WEBVTT

1
00:00:10.300 --> 00:00:15.100
नमूने के आकार और नमूनाकरण (सैंपलिंग) विधियों के संबंध में। हम भारतीयों

2
00:00:15.100 --> 00:00:19.100
की यह एक आम आदत है कि जब भी हम किराना दुकान पर जाते हैं या जब भी

3
00:00:19.100 --> 00:00:22.700
हम सब्जी या फल बाजार जाते हैं, तो बहुत सारी सब्जियां खरीदने

4
00:00:22.700 --> 00:00:27.800
से पहले, हम उन सभी चीजों के एक नमूने (सैंपल) की जांच

5
00:00:27.800 --> 00:00:32.800
करते हैं जिन्हें हमें खरीदना होता है।

6
00:00:32.800 --> 00:00:36.800
उदाहरण के लिए, इस तस्वीर में, यह व्यक्ति गेहूं के कुछ

7
00:00:36.800 --> 00:00:42.100
दानों को लेकर गेहूं की गुणवत्ता का आकलन करने

8
00:00:42.100 --> 00:00:46.800
का प्रयास कर रहा है। तो यह कुछ और नहीं बल्कि

9
00:00:47.100 --> 00:00:52.200
चिकित्सा अनुसंधान में सैंपलिंग की अवधारणा है। चिकित्सा अनुसंधान में, हम

10
00:00:52.200 --> 00:00:57.500
चिकित्सा अनुसंधान करने के लिए एक सैंपल

11
00:00:57.500 --> 00:01:02.700
की जांच करना चाहते हैं। जब भी हमारे पास

12
00:01:02.700 --> 00:01:06.700
एक लक्षित आबादी होती है और हम किसी विशेष चिकित्सा

13
00:01:06.800 --> 00:01:11.800
क्षेत्र से संबंधित अनुसंधान करना चाहते हैं। उदाहरण के लिए,

14
00:01:11.900 --> 00:01:16.900
मान लीजिए कि कोई डॉक्टर मधुमेह और

15
00:01:16.900 --> 00:01:21.600
मधुमेह में पैरों के अल्सर पर एक शोध करना चाहता है। तो लक्षित आबादी

16
00:01:21.600 --> 00:01:26.700
मधुमेह के वयस्क मामले होंगे और वह

17
00:01:26.700 --> 00:01:32.600
जांचना चाहता है कि मधुमेह के कितने मामलों में पैरों में अल्सर

18
00:01:32.600 --> 00:01:38.300
हैं। तो वह क्या करेगा? अपने कार्य क्षेत्र में मधुमेह के

19
00:01:38.300 --> 00:01:42.400
सभी मामलों को लक्षित करना आवश्यक नहीं है। मान लीजिए

20
00:01:42.400 --> 00:01:46.800
कि वह मुंबई शहर में अभ्यास कर रहा है। तो मुंबई

21
00:01:46.800 --> 00:01:50.700
शहर में ऐसे हजारों और लाखों लोग होंगे जिन्हें

22
00:01:50.700 --> 00:01:54.300
मधुमेह होगा। हम सिर्फ यह जांचना चाहते हैं कि मधुमेह के

23
00:01:54.300 --> 00:01:58.500
कितने प्रतिशत मामलों में पैरों के अल्सर हैं। तो वह

24
00:01:58.500 --> 00:02:03.700
क्या करेगा? वह मुंबई से कुछ ऐसे रोगियों को इकट्ठा करेगा

25
00:02:03.700 --> 00:02:08.400
जो पहले से ही मधुमेह से पीड़ित हैं और वह अपना

26
00:02:08.400 --> 00:02:13.800
शोध करेगा। वह मधुमेह के इन कुछ मामलों पर अपना

27
00:02:13.800 --> 00:02:18.600
शोध आयोजित करेगा। तो यह सैंपलिंग की अवधारणा है।

28
00:02:18.700 --> 00:02:24.400
सैंपलिंग में, हम एक विशेष चिकित्सा विषय या किसी भी चिकित्सा या

29
00:02:24.500 --> 00:02:28.600
सामाजिक विषय के बारे में एक विशेष शोध करना चाहते हैं, जिसमें

30
00:02:28.600 --> 00:02:32.400
हम उस समुदाय या आबादी में शोध करना चाहते हैं।

31
00:02:32.400 --> 00:02:37.100
आबादी के सभी रोगियों या सभी प्रतिभागियों को शामिल

32
00:02:37.100 --> 00:02:42.800
करना आवश्यक नहीं है, यह महत्वपूर्ण नहीं है। हम उनमें से

33
00:02:42.800 --> 00:02:46.800
कुछ को ले सकते हैं और शोध कर सकते हैं। सैंपलिंग, यह एक वैज्ञानिक विधि है

34
00:02:48.200 --> 00:02:53.500
जिसके द्वारा आबादी के कुछ सदस्यों को पूरी आबादी के प्रतिनिधियों के

35
00:02:53.500 --> 00:02:57.900
रूप में चुना जाता है। यह वैज्ञानिक कार्य का एक महत्वपूर्ण चरण है

36
00:02:58.200 --> 00:03:02.300
और यदि इसकी उपेक्षा की जाए, तो परिणाम अमान्य और निरर्थक हो सकते हैं। तो यह

37
00:03:02.300 --> 00:03:06.900
चिकित्सा क्षेत्र में अनुसंधान के मुख्य भागों में से एक

38
00:03:06.900 --> 00:03:12.100
है। इसलिए यदि हम वैज्ञानिक सैंपलिंग विधि से बचते हैं और यदि हम

39
00:03:12.400 --> 00:03:16.600
यह बताने में विफल रहते हैं कि सैंपल के आकार की गणना कैसे की गई थी और

40
00:03:16.600 --> 00:03:20.500
हम इस शोध के लिए इस निष्कर्ष पर कैसे पहुंचे कि इतना

