈচিত্ৰ্যপূৰ্ণ সমষ্টিক একোটা বিশেষ মিল থকা বৈশিষ্ট্যৰ ভিত্তিত কেইবাটাও সুকীয়া 'স্তৰ' বা 'উপ-গোট'ত (Strata) ভগাই লোৱা হয়।

  • দ্বিতীয়তে, সেই প্ৰতিটো স্তৰৰ পৰা সুকীয়া সুকীয়াকৈ সৰল যাদৃচ্ছিক পদ্ধতি (Simple Random Method) প্ৰয়োগ কৰি চূড়ান্ত নমুনা সংগ্ৰহ কৰা হয়।

৪. সৰল যাদৃচ্ছিক প্ৰতিচয়ন আৰু স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়নৰ মাজৰ দুটা মূল পাৰ্থক্য লিখা।

উত্তৰ:

(ক) সৰল যাদৃচ্ছিক প্ৰতিচয়ন সমজাতীয় (Homogeneous) সমষ্টিৰ বাবে উপযোগী, কিন্তু স্তৰীকৃত প্ৰতিচয়ন অসমজাতীয় (Heterogeneous) সমষ্টিৰ বাবেহে উপযুক্ত।

(খ) সৰল পদ্ধতিত সমষ্টিক কোনো ভাগ নকৰাকৈ পোনে পোনে নমুনা লোৱা হয়, আনহাতে স্তৰীকৃত পদ্ধতিত সমষ্টিক উপ-গোটত ভাগ কৰাটো বাধ্যতামূলক।

৫. লটাৰী পদ্ধতি (Lottery Method) কেনেকৈ কাম কৰে?

উত্তৰ: এই পদ্ধতিত সমষ্টিৰ প্ৰতিটো এককৰে নাম বা নম্বৰ একোখন সম-আকাৰৰ কাগজৰ টুকুৰাত লিখি এটা পাত্ৰত ভালদৰে মিহলাই লোৱা হয়। তাৰ পিছত চকু মুদি বা নিৰপেক্ষভাৱে যিকোনো ব্যক্তিৰ হতুৱাই প্ৰয়োজন হ’বলগীয়া সংখ্যক কাগজ টানি নমুনা বাছনি কৰা হয়।

৬. প্ৰতিচয়ন কাঠামো (Sampling Frame) এখনত কি কি থকাটো জৰুৰী?

উত্তৰ: এখন আদৰ্শ প্ৰতিচয়ন কাঠামোত সমষ্টিৰ প্ৰতিটো এককৰে স্পষ্ট আৰু নৱীকৃত (Updated) তালিকা থাকিব লাগে, য’ত কোনো একক দুবাৰ লিপিৱদ্ধ নহয় আৰু কোনো এটাও বাদ পৰি নাযায়।

৭. ভৌগোলিক গৱেষণাত স্তৰীকৃত প্ৰতিচয়নৰ এটা ব্যৱহাৰিক উদাহৰণ দিয়া।

উত্তৰ: ধৰা হওক এখন জিলাৰ কৃষি ব্যৱস্থা অধ্যয়ন কৰিব লাগে, য’ত পাহাৰীয়া অঞ্চল, প্লাৱন ভূমি আৰু মৰুভূমি সদ্ৰীশ অঞ্চল আছে। ইয়াত সমগ্ৰ জিলাখনক প্ৰথমে ভূমিৰ প্ৰকৃতি অনুসৰি তিনিটা স্তৰত ভগাই লৈ প্ৰতিটো ভাগৰ পৰা গাঁও বাছি লোৱাটোৱেই হৈছে স্তৰীকৃত প্ৰতিচয়ন।

৮. সৰল যাদৃচ্ছিক প্ৰতিচয়নৰ দুটা প্ৰধান আসোঁৱাহ বা সীমাবদ্ধতা লিখা।

উত্তৰ:

(ক) যদি সমষ্টিটো অতি বিশাল আৰু সিঁচৰিত হৈ থাকে, তেন্তে প্ৰতিটো এককৰে তালিকা প্ৰস্তুত কৰা আৰু লটাৰী কৰাটো অত্যন্ত জটিল হৈ পৰে।

(খ) ভাগ্যৰ ওপৰত নিৰ্ভৰ কৰাৰ বাবে কেতিয়াবা গুৰুত্বপূৰ্ণ বিশেষ এককবোৰ নমুনাত অন্তৰ্ভুক্ত হোৱাৰ পৰা বাদ পৰি যাব পাৰে।

৯. আনুপাতিক স্তৰীকৃত প্ৰতিচয়ন (Proportionate Stratified Sampling) কি?

উত্তৰ: যেতিয়া মূল সমষ্টিটোত থকা স্তৰসমূহৰ আকাৰ বা অনুপাত অনুসৰিয়েই নমুনাৰ বাবেও একক বাছনি কৰা হয়, তাক আনুপাতিক স্তৰীকৃত প্ৰতিচয়ন বোলে। ধৰা হওক এখন কলেজত ৭০% কলা শাখা আৰু ৩০% বিজ্ঞান শাখাৰ ছাত্ৰ আছে, তেন্তে নমুনা লওতেও কলা শাখাৰ পৰা ৭০% আৰু বিজ্ঞানৰ পৰা ৩০% লোৱা হ’ব।

১০. অপ্ৰতিচয়ন ত্ৰুটি (Non-sampling Error) বুলিলে কি বুজা?

উত্তৰ: নমুনা বাছনিৰ বাদে তথ্য সংগ্ৰহৰ অন্যান্য স্তৰত হোৱা ভুল, যেনে— ভুলকৈ প্ৰশ্ন সোধা, উত্তৰদাতাই মিছা তথ্য দিয়া, গণনা কৰোঁতে বা বহীত উঠাওঁতে ভুল কৰা আদিক অপ্ৰতিচয়ন ত্ৰুটি বোলে।

১১. প্ৰতিচয়নৰ জৰিয়তে কেনেকৈ তথ্যৰ গুণগত মান (Data Quality) বৃদ্ধি কৰিব পাৰি?

উত্তৰ: যিহেতু সমগ্ৰ জনসংখ্যাৰ সলনি কেৱল এটা সৰু গোটৰ ওপৰতহে কাম কৰা হয়, সেয়েহে গৱেষকে প্ৰতিটো একক পৰীক্ষা কৰিবলৈ পৰ্যাপ্ত সময় পায়। ফলত ডাটা সংগ্ৰহ প্ৰক্ৰিয়াটো অধিক নিখুঁত আৰু ত্ৰুটিহীন হয়।

১২. 'অনুপাতহীন স্তৰীকৃত প্ৰতিচয়ন' (Disproportionate Stratified Sampling) ৰ ধাৰণাটো কি?

উত্তৰ: এই পদ্ধতিত মূল সমষ্টিত থকা স্তৰবোৰৰ অনুপাত বা আকাৰলৈ লক্ষ্য ৰখা নহয়। যদি কোনো এটা স্তৰ আকাৰত অতি সৰু কিন্তু গৱেষণাৰ বাবে গুৰুত্বপূৰ্ণ হয়, তেন্তে তাত সঠিক ফলাফল পাবলৈ নিজাকৈ বেছি সংখ্যক নমুনা বাছি লোৱা হয়।

১৩. 'নমুনাৰ আকাৰ' (Sample Size) নিৰ্ধাৰণ কৰোঁতে কি কি কথালৈ লক্ষ্য কৰা উচিত?

উত্তৰ:

(ক) সমষ্টিটোৰ মাজত থকা ভিন্নতা বা বৈচিত্ৰ্যৰ মাত্ৰা (অধিক বৈচিত্ৰ্য থাকিলে ডাঙৰ নমুনাৰ প্ৰয়োজন)।

(খ) গৱেষণাৰ বাবে উপলব্ধ বাজেট, সময় আৰু বিচৰা ফলাফলৰ নিখুঁততাৰ মাত্ৰা।

১৪. লোকপিয়ল (Census) আৰু প্ৰতিচয়নৰ (Sampling) মাজৰ মূল পাৰ্থক্য কি?