41
00:03:20.500 --> 00:03:25.800
नमूना पर्याप्त है, फिर भी यह अमान्य हो सकता है और पूरी

42
00:03:25.800 --> 00:03:29.800
शोध व्यर्थ जा सकती है। नमूने में सामान्य शब्द

43
00:03:30.000 --> 00:03:35.400
सैंपलिंग तकनीक जनसंख्या है। जनसंख्या व्यक्तियों का पूरा समूह है

44
00:03:35.400 --> 00:03:40.700
या कुछ सामान्य विशेषताओं वाली वस्तुएं हैं। परिमित जनसंख्या, सभी इकाइयां

45
00:03:40.700 --> 00:03:45.900
सैंपलिंग से पहले गिनी जा सकती हैं। अनंत में सभी इकाइयों को सूचीबद्ध नहीं किया जा सकता।

46
00:03:47.900 --> 00:03:52.900
अब जनसंख्या वह पूरी पद्धति है जिसमें सैंपलिंग नमूने का

47
00:03:52.900 --> 00:03:58.200
आकार हो सकता है। सैंपलिंग एक छोटा खंड या

48
00:03:58.200 --> 00:04:04.200
अध्ययन में भाग लेने के लिए चुनी गई जनसंख्या का एक उपसमुच्चय है। अब

49
00:04:05.000 --> 00:04:09.000
सैंपलिंग से क्या तात्पर्य है? नमूना एक छोटा खंड है और सैंपलिंग

50
00:04:09.000 --> 00:04:13.100
उन विषयों को चुनने की प्रक्रिया है जो जनसंख्या का प्रतिनिधित्व करते हैं।

51
00:04:13.600 --> 00:04:19.000
यही नमूने और सैंपलिंग के बीच अंतर है। नमूना सटीक

52
00:04:19.000 --> 00:04:24.200
मामलों की संख्या है, प्रतिभागियों की सटीक संख्या है जिन्हें हम शामिल करेंगे

53
00:04:24.200 --> 00:04:29.200
अपने अध्ययन में, जबकि सैंपलिंग इन मामलों को चुनने की प्रक्रिया है

54
00:04:29.300 --> 00:04:34.600
या इन नमूनों को चुनने की प्रक्रिया है। तो यहाँ हमारे पास लक्षित

55
00:04:34.600 --> 00:04:39.800
जनसंख्या है जिसमें वह अध्ययन किया जाएगा। यहाँ हमारे पास

56
00:04:39.900 --> 00:04:45.000
अध्ययन जनसंख्या है जो सुलभ होगी। अध्ययन जनसंख्या वह जनसंख्या है

57
00:04:45.000 --> 00:04:49.300
जो सुलभ होगी, अध्ययन में शामिल होने के लिए उपलब्ध होगी

58
00:04:49.300 --> 00:04:54.400
और इस अध्ययन जनसंख्या से, हम इस नमूने को शामिल करेंगे,

59
00:04:55.000 --> 00:04:59.100
अपने शोध में इन कुछ मामलों को। ठीक है, तो यह बुनियादी

60
00:04:59.500 --> 00:05:03.900
अवधारणा है मामलों की संख्या, प्रतिभागियों की संख्या चुनने के पीछे

61
00:05:03.900 --> 00:05:09.200
सैंपलिंग में शोध। इसलिए लक्षित जनसंख्या

62
00:05:09.200 --> 00:05:13.800
वह जनसंख्या है जहां हम अपने निष्कर्षों को सामान्यीकृत करना चाहते हैं। उदाहरण के लिए,

63
00:05:13.800 --> 00:05:18.800
मुंबई शहर में मधुमेह पैर के अल्सर के उस अध्ययन में,

64
00:05:18.800 --> 00:05:23.400
डॉक्टर पाते हैं कि अध्ययन किए गए मधुमेह के 200 मामलों में से,

65
00:05:23.500 --> 00:05:28.600
पैर के अल्सर के 40 मामले थे। इसका मतलब है कि पैर का अल्सर

66
00:05:28.600 --> 00:05:34.000
मधुमेह के मामलों में प्रतिशत 20% है। और यह 20%

67
00:05:34.400 --> 00:05:39.400
मधुमेह रोगियों में पैर के अल्सर का प्रसार, इसे सामान्यीकृत किया जा सकता है

68
00:05:39.400 --> 00:05:43.800
मुंबई शहर में मधुमेह के सभी मामलों की लक्षित जनसंख्या में।

69
00:05:43.800 --> 00:05:48.900
तो हम कह सकते हैं कि मुंबई शहर में, मधुमेह

70
00:05:48.900 --> 00:05:54.500
के मामलों में मधुमेह पैर के अल्सर का 20% प्रसार है।

71
00:05:54.500 --> 00:05:59.200
भले ही हमने मधुमेह के केवल 200 मामलों का अध्ययन किया है,

72
00:05:59.200 --> 00:06:02.400
मुंबई शहर में हजारों और लाखों मामले हो सकते हैं।

73
00:06:02.400 --> 00:06:07.600
इसी तरह, हम इसे और भी बड़े पैमाने पर सामान्यीकृत कर सकते हैं।

74
00:06:07.600 --> 00:06:12.700
अध्ययन जनसंख्या वह जनसंख्या है जिस तक आपकी पहुँच होती है

75
00:06:12.800 --> 00:06:18.000
और नमूना मामलों की सटीक संख्या है, वह व्यक्ति

76
00:06:18.000 --> 00:06:21.700
जिस पर हमने अध्ययन किया है। अध्ययन जनसंख्या निर्भर करती है

77
00:06:21.700 --> 00:06:26.900
शोध के प्रश्न पर, कि भारत में लोग हर साल कितने इंजेक्शन प्राप्त करते हैं?