উত্তৰ: লোকপিয়ল বা পূৰ্ণ গণনাত দেশ বা অঞ্চলটোৰ অন্তৰ্ভুক্ত প্ৰতিজন ব্যক্তিয়েই তথ্য সংগ্ৰহৰ আওতালৈ আহে। আনহাতে, প্ৰতিচয়নত কেৱল সমগ্ৰ জনসংখ্যাৰ প্ৰতিনিধিত্ব কৰিব পৰা এটা নিৰ্বাচিত অংশকহে অধ্যয়ন কৰা হয়।

১৫. এক আদৰ্শ নমুনাৰ দুটা প্ৰধান গুণাগুণ উল্লেখ কৰা।

উত্তৰ:

(ক) নমুনাত ব্যৱহৃত এককসমূহ সমগ্ৰ সমষ্টিৰ প্ৰকৃত প্ৰতিবিম্ব বা প্ৰতিনিধিত্বমূলক (Representative) হ’ব লাগিব।

(খ) ই সম্পূৰ্ণৰূপে স্বতন্ত্ৰ হ’ব লাগিব, অৰ্থাৎ এটা এককৰ বাছনিয়ে আন এটা এককৰ বাছনিত বাধা বা প্ৰভাৱ পেলাব নোৱাৰিব।

৫ নম্বৰীয়া দীঘল উত্তৰৰ প্ৰশ্নঃ

প্ৰশ্ন ১: ভৌগোলিক অধ্যয়ন বা গৱেষণাত প্ৰতিচয়নৰ (Sampling) অৰ্থ আৰু ইয়াৰ প্ৰয়োজনীয়তা বিতংভাৱে আলোচনা কৰা।

উত্তৰ: ভৌগোলিক বা সামাজিক গৱেষণা এটাত যেতিয়া অধ্যয়নৰ ক্ষেত্ৰখন অতি বিশাল হয়, তেতিয়া তাৰ অন্তৰ্ভুক্ত প্ৰতিটো উপাদান বা ব্যক্তিক সুকীয়াকৈ অধ্যয়ন কৰাটো সম্ভৱ নহয়। এনে পৰিস্থিতিত সমগ্ৰ গোট বা সমষ্টিটোৰ (Population) পৰা তাৰ প্ৰতিনিধিত্ব কৰিব পৰাকৈ এক বৈজ্ঞানিক পদ্ধতিৰে যি সীমিত অংশ বা নমুনা বাছি লোৱা হয়, তাকেই প্ৰতিচয়ন (Sampling) বোলে।

ভৌগোলিক অধ্যয়নত ইয়াৰ প্ৰয়োজনীয়তা অপৰিসীম। তলত ইয়াৰ মূল কাৰণসমূহ আলোচনা কৰা হ’ল:

• সময় আৰু অৰ্থৰ ৰাহি: ধৰা হওক, ব্ৰহ্মপুত্ৰ উপত্যকাৰ বানাক্ৰান্ত অঞ্চলৰ আৰ্থ-সামাজিক অৱস্থা অধ্যয়ন কৰিব লাগে। এই বিশাল অঞ্চলৰ লাখ লাখ পৰিয়ালৰ কাষলৈ গৈ তথ্য সংগ্ৰহ কৰিবলৈ যি বিপুল ধন আৰু সময়ৰ প্ৰয়োজন হ’ব, সি এজন সাধাৰণ গৱেষকৰ বাবে অসম্ভৱ। প্ৰতিচয়নৰ জৰিয়তে কেইটামান নিৰ্দিষ্ট গাঁও বা পৰিয়াল বাছি লৈ কম খৰচতে কামটো কৰিব পাৰি।

• অধিক গভীৰ আৰু নিখুঁত অধ্যয়ন: সমগ্ৰ সমষ্টিটোক উপৰি-উপৰিকৈ অধ্যয়ন কৰাতকৈ এটা সৰু নমুনাক অধিক সময় দি সূক্ষ্ম আৰু গভীৰভাৱে নিৰীক্ষণ কৰিব পাৰি। ইয়াৰ ফলত ডাটা বা তথ্যৰ গুণগত মান বৃদ্ধি পায়।

• প্ৰশাসনিক সহজসাধ্যতা: বৃহৎ পৰিসৰৰ ডাটা পৰিচালনা কৰিবলৈ বৃহৎ সংখ্যক কৰ্মী আৰু প্ৰশিক্ষণৰ প্ৰয়োজন। প্ৰতিচয়নৰ ক্ষেত্ৰত সীমিত পৰিসৰ হোৱাৰ বাবে গৱেষকে নিজেই গোটেই প্ৰক্ৰিয়াটো সুচাৰুৰূপে পৰিচালনা কৰিব পাৰে।