78
00:06:26.900 --> 00:06:30.600
ठीक है, तो इस मामले में अध्ययन जनसंख्या क्या होगी? यह

79
00:06:30.600 --> 00:06:35.600
भारत की जनसंख्या होगी। यदि अध्ययन जनसंख्या में हमें

80
00:06:35.600 --> 00:06:40.800
यह देखना हो कि स्वास्थ्य सेवा कर्मी हर साल कितनी बार सुई चुभने का अनुभव करते हैं

81
00:06:40.800 --> 00:06:44.900
भारत में प्रत्येक वर्ष। तो नीडल स्टिक इंजरी क्या हैं? मान लीजिए कि,

82
00:06:44.900 --> 00:06:50.900
उदाहरण के लिए, एक नर्स किसी मरीज का ब्लड सैंपल एकत्र कर रही है। गलती से,

83
00:06:50.900 --> 00:06:56.300
क्या होता है कि ब्लड सैंपल एकत्र करने के बाद, सुई चुभ जाती है

84
00:06:56.400 --> 00:07:00.300
नर्स के हाथ में। तो यह क्या है? यह है

85
00:07:00.300 --> 00:07:04.300
एक नीडल स्टिक इंजरी। तो हम जानना चाहते हैं कि स्वास्थ्य कर्मियों को कितनी नीडल

86
00:07:04.300 --> 00:07:09.600
स्टिक इंजरी होती हैं प्रत्येक

87
00:07:09.600 --> 00:07:13.700
वर्ष। तो अध्ययन की आबादी भारत के स्वास्थ्य कर्मी होंगे। यदि

88
00:07:13.700 --> 00:07:16.800
हम जानना चाहते हैं कि भारत में कितने अस्पतालों में नीडल स्टिक रोकथाम

89
00:07:16.800 --> 00:07:20.300
नीति है, तो अध्ययन की आबादी क्या होगी? यह होगी

90
00:07:20.300 --> 00:07:25.000
भारत में अस्पतालों की संख्या। तो इस तरह से हम

91
00:07:25.100 --> 00:07:30.100
अनुसंधान प्रश्न से, हम तय कर सकते हैं कि हमारी अध्ययन आबादी

92
00:07:30.100 --> 00:07:35.100
क्या होगी। सैंपलिंग की आवश्यकता क्यों है? यह जानकारी प्राप्त करने के लिए आवश्यक है

93
00:07:35.100 --> 00:07:40.700
बड़ी आबादी से और अध्ययन की दक्षता सुनिश्चित करने के लिए।

94
00:07:40.700 --> 00:07:46.000
अधिक सटीक जानकारी प्राप्त करने के लिए, हम सैंपलिंग करते हैं।

95
00:07:46.000 --> 00:07:50.600
सैंपलिंग शब्द हैं सैंपलिंग यूनिट या बेसिक सैंपलिंग यूनिट जो कि है

96
00:07:50.600 --> 00:07:55.000
प्राथमिक इकाई जिसका सैंपल लिया जाएगा। ठीक है, तो इस अध्ययन में यह सैंपलिंग यूनिट

97
00:07:55.000 --> 00:08:00.200
जहां हम जानना चाहते थे कि कितने अस्पतालों में

98
00:08:00.200 --> 00:08:04.600
नीडल स्टिक इंजरी नीति है। यहाँ सैंपलिंग यूनिट होगी एक

99
00:08:04.600 --> 00:08:09.900
एकल अस्पताल। ठीक है, एक एकल अस्पताल प्राथमिक इकाई होगा।

100
00:08:10.200 --> 00:08:13.100
यह उस अस्पताल का कोई मरीज या कोई डॉक्टर नहीं होगा

101
00:08:13.100 --> 00:08:17.400
उस अस्पताल में, क्योंकि हमारा शोध प्रश्न है कि कितने अस्पतालों में

102
00:08:17.500 --> 00:08:23.100
नीडल स्टिक इंजरी नीति है। तो यहाँ प्राथमिक इकाई होगी एक

103
00:08:23.100 --> 00:08:28.300
एकल अस्पताल। मुंबई शहर में डायबिटिक फुट

104
00:08:28.300 --> 00:08:32.500
अल्सर के अध्ययन में, शोध की प्राथमिक इकाई होगी

105
00:08:32.500 --> 00:08:36.800
मुंबई शहर में मधुमेह का एक मरीज।

106
00:08:36.800 --> 00:08:41.100
ठीक है। तो ये लोग हो सकते हैं, ये

107
00:08:41.100 --> 00:08:44.900
स्वास्थ्य कर्मी हो सकते हैं, ये अस्पताल हो सकते हैं। ठीक है, तो जैसा कि मैंने समझाया है

108
00:08:45.600 --> 00:08:48.800
सैंपलिंग फ्रेम क्या है? यह आबादी में सभी सैंपलिंग

109
00:08:48.800 --> 00:08:53.800
यूनिट्स की सूची है। सैंपलिंग स्कीम, यह उपयोग की जाने वाली विधि है

110
00:08:53.800 --> 00:08:57.200
सैंपलिंग फ्रेम से सैंपलिंग यूनिट्स का चयन करने के लिए। तो अब हम जानते हैं

111
00:08:57.200 --> 00:09:01.500
सैंपलिंग यूनिट क्या है। सैंपलिंग फ्रेम, हमें एक सूची की आवश्यकता है

112
00:09:01.500 --> 00:09:04.900
आबादी में सभी सैंपलिंग यूनिट्स की। यदि हम

113
00:09:04.900 --> 00:09:09.000
नीडल स्टिक इंजरी नीति वाले अस्पतालों की संख्या का अध्ययन करना चाहते हैं, तो हमें

114
00:09:09.000 --> 00:09:12.600
उस विशेष क्षेत्र के सभी अस्पतालों की सूची की आवश्यकता होगी

115
00:09:12.600 --> 00:09:15.900
जहां हम अपना अध्ययन करना चाहते हैं। मान लीजिए कि, भारत में,