• অসীম সমষ্টিৰ ক্ষেত্ৰত একমাত্ৰ উপায়: বহু ভৌগোলিক উপাদান, যেনে— কোনো এখন নদীৰ পানীৰ গুণাগুণ পৰীক্ষা কৰা, বা এখন অৰণ্যৰ মাটিৰ উৰ্বৰতা জোখাৰ বাবে গোটেই নদীৰ পানী বা অৰণ্যৰ মাটি পৰীক্ষা কৰিব নোৱাৰি। তাত প্ৰতিচয়ন বা নমুনা সংগ্ৰহেই একমাত্ৰ বৈজ্ঞানিক পথ।

প্ৰশ্ন ২: সৰল যাদৃচ্ছিক প্ৰতিচয়ন (Simple Random Sampling) বুলিলে কি বুজা? ইয়াৰ সুবিধাসমূহ আৰু সীমাবদ্ধতাসমূহ উল্লেখ কৰা।

উত্তৰ: সৰল যাদৃচ্ছিক প্ৰতিচয়ন হৈছে সম্ভাৱিতা প্ৰতিচয়নৰ (Probability Sampling) আটাইতকে সৰল আৰু মৌলিক ৰূপ। এই পদ্ধতিত সমষ্টিৰ অন্তৰ্ভুক্ত প্ৰতিটো এককৰে (Sampling Unit) নমুনাত নিৰ্বাচিত হোৱাৰ সমান আৰু স্বতন্ত্ৰ সুযোগ থাকে। ইয়াত গৱেষকৰ কোনো ব্যক্তিগত ইচ্ছা, পছন্দ বা পক্ষপাতিত্বই স্থান নাপায়। ই সম্পূৰ্ণৰূপে ভাগ্য বা সুযোগৰ ওপৰত প্ৰতিষ্ঠিত (যেনে: লটাৰী পদ্ধতি বা যাদৃচ্ছিক সংখ্যা তালিকাৰ ব্যৱহাৰ)।

সুবিধাসমূহ:

• পক্ষপাতহীনতা: যিহেতু এককসমূহ ভাগ্যৰ ওপৰত নিৰ্ভৰ কৰি বাছনি কৰা হয়, সেয়েহে ইয়াত গৱেষকৰ কোনো পূৰ্বাগ্ৰহ বা ব্যক্তিগত প্ৰভাৱ নাথাকে।

• সহজ আৰু সৰল: এই পদ্ধতিটো বুজি পোৱা আৰু প্ৰয়োগ কৰাটো অতি সহজ। ইয়াৰ বাবে কোনো জটিল কাৰিকৰী জ্ঞানৰ আৱশ্যকতা নাই।

• পৰিসাংখ্যিক নিৰ্ভৰযোগ্যতা: এই পদ্ধতিৰ সহায়ত সংগৃহীত ডাটাৰ ওপৰত ভিত্তি কৰি কৰা গাণিতিক হিচাপ-নিকাচ বা অনুমানবোৰ অধিক নিৰ্ভৰযোগ্য আৰু ত্ৰুটিমুক্ত হোৱাৰ সম্ভাৱনা থাকে।

সীাবদ্ধতাসমূহ:

• তালিকাৰ প্ৰয়োজনীয়তা: এই পদ্ধতি প্ৰয়োগ কৰিবলৈ হ’লে সমষ্টিৰ প্ৰতিটো এককৰে এখন সম্পূৰ্ণ আৰু শুদ্ধ তালিকা (Sampling Frame) থকাটো জৰুৰী, যিটো বাস্তৱ ক্ষেত্ৰত সদায় উপলব্ধ নহ’বও পাৰে।

• অসমজাতীয় সমষ্টিৰ বাবে অনুপযোগী: যদি অধ্যয়নৰ ক্ষেত্ৰখনত থকা উপাদানসমূহৰ মাজত ব্যাপক বৈচিত্ৰ্য বা ভিন্নতা থাকে (যেনে: এজন অতি ধনী আৰু এজন অতি দুখীয়া ব্যক্তি), তেন্তে এই পদ্ধতিয়ে সঠিক প্ৰতিনিধিত্ব কৰিব নোৱাৰে।

• ভৌগোলিক সিঁচৰিততা: কেতিয়াবা লটাৰী পদ্ধতিত নিৰ্বাচিত হোৱা এককসমূহ ভৌগোলিকভাৱে ইমান দূৰ-দূৰণিৰ অঞ্চলত পৰে যে তাত গৈ তথ্য সংগ্ৰহ কৰাটো অতি ব্যয়বহুল হৈ পৰে।

প্ৰশ্ন ৩: স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন (Stratified Random Sampling) পদ্ধতিটো উদাহৰণসহ আলোচনা কৰা। ই ভৌগোলিক বৈচিত্ৰ্য অধ্যয়নত কিদৰে সহায় কৰে?

উত্তৰ: যেতিয়া অধ্যয়ন কৰিবলগীয়া সমগ্ৰ সমষ্টিটো সমজাতীয় নহৈ বিভিন্ন বৈশিষ্ট্যযুক্ত বা ভিন্নধৰ্মী (Heterogeneous) হয়, তেতিয়া স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন পদ্ধতি ব্যৱহাৰ কৰা হয়। এই পদ্ধতিত প্ৰথমে সমগ্ৰ সমষ্টিক একোটা নিৰ্দিষ্ট ধৰ্ম বা বৈশিষ্ট্যৰ আধাৰত কেইবাটাও সমজাতীয় উপ-গোট বা 'স্তৰ'ত (Strata) বিভক্ত কৰা হয়। তাৰ পিছত, প্ৰতিটো স্তৰৰ পৰা সুকীয়া সুকীয়াকৈ সৰল যাদৃচ্ছিক পদ্ধতি (Simple Random Sampling) প্ৰয়োগ কৰি চূড়ান্ত নমুনা বাছি লোৱা হয়।

ভৌগোলিক উদাহৰণ:

ধৰি লওক, অসমৰ কৃষি উৎপাদনৰ ওপৰত এটা ভৌগোলিক সমীক্ষা চলাব লাগে। যিহেতু অসমৰ ভূ-প্ৰকৃতি সকলো ঠাইতে একে নহয়, সেয়েহে সমগ্ৰ ৰাজ্যখনক প্ৰথমে তিনিটা ভৌগোলিক স্তৰত ভগাই লোৱা হ’ল: (১) পাহাৰীয়া অঞ্চল (কাৰ্বি আংলং, ডিমা হাচাও), (২) ব্ৰহ্মপুত্ৰ উপত্যকাৰ সমভূমি অঞ্চল, আৰু (৩) বৰাক উপত্যকাৰ অঞ্চল। এতিয়া এই তিনিটা সুকীয়া স্তৰৰ পৰা সৰল যাদৃচ্ছিক পদ্ধতিৰে (লটাৰী কৰি) নিৰ্দিষ্ট সংখ্যক গাঁও বা খেতিয়ক বাছনি কৰা হ’ব। ইয়াকেই স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন বোলে।

ভৌগোলিক বৈচিত্ৰ্য অধ্যয়নত ইয়াৰ ভূমিকা:

• সঠিক প্ৰতিনিধিত্ব: এই পদ্ধতিৰ আটাইতকৈ ডাঙৰ বিশেষত্ব এয়ে যে ই সমষ্টিৰ কোনো এটা সৰু বা গুৰুত্বপূৰ্ণ শ্ৰেণীক বাদ পৰি যাবলৈ নিদিয়ে। ইয়াৰ ফলত জনসংখ্যা বা ভূ-প্ৰকৃতিৰ প্ৰতিটো বৈচিত্ৰ্যই নমুনাত স্থান পায়।

• ভৌগোলিক তুলনা সম্ভৱ: যিহেতু ইয়াত প্ৰতিটো অঞ্চল বা স্তৰৰ বাবে সুকীয়া ডাটা পোৱা যায়, সেয়েহে গৱেষকে পাহাৰীয়া অঞ্চল আৰু সমভূমি অঞ্চলৰ কৃষি পদ্ধতিৰ মাজত এক সুন্দৰ তুলনাত্মক বিশ্লেষণ কৰিব পাৰে।

• ত্ৰুটি হ্ৰাস পায়: সৰল যাদৃচ্ছিক প্ৰতিচয়নৰ তুলনাত এই পদ্ধতিত 'প্ৰতিচয়ন ত্ৰুটি' (Sampling Error) বহুখিনি হ্ৰাস পায়, কাৰণ স্তৰীকৰণে উপাদানসমূহৰ মাজৰ ভিন্নতাক নিয়ন্ত্ৰণ কৰে।

প্ৰশ্ন ৪: সৰল যাদৃচ্ছিক প্ৰতিচয়ন আৰু স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়নৰ মাজত থকা মূল পাৰ্থক্যসমূহ এটি তালিকাৰ সহায়ত প্ৰদৰ্শন কৰা।