116
00:09:16.000 --> 00:09:20.500
हमें भारत के सभी अस्पतालों की सूची की आवश्यकता होगी। यदि

117
00:09:20.500 --> 00:09:25.100
हम डायबिटिक फुट अल्सर का अध्ययन करना चाहते हैं, तो हमें

118
00:09:25.100 --> 00:09:29.200
मुंबई शहर में मधुमेह के सभी मामलों की

119
00:09:29.200 --> 00:09:33.800
एक सूची की आवश्यकता होगी। सैंपलिंग स्कीम वह विधि है जिसका उपयोग सैंपलिंग फ्रेम से

120
00:09:33.800 --> 00:09:38.400
सैंपलिंग यूनिट्स का चयन करने के लिए किया जाता है। तो सैंपलिंग स्कीम यह है कि वास्तव में हम कैसे जा रहे हैं

121
00:09:38.400 --> 00:09:43.800
मुंबई शहर से मधुमेह के उन 200 रोगियों को कैसे चुनें जो

122
00:09:43.800 --> 00:09:48.200
जहां हजारों और लाखों मधुमेह के मरीज हो सकते हैं। ठीक है। तो कैसे

123
00:09:48.200 --> 00:09:53.600
हम सटीक रूप से मधुमेह के इन रोगियों को चुनने जा रहे हैं? क्या

124
00:09:53.600 --> 00:09:59.400
समय, स्थान और व्यक्ति के संदर्भ में यह नमूना प्रतिनिधि है? प्रतिनिधि

125
00:09:59.400 --> 00:10:04.400
होने का क्या मतलब है? इसका मतलब है कि हमारे अध्ययन में मधुमेह के जिन 200 रोगियों

126
00:10:04.400 --> 00:10:09.400
को हमने चुना है, वे सभी के समान होने चाहिए, उदाहरण के लिए मान लें कि

127
00:10:09.400 --> 00:10:14.800
मुंबई शहर में मधुमेह के कुल 200,000 मामले हैं। इन 200,000

128
00:10:14.800 --> 00:10:18.400
मधुमेह रोगियों में से, हमने अपने शोध के लिए

129
00:10:18.400 --> 00:10:23.800
मधुमेह के 200 रोगियों को लिया है। यानी हम कुल मधुमेह

130
00:10:23.800 --> 00:10:29.400
रोगियों की संख्या का 0.1% ले रहे हैं। 200,000 में से 200

131
00:10:29.400 --> 00:10:34.600
को 100 से गुणा करके प्रतिशत निकाला जाए तो यह 0.1

132
00:10:34.600 --> 00:10:39.600
प्रतिशत होता है। ठीक है। तो समय के संदर्भ में, क्या सभी

133
00:10:39.700 --> 00:10:45.000
को समान अवधि से मधुमेह है, क्या सभी शहरी झुग्गी-झोपड़ियों

134
00:10:45.000 --> 00:10:50.200
या बहुमंजिला इमारतों या उच्च आय वाले क्षेत्रों में रह रहे हैं। और

135
00:10:50.500 --> 00:10:55.800
व्यक्ति के संदर्भ में, क्या 200 रोगियों में पुरुष और महिला का वितरण,

136
00:10:55.800 --> 00:11:00.600
आयु वितरण वैसा ही है जैसा कि

137
00:11:01.400 --> 00:11:06.900
200,000 की आबादी में है। तो क्या नमूना एक

138
00:11:06.900 --> 00:11:10.200
प्रतिनिधि नमूना है। उदाहरण के लिए, देश X का स्वास्थ्य मंत्रालय

139
00:11:10.200 --> 00:11:14.600
प्राथमिक विद्यालयों के उन बच्चों के अनुपात का अनुमान लगाना चाहता है

140
00:11:14.600 --> 00:11:18.800
जिन्हें बचपन की संक्रामक बीमारियों के खिलाफ टीका लगाया गया है।

141
00:11:18.800 --> 00:11:23.000
तो हमारे पास बचपन की विभिन्न संक्रामक बीमारियां हैं और स्वास्थ्य मंत्रालय

142
00:11:23.000 --> 00:11:28.000
यह देखना चाहता है कि प्राथमिक विद्यालयों के कितने प्रतिशत बच्चों को

143
00:11:28.000 --> 00:11:33.000
टीका लगाया गया है। कार्य एक महीने में पूरा होना चाहिए। हमारे पास केवल

144
00:11:33.000 --> 00:11:38.300
एक महीना है। इसका उद्देश्य टीकाकृत बच्चों के अनुपात का अनुमान लगाना है।

145
00:11:38.300 --> 00:11:43.200
नमूनाकरण (सैंपलिंग) के प्रकार। तो यहाँ सबसे बड़ी चुनौती यह

146
00:11:43.200 --> 00:11:46.900
है कि सिर्फ एक महीने में हम पूरे देश का

147
00:11:47.900 --> 00:11:53.000
अध्ययन नहीं कर सकते। पूरे देश में प्राथमिक विद्यालयों में जाने वाले

148
00:11:53.100 --> 00:11:58.100
लाखों-करोड़ों बच्चे होंगे। लेकिन एक महीने में हम केवल

149
00:11:58.100 --> 00:12:03.200
कुछ ही स्कूलों में जा सकते हैं और कुछ ही

150
00:12:03.200 --> 00:12:08.100
बच्चों की जांच कर सकते हैं। नमूनाकरण के प्रकारों को मोटे तौर पर

151
00:12:08.100 --> 00:12:12.400
प्रायिकता नमूनाकरण (प्रोबेबिलिटी सैंपलिंग) और गैर-प्रायिकता नमूनाकरण (नॉन-प्रोबेबिलिटी सैंपलिंग) में वर्गीकृत किया गया है। प्रायिकता नमूनाकरण में हमारे पास सरल यादृच्छिक