উত্তৰ: সৰল যাদৃচ্ছিক প্ৰতিচয়ন (SRS) আৰু স্তৰীকৃত যাদৃচ্ছিক প্ৰতিচয়ন (Stratified Sampling) দুয়োটা যদিও সম্ভাৱিতা প্ৰতিচয়নৰ অন্তৰ্ভুক্ত, তথাপিও ব্যৱহাৰিক ক্ষেত্ৰত আৰু কাৰ্যপদ্ধতিৰ ফালৰ পৰা এই দুয়োৰে মাজত ব্যাপক পাৰ্থক্য আছে। তলৰ তালিকাত ইয়াৰ মূল পাৰ্থক্যসমূহ দাঙি ধৰা হ’ল:

প্ৰশ্ন ৫: প্ৰতিচয়ন কাঠামো (Sampling Frame) কি? এটা আদৰ্শ নমুনা (Sample) ৰ থাকিবলগীয়া প্ৰধান বৈশিষ্ট্যসমূহ আলোচনা কৰা।

উত্তৰ: প্ৰতিচয়ন কাঠামো (Sampling Frame):

প্ৰতিচয়ন কাঠামো হৈছে অধ্যয়ন কৰিবলগীয়া সমগ্ৰ সমষ্টিটোৰ অন্তৰ্ভুক্ত সকলো উপাদান বা এককৰ এখন সৰ্বমুঠ, স্পষ্ট আৰু প্ৰণালীবদ্ধ তালিকা বা মানচিত্ৰ। ইয়াৰ পৰাই গৱেষকে প্ৰকৃত নমুনাটো বাছি উলিয়ায়। উদাহৰণস্বৰূপে, এখন গাঁৱৰ পৰিয়ালসমূহ অধ্যয়ন কৰিবলৈ হ’লে সেই গাঁৱৰ পঞ্চায়তৰ ভোটাৰ তালিকা বা গৃহ নম্বৰৰ তালিকাখনেই হ’ব প্ৰতিচয়ন কাঠামো। যদি এই তালিকাত ভুল থাকে, তেন্তে সমগ্ৰ প্ৰতিচয়ন প্ৰক্ৰিয়াটোৱেই ভুল হৈ পৰিব।

এটা আদৰ্শ নমুনাৰ প্ৰধান বৈশিষ্ট্যসমূহ:

এটা নমুনাই তেতিয়াহে সমগ্ৰ গৱেষণাটোক সফল কৰি তুলিব পাৰে, যেতিয়া তাৰ মাজত তলৰ গুণ বা বৈশিষ্ট্যসমূহ থাকে:

• প্ৰতিতিনিধিত্বমূলকতা (Representativeness): এটা আদৰ্শ নমুনাৰ আটাইতকৈ ডাঙৰ বৈশিষ্ট্য হৈছে ই মূল সমষ্টিটোৰ এটা সৰু প্ৰতিবিম্ব হ’ব লাগিব। সমষ্টিটোত থকা সকলো প্ৰধান গুণ বা বৈশিষ্ট্য নমুনাত প্ৰতিফলিত হ’ব লাগিব।

• পক্ষপাতহীনতা (Freedom from Bias): নমুনা বাছনি প্ৰক্ৰিয়াটো সম্পূৰ্ণৰূপে বৈজ্ঞানিক হ’ব লাগে, য’ত গৱেষকৰ নিজস্ব পছন্দ-অপছন্দ বা কোনো পক্ষপাতিত্বই স্থান নাপায়।

• পৰ্যাপ্ত আকাৰ (Adequacy of Size): নমুনাৰ আকাৰ (Sample Size) অতি সৰুও হ’ব নোৱাৰে আৰু অতি ডাঙৰো হ’ব নোৱাৰে। ই ইমানখিনি হ’ব লাগে যাতে ইয়াৰ পৰা লোৱা সিদ্ধান্ত গাণিতিকভাৱে শুদ্ধ আৰু নিৰ্ভৰযোগ্য হয়।

• এককসমূহৰ স্বতন্ত্ৰতা (Independence): নমুনাত অন্তৰ্ভুক্ত প্ৰতিটো এককৰে বাছনি স্বতন্ত্ৰ হ’ব লাগে। অৰ্থাৎ, এটা একক বাছনি কৰিলে যাতে আন এটা এককৰ বাছনিত কোনো প্ৰভাৱ নপৰে।

• ভৌগোলিক সুগমতা আৰু ব্যৱহাৰিকতা: আদৰ্শ নমুনা এনেকুৱা হ’ব লাগে যাতে নিৰ্ধাৰিত সময় আৰু বাজেটৰ ভিতৰত গৱেষকে সেই এককসমূহৰ কাষলৈ গৈ প্ৰকৃত তথ্য সংগ্ৰহ কৰিব পাৰে।

Very Short Answer Questions (1 Mark) :

Q1. What is sampling?

Answer: Sampling is the process of selecting a small group of units from a larger population for scientific study.

Q2. What is meant by a population in sampling?

Answer: A population is the complete set of individuals, objects, or observations from which a sample is selected.

Q3. What is a sample?

Answer: A sample is a representative part of the total population chosen for investigation.

Q4. Why is sampling used in geographical research?

Answer: Sampling saves time, reduces cost, and makes data collection more manageable.

Q5. Define simple random sampling.

Answer: Simple random sampling is a method in which every unit of the population has an equal chance of being selected.

Q6. What is stratified random sampling?

Answer: Stratified random sampling divides the population into groups before selecting random samples from each group.

Q7. What is a stratum?

Answer: A stratum is a subgroup of a population formed on the basis of common characteristics.

Q8. Name one advantage of sampling.

Answer: It reduces the time required for data collection.

Q9. Name one limitation of sampling.

Answer: It may produce biased results if the sample is not representative.

Q10. Which sampling method gives every unit an equal chance of selection?

Answer: Simple random sampling.

Q11. Why is representativeness important in sampling?

Answer: It ensures that the sample accurately reflects the characteristics of the population.

Q12. Which sampling technique is suitable for a heterogeneous population?

Answer: Stratified random sampling.

Q13. What is sampling error?

Answer: Sampling error is the difference between the sample result and the true population value.

Q14. Give one method of selecting a random sample.

Answer: The lottery method.

Q15. Mention one application of sampling in geography.

Answer: It is used in land-use surveys and socio-economic investigations.

Short Answer Questions (2 Marks) :

Q1. Define sampling and explain its importance.

Answer: Sampling is the process of selecting a representative portion of a population for study. It is important because it saves time, reduces costs, and allows researchers to collect reliable information without surveying the entire population.

Q2. What are the main objectives of sampling?

Answer: The objectives of sampling are to obtain reliable information, reduce the cost of investigation, save time, and make large-scale surveys easier to conduct while maintaining acceptable accuracy.

Q3. Why is sampling preferred over a complete census in many geographical studies?

Answer: Sampling is preferred because it requires fewer resources, can be completed more quickly, and is practical when studying large populations or extensive geographical areas.

Q4. Explain simple random sampling.

Answer: Simple random sampling is a probability sampling method in which every member of the population has an equal and independent chance of being selected. It minimizes selection bias and is easy to understand.

Q5. State two advantages of simple random sampling.

Answer: It provides equal opportunity to all population units and reduces personal bias during sample selection. It is also easy to analyse statistically.

Q6. Mention two limitations of simple random sampling.

Answer: It may not represent all population groups adequately and becomes difficult to apply when the population is very large or widely scattered.

Q7. Define stratified random sampling.

Answer: Stratified random sampling is a method in which the population is divided into homogeneous groups called strata, and random samples are selected separately from each group.

Q8. Why is stratified random sampling useful?

Answer: It ensures that every important subgroup is represented in the sample, thereby improving the accuracy and reliability of the survey results.

Q9. Differentiate between simple random sampling and stratified random sampling.

Answer: In simple random sampling, the entire population is treated as one group. In stratified random sampling, the population is first divided into homogeneous groups, and random samples are selected from each group.

Q10. What is a representative sample?

Answer: A representative sample accurately reflects the important characteristics of the population, making the survey findings more reliable and applicable to the whole population.

Q11. What factors should be considered while selecting a sample?

Answer: The sample should be unbiased, representative, of adequate size, and selected using an appropriate scientific method suitable for the study.

Q12. Explain the need for sampling in geographical field surveys.

Answer: Geographical field surveys often involve large areas and populations. Sampling helps researchers collect reliable data efficiently while reducing time, labour, and financial costs.

Q13. What is sampling bias?

Answer: Sampling bias occurs when certain members of the population have a greater chance of selection than others, leading to inaccurate and misleading results.

Q14. Mention two geographical applications of sampling.

Answer: Sampling is commonly used in population surveys, agricultural studies, land-use surveys, environmental investigations, and socio-economic research.