152
00:12:12.400 --> 00:12:17.000
नमूनाकरण, स्तरीकृत यादृच्छिक नमूनाकरण, व्यवस्थित नमूनाकरण और क्लस्टर नमूनाकरण,

153
00:12:17.000 --> 00:12:22.200
बहु-चरणीय (मल्टी-फ़ेज़ और मल्टी-स्टेज) नमूनाकरण हैं। गैर-प्रायिकता नमूनाकरण में हमारे पास सोद्देश्य, कोटा,

154
00:12:22.200 --> 00:12:27.400
स्नोबॉल नमूनाकरण, क्रमिक नमूनाकरण, सुविधा नमूनाकरण हैं। ठीक है। तो यह

155
00:12:27.500 --> 00:12:33.200
प्रायिकता और गैर-प्रायिकता नमूनाकरण के बीच का बुनियादी अंतर है। जैसा कि

156
00:12:33.300 --> 00:12:38.300
नाम से पता चलता है, प्रायिकता नमूनाकरण में प्रत्येक

157
00:12:38.300 --> 00:12:43.300
व्यक्ति, प्रत्येक इकाई, नमूनाकरण फ्रेम में प्रत्येक नमूना इकाई

158
00:12:43.300 --> 00:12:48.600
के चुने जाने की एक

159
00:12:50.500 --> 00:12:55.700
निश्चित प्रायिकता (n-वीं संभावना)

160
00:12:55.700 --> 00:13:00.800
होती है

161
00:13:00.800 --> 00:13:05.000
संभाव्यता नमूनाकरण (probability sampling) में चुने जाने की। जबकि गैर-संभाव्यता नमूनाकरण में,

162
00:13:05.000 --> 00:13:10.200
ऐसी कोई संभाव्यता नहीं होती है, कोई विशेष

163
00:13:10.200 --> 00:13:15.100
फॉर्मूला या विशेष आंकड़ा नहीं होता जहां से नमूने चुने जाएंगे। ठीक है, तो

164
00:13:15.100 --> 00:13:19.200
यही मूल अंतर है। संभाव्यता नमूनाकरण क्या है? नमूनाकरण विधि जहां

165
00:13:19.300 --> 00:13:23.200
जनसंख्या के प्रत्येक सदस्य के पास चुने जाने का समान अवसर होता है

166
00:13:23.200 --> 00:13:28.100
एक नमूने के रूप में। एकमात्र नमूनाकरण विधि जो वैध निष्कर्ष निकालने की अनुमति देती है

167
00:13:28.100 --> 00:13:33.300
एक जनसंख्या के बारे में। यादृच्छिक नमूनाकरण (random sampling) जो कि सबसे पहला है

168
00:13:33.300 --> 00:13:37.800
संभाव्यता नमूनाकरण के मामले में। यह चयन में पूर्वाग्रह (bias) की संभावना को हटाता है

169
00:13:37.800 --> 00:13:42.600
विषयों के। ठीक है, पूर्वाग्रह क्या है? पूर्वाग्रह वह गलती है जो हो सकती है

170
00:13:42.700 --> 00:13:47.400
विषयों के चयन में। यादृच्छिक नमूनाकरण यह सुनिश्चित करता है कि प्रत्येक विषय के पास

171
00:13:47.400 --> 00:13:52.200
चुने जाने की ज्ञात संभाव्यता हो और यह सांख्यिकीय सिद्धांत के अनुप्रयोग की अनुमति देता है।

172
00:13:52.200 --> 00:13:56.700
नमूनाकरण त्रुटि (sampling error), कोई भी नमूना जनसंख्या की सटीक दर्पण छवि नहीं होता है।

173
00:13:56.700 --> 00:14:01.800
त्रुटि की मात्रा को संभाव्यता नमूनों में मापा जा सकता है जिसे

174
00:14:01.800 --> 00:14:06.200
माध्य अनुपातों या अंतरों की मानक त्रुटि के रूप में व्यक्त किया जाता है और इसके कार्य

175
00:14:06.200 --> 00:14:10.300
नमूना आकार और माप में परिवर्तनशीलता को नमूनाकरण त्रुटि द्वारा किया जा सकता है।

176
00:14:11.100 --> 00:14:15.100
सरल यादृच्छिक नमूनाकरण (simple random sampling) सिद्धांत क्या है? प्रत्येक नमूनाकरण

177
00:14:15.100 --> 00:14:19.900
इकाई प्रक्रिया के लिए समान अवसर होता है। सबसे पहले, हमें सभी इकाइयों को क्रमांकित करना होगा और

178
00:14:19.900 --> 00:14:23.600
फिर हमें बेतरतीब ढंग से इकाइयों को निकालना होगा। ठीक है, तो हमारे पास मुंबई शहर में

179
00:14:23.600 --> 00:14:27.300
मधुमेह के 200,000 मामले हैं। हम जो करते हैं वह यह है कि

180
00:14:27.400 --> 00:14:32.700
हम मधुमेह के सभी 200,000 मामलों को सूचीबद्ध और क्रमांकित करते हैं

181
00:14:32.700 --> 00:14:37.300
1 से 200,000 तक और यदि हमारा नमूना आकार 200 है, तो हम

182
00:14:37.300 --> 00:14:42.400
इन 200,000 नमूनों में से 200 नंबरों को यादृच्छिक रूप से चुनते हैं

183
00:14:42.400 --> 00:14:47.600
ठीक है। लाभ यह है कि यह सरल है और नमूनाकरण त्रुटि

184
00:14:47.600 --> 00:14:52.500
आसानी से मापी जाती है। नुकसान यह है कि हमें इकाइयों की पूरी सूची की आवश्यकता होती है और

185
00:14:52.500 --> 00:14:57.600
यह सबसे अच्छा प्रतिनिधित्व प्राप्त नहीं करता है। ठीक है। तो एक

186
00:14:57.600 --> 00:15:02.800
सरल यादृच्छिक नमूनाकरण होता है और यादृच्छिक संख्याएं प्राप्त की जा सकती हैं

187
00:15:02.800 --> 00:15:07.800
बायोस्टैटिस्टिक्स पुस्तकों, अनुसंधान पद्धति पुस्तकों से जहां यादृच्छिक संख्याओं की सूची

188
00:15:07.800 --> 00:15:12.800
प्रदान की जाएगी या हम सिर्फ बायोस्टैटिस्टिकल रिसर्च,

189
00:15:13.500 --> 00:15:18.700
मेडिकल रिसर्च के लिए सॉफ्टवेयर पर जा सकते हैं जो EP info है और

190
00:15:18.700 --> 00:15:23.500
वेबसाइट गणनाएं भी EP info पर ऑनलाइन उपलब्ध हैं। तो

191
00:15:24.000 --> 00:15:27.200
इस व्याख्यान के अंत के बाद, हम देखेंगे कि हम कैसे

192
00:15:27.300 --> 00:15:32.300
EP info सॉफ्टवेयर से यादृच्छिक संख्या सूची प्राप्त कर सकते हैं और

193
00:15:32.300 --> 00:15:37.400
हम सॉफ्टवेयर में एक नमूना आकार की गणना भी करेंगे।

194
00:15:37.600 --> 00:15:41.100
ठीक है, तो यह सरल यादृच्छिक नमूनाकरण का उदाहरण है। यहाँ हमारे

195
00:15:41.100 --> 00:15:45.400
पास 1 से 48 की सूची है और इन 1 से 48 में से

196
00:15:45.400 --> 00:15:50.600
यादृच्छिक रूप से हम इन चार मामलों का चयन कर रहे हैं। तो नंबर नौ डेनिस, नंबर

197
00:15:50.600 --> 00:15:55.700
18 फ्रैंक, नंबर 32 माइक, नंबर 40 एलएम का हम चयन कर रहे हैं

198
00:15:55.700 --> 00:16:00.700
अपने नमूने में। व्यवस्थित नमूनाकरण (systematic sampling) क्या है? प्रत्येक

199
00:16:00.700 --> 00:16:06.100
K इकाई पर निकाली गई एक इकाई। तो यहाँ हमारे पास एक संख्या है जो दोहराती है और

200
00:16:06.100 --> 00:16:11.200
हम उस प्रत्येक संख्या को लेते हैं। चुने जाने का समान अवसर

201
00:16:11.400 --> 00:16:16.200
प्रत्येक इकाई प्रक्रिया से। सबसे पहले, हमें नमूना अंतराल की गणना करने की आवश्यकता है।

202
00:16:16.200 --> 00:16:20.000
K बराबर है N बटा n के। तो यह नमूना अंतराल क्या है?

203
00:16:20.000 --> 00:16:24.400
उदाहरण के लिए, मधुमेह के अध्ययनों में, हमारे पास मधुमेह के 200,000 मामले हैं।

204
00:16:25.300 --> 00:16:29.200
कैपिटल N कुल जनसंख्या है। यह 200,000 है। स्मॉल n

205
00:16:29.200 --> 00:16:33.800
हमारा नमूना आकार है। यह 200 है। तो 200,000 बटा 200, यह

206
00:16:33.800 --> 00:16:39.000
1,000 होगा। हमें शुरुआत करने के लिए K यानी 1,000 से कम की एक

207
00:16:39.100 --> 00:16:42.700
यादृच्छिक संख्या देखनी होगी। मान लीजिए उदाहरण के लिए, हमारी

208
00:16:42.700 --> 00:16:48.100
यादृच्छिक संख्या 125 है। तो यह एक यादृच्छिक संख्या 125 है।

209
00:16:48.500 --> 00:16:52.700
पहली इकाई से प्रत्येक K इकाई पर, हम चयन कर सकते हैं और हम

210
00:16:52.700 --> 00:16:58.500
एक नमूना तैयार कर सकते हैं। तो 125 जमा

211
00:16:59.400 --> 00:17:04.600
पहला रोगी 125वें नंबर का होगा। दूसरा रोगी

212
00:17:04.800 --> 00:17:10.100
1,125वां होगा। तीसरा रोगी 2,125वां होगा। चौथा

213
00:17:10.100 --> 00:17:15.200
नंबर 3,125 होगा क्योंकि यहाँ K या नमूना अंतराल

214
00:17:15.200 --> 00:17:20.300
1,000 है। इसका मतलब है कि 200,000 रोगियों में से, हमें

215
00:17:20.300 --> 00:17:25.100
मधुमेह के 200 मामलों को लेना है और उसके लिए 1,000 का नमूना अंतराल

216
00:17:25.100 --> 00:17:30.600
है। जब हमने 125 की एक यादृच्छिक संख्या चुन ली है, तो

217
00:17:30.600 --> 00:17:34.800
125 के बाद जो कि पहला मामला है, अध्ययन में शामिल होने वाला पहला रोगी होगा।

218
00:17:34.800 --> 00:17:39.800
प्रत्येक 1,000वें मामले को हम अपने

219
00:17:39.800 --> 00:17:45.200
शोध में जोड़ते रहेंगे। फायदे: सूची में प्रतिनिधित्व सुनिश्चित करता है और लागू करना आसान है।

220
00:17:45.200 --> 00:17:50.500
नुकसान: यदि सूची में चक्र (cycles) हैं तो यह खतरनाक है। व्यवस्थित नमूने का उदाहरण,

221
00:17:50.500 --> 00:17:55.400
यदि हम उन घरों का अध्ययन करना चाहते हैं जिनमें स्वच्छ पीने के

222
00:17:55.400 --> 00:18:01.000
पानी की आपूर्ति है। हमने एक कॉलोनी का चयन किया है

223
00:18:01.100 --> 00:18:05.500
और हमने अपना नमूना अंतराल पाया है जो कि आठवां घर है या