Q15. Why should each stratum be sampled separately in stratified random sampling?

Answer: Sampling each stratum separately ensures that all sections of the population are represented, improving the precision and reliability of the final results.

Important 5-Mark Questions with Answers :

 Q1. Define sampling. Explain its need in geographical research. (5 Marks)

Answer: Sampling is the scientific process of selecting a small but representative part of a population for detailed study. Instead of collecting information from every unit of the population, researchers examine a carefully chosen sample and use the findings to draw conclusions about the whole population.

Sampling is essential in geographical research for several reasons. First, it saves time because studying every individual or location is often impossible. Second, it reduces the cost of field investigations by limiting the amount of data that must be collected. Third, it makes large-scale surveys more practical, especially when the study area is extensive or the population is very large. Sampling also allows researchers to collect detailed and accurate information with limited resources. If the sample is properly selected, the results closely represent the characteristics of the entire population.

In geography, sampling is widely used in studies of population, agriculture, land use, environmental quality, transport, and socio-economic conditions. Thus, sampling is an indispensable tool for conducting efficient, reliable, and scientifically valid geographical investigations.

Q2. Discuss the advantages and limitations of sampling. (5 Marks)

Answer: Sampling has several advantages in geographical studies. It reduces the time required for data collection, lowers the cost of research, and requires fewer investigators. It also makes it possible to conduct detailed studies that would be difficult through complete enumeration. When a representative sample is selected, the findings are reliable and suitable for scientific analysis.

However, sampling also has some limitations. If the sample is poorly selected, the results may not accurately represent the entire population. Personal bias during sample selection can reduce the reliability of the study. A very small sample may fail to include important characteristics of the population, leading to inaccurate conclusions. In addition, sampling requires careful planning and knowledge of statistical methods.

Despite these limitations, sampling remains one of the most effective methods of collecting geographical data because it balances accuracy, cost, and efficiency.

Topic 2: Simple Random Sampling

Q3. Explain the concept of Simple Random Sampling. (5 Marks)

Answer: Simple Random Sampling is a probability sampling technique in which every unit of the population has an equal and independent chance of being selected. This method ensures fairness and minimizes personal bias during sample selection. The procedure begins by preparing a complete list of all population units. Each unit is assigned a number, and samples are selected randomly using methods such as the lottery method, random number tables, or computer-generated random numbers. Simple Random Sampling is easy to understand and apply when the population is relatively small and homogeneous. It provides unbiased estimates and allows statistical analysis with confidence. However, this method becomes difficult when the population is very large or geographically dispersed. It may also fail to represent all important subgroups if the population is highly diverse.

In geographical research, Simple Random Sampling is commonly used in household surveys, village studies, land-use investigations, and environmental assessments where equal opportunity for selection is required.

Q4. Describe the advantages and disadvantages of Simple Random Sampling. (5 Marks)

Answer: Simple Random Sampling offers several advantages. Every unit has an equal probability of selection, which reduces selection bias. It is easy to understand, simple to implement, and produces reliable statistical results. The method is suitable for homogeneous populations and supports objective analysis.

However, it also has limitations. It requires a complete list of the population, which may not always be available. For very large populations, preparing such a list can be difficult and expensive. The selected sample may not adequately represent all categories of the population if important groups are unevenly distributed. It is also less effective for heterogeneous populations where significant differences exist among individuals.

Therefore, while Simple Random Sampling is scientifically sound and unbiased, its effectiveness depends on the nature and size of the population under study.

Topic 3: Stratified Random Sampling

Q5. What is Stratified Random Sampling? Explain its procedure, advantages, and applications. (5 Marks)

Answer: Stratified Random Sampling is a probability sampling method in which the population is first divided into homogeneous groups called strata based on common characteristics such as age, income, land use, or occupation. Random samples are then selected independently from each stratum.

The procedure involves identifying the population, dividing it into suitable strata, determining the sample size for each group, and selecting samples randomly within every stratum.

This method offers several advantages. It ensures that every important subgroup is represented in the sample, increases the accuracy of results, and reduces sampling error. It is particularly useful when the population is heterogeneous.

However, stratified sampling requires detailed information about the population before sampling begins, making the process more complex than simple random sampling.

In geography, stratified random sampling is widely used in agricultural surveys, socio-economic studies, land-use analysis, population research, and environmental investigations where different categories of the population must be fairly represented.