224
00:18:05.500 --> 00:18:09.800
नमूना अंतराल आठ है। हमने तीसरे घर या

225
00:18:09.800 --> 00:18:13.800
नंबर तीन घर से शुरुआत की और हम तीन जमा आठ पर गए।

226
00:18:13.800 --> 00:18:17.500
1 2 3 4 5 6 7 8. यह 11वां

227
00:18:17.500 --> 00:18:22.000
घर है। तो यह नमूना अंतराल आठ है, 11वें घर को हम

228
00:18:22.000 --> 00:18:27.200
जोड़ेंगे। फिर से, हम आठ घर आगे जाएंगे, 1

229
00:18:27.200 --> 00:18:31.000
2 3 4 5 6 7 8. 19वें घर को हम जोड़ेंगे,

230
00:18:31.100 --> 00:18:36.300
फिर से 27वें घर को, फिर 35वें घर को,

231
00:18:36.400 --> 00:18:41.800
फिर 43वें घर को, फिर 51वें घर को। तो ऊपर इस तरह

232
00:18:41.800 --> 00:18:46.400
प्रत्येक आठवें घर को हम अपने शोध में जोड़ते रहेंगे। अब

233
00:18:46.400 --> 00:18:51.300
स्तरीकृत नमूनाकरण (stratified sampling) क्या है? तो यह व्यवस्थित यादृच्छिक नमूनाकरण था। ठीक है। यह

234
00:18:51.300 --> 00:18:55.300
अब स्तरीकृत नमूनाकरण है। स्तरीकृत नमूनाकरण क्या है? सिद्धांत जनसंख्या को

235
00:18:55.300 --> 00:19:00.600
समान समूहों जैसे स्तरों (strata) में वर्गीकृत करना है। प्रत्येक स्तर में एक नमूना लें

236
00:19:00.600 --> 00:19:04.100
और इन सभी स्तरों के परिणामों को मिला दें। फायदे: यह अधिक

237
00:19:04.100 --> 00:19:09.800
सटीक होता है यदि चर स्तरों से जुड़े हों। सभी उप-समूहों का प्रतिनिधित्व होता है

238
00:19:10.000 --> 00:19:14.900
जिससे उनमें से प्रत्येक के बारे में अलग निष्कर्ष निकालने की अनुमति मिलती है। नुकसान: नमूनाकरण त्रुटि को मापना

239
00:19:14.900 --> 00:19:19.900
कठिन है। यदि व्यक्तिगत स्तरों में कम संख्या में नमूने लिए जाएं तो सटीकता का नुकसान होता है।

240
00:19:19.900 --> 00:19:25.000
स्तरीकृत नमूनाकरण का उदाहरण टीकाकरण का अनुमान लगाना है

241
00:19:25.000 --> 00:19:29.900
एक देश में कवरेज। प्रत्येक क्षेत्र से एक नमूना लिया गया और

242
00:19:29.900 --> 00:19:34.900
फिर प्रत्येक स्तर के लिए अनुमान की गणना की गई। ठीक है, तो हमें

243
00:19:35.600 --> 00:19:40.600
नमूने को विभिन्न स्तरों में विभाजित करने की आवश्यकता है। तो

244
00:19:40.600 --> 00:19:45.300
टीकाकरण कवरेज के लिए देश में, हमें प्रत्येक क्षेत्र से एक नमूना

245
00:19:45.300 --> 00:19:50.800
लेना होगा उत्तर भारत, पश्चिम भारत, पूर्व भारत, दक्षिण भारत, पूर्वोत्तर के क्षेत्र में राज्य। तो

246
00:19:51.400 --> 00:19:56.700
हमने पांच क्षेत्रों को विभाजित किया है और हम नमूने लेते हैं

247
00:19:56.700 --> 00:20:01.700
प्रत्येक क्षेत्र से और हम प्रत्येक स्तर से अनुमान की

248
00:20:01.700 --> 00:20:06.800
गणना करते हैं। देश के लिए अनुमान प्राप्त करने के लिए

249
00:20:06.800 --> 00:20:11.000
प्रत्येक स्तर को तौला गया। अब क्लस्टर सैंपलिंग क्या है? सिद्धांत यह है कि

250
00:20:11.000 --> 00:20:15.100
इकाइयों के समूहों या क्लस्टरों के यादृच्छिक नमूनों को अध्ययन में

251
00:20:15.100 --> 00:20:20.400
शामिल किया जाना चाहिए। चयनित क्लस्टरों से सभी या इकाइयों के अनुपात को शामिल किया

252
00:20:20.700 --> 00:20:24.500
जाता है। लाभ यह है कि यह सरल है, इकाइयों की कोई सूची

253
00:20:24.500 --> 00:20:27.600
आवश्यक नहीं है और कम यात्रा या संसाधनों की आवश्यकता होती

254
00:20:27.600 --> 00:20:32.800
है। मैं आपको हमारे इंद्रधनुष प्रोजेक्ट के लिए क्लस्टर सैंपलिंग का एक उदाहरण

255
00:20:32.800 --> 00:20:36.800
देता हूँ जो हमने कुछ वर्ष पहले किया था। हमें

256
00:20:36.800 --> 00:20:42.200
जो करने की आवश्यकता थी वह यह थी कि हमें एक जिले

257
00:20:42.400 --> 00:20:48.200
की टीकाकरण स्थिति की जांच करने की आवश्यकता थी।

258
00:20:48.200 --> 00:20:53.200
हमने जो किया वह यह था कि हमने उस जिले में सात

259
00:20:53.200 --> 00:20:58.000
गांवों के क्लस्टर बनाए और प्रत्येक क्लस्टर से हमने पांच वर्ष से

260
00:20:58.000 --> 00:21:02.600
कम आयु के बच्चों के 30 मामलों का चयन किया। तो इसका

261
00:21:02.600 --> 00:21:07.700
क्या लाभ था? हमें सभी गांवों के सभी बच्चों की किसी सूची की आवश्यकता

262
00:21:07.700 --> 00:21:11.500
नहीं थी। हमने बस सात यादृच्छिक गांवों का चयन किया और हम उन

263
00:21:11.500 --> 00:21:15.100
गांवों में गए और हमने प्रत्येक गांव से पांच वर्ष से कम

264
00:21:15.100 --> 00:21:19.500
आयु के 30 यादृच्छिक बच्चों का चयन किया। तो यह एक क्लस्टर सैंपलिंग

265
00:21:19.500 --> 00:21:24.800
है जहां हम सात अलग-अलग गांवों के क्लस्टर ले रहे हैं और उस

266
00:21:24.800 --> 00:21:30.000
एक क्लस्टर में हम 30 मामले ले रहे हैं। नुकसान यह है कि यदि क्लस्टर

267
00:21:30.000 --> 00:21:33.300
समानार्थी हैं तो यह त्रुटिपूर्ण है और सैंपलिंग मापना कठिन है।

268
00:21:33.300 --> 00:21:38.500
सैंपलिंग इकाई कोई व्यक्ति नहीं बल्कि व्यक्तियों का एक समूह है। इसलिए गांवों

269
00:21:38.700 --> 00:21:42.400
से पांच वर्ष से कम उम्र के 30 बच्चों का प्रत्येक समूह सैंपलिंग इकाई

270
00:21:42.400 --> 00:21:46.300
था। यह माना जाता है कि क्लस्टरों के बीच भिन्नता न्यूनतम है। प्रत्येक क्लस्टर

271
00:21:46.300 --> 00:21:51.600
के भीतर की भिन्नता वही है जो सामान्य आबादी में देखी जाती है। क्लस्टर सैंपलिंग के दो चरण,

272
00:21:51.600 --> 00:21:55.700
पहला चरण आकार के समानुपाती संभाव्यता है। शामिल किए जाने वाले क्लस्टरों की

273
00:21:55.700 --> 00:21:59.200
संख्या का चयन करें। एक भव्य कुल योग के साथ प्रत्येक

274
00:21:59.200 --> 00:22:02.600
इकाई में आबादी की एक संचयी सूची की गणना करें। भव्य कुल योग

275
00:22:02.600 --> 00:22:08.000
को क्लस्टरों की संख्या से विभाजित करें और सैंपलिंग अंतराल प्राप्त करें।

276
00:22:08.000 --> 00:22:11.100
तो हमें वास्तव में यह कैसे पता चलता है कि कितने गांवों

277
00:22:11.100 --> 00:22:15.600
को शामिल किया जाना है? उसके लिए, हमें उस जिले में उपलब्ध क्लस्टरों

278
00:22:15.600 --> 00:22:20.300
की संख्या, गांवों की कुल संख्या की आवश्यकता होगी। मान लीजिए उदाहरण के

279
00:22:20.300 --> 00:22:25.300
लिए, उस जिले में 140 गांव थे। और

280
00:22:25.400 --> 00:22:30.400
हमें 20 का सैंपलिंग अंतराल मिला। तो हर

281
00:22:30.700 --> 00:22:35.400
एक गाँव, प्रति 20 गाँवों में से, हमें एक गाँव का अध्ययन करना था

282
00:22:35.400 --> 00:22:40.400
उस विशेष अध्ययन के लिए। सैंपलिंग अंतराल 20 था और कुल संख्या

283
00:22:40.400 --> 00:22:44.900
जिले में गाँवों की 140 थी। इसलिए हमने 140 को

284
00:22:44.900 --> 00:22:49.300
सैंपलिंग अंतराल 20 से विभाजित किया। तो हमें सात का एक क्लस्टर सैंपल मिला।

285
00:22:49.400 --> 00:22:54.800
ठीक है। एक रैंडम नंबर चुनें और पहला क्लस्टर पहचानें। तो

286
00:22:54.900 --> 00:23:00.700
हम सभी नंबरों, सभी गाँवों को 1 से 140 नाम देते हैं

287
00:23:00.800 --> 00:23:05.300
और हम तीसरे गाँव से शुरू करते हैं और हर सातवें, हर 20वें

288
00:23:05.300 --> 00:23:10.500
गाँव में जाते हैं और सैंपल लेते हैं। तो तीसरा, 23वां,

289
00:23:10.700 --> 00:23:16.000
43वां, 63वां, 83वां इस तरह हमने सात गाँवों को चुना।

290
00:23:16.000 --> 00:23:20.700
सैंपलिंग अंतराल जोड़ें और दूसरे क्लस्टर की पहचान करें। दोहराकर

291
00:23:20.700 --> 00:23:24.800
यही प्रक्रिया, सभी क्लस्टर की पहचान करें। और दूसरा चरण है

292
00:23:24.800 --> 00:23:28.100
प्रत्येक क्लस्टर में विषयों या घरों के सैंपलिंग फ्रेम का उपयोग करके एक रैंडम सैंपल चुनें।

293
00:23:28.100 --> 00:23:33.100
तो इसी तरह गाँव में भी हम

294
00:23:33.100 --> 00:23:38.100
विभिन्न रैंडम नंबर सैंपल द्वारा चयन कर सकते हैं। आप उन

295
00:23:38.100 --> 00:23:43.200
प्रत्येक 30 मामलों को चुन सकते हैं। यह सब क्लस्टर सैंपलिंग के बारे में था। अब

296
00:23:43.200 --> 00:23:47.500
मल्टी-स्टेज सैंपलिंग क्या है? जैसा कि नाम से पता चलता है, इसमें चरण होते हैं। तो

297
00:23:47.500 --> 00:23:52.700
यह चरण एक है, जो लोग

298
00:23:52.700 --> 00:23:56.100
चरण एक में हैं उनका कुछ हिस्सा चरण दो में जाएगा। जो लोग

299
00:23:56.100 --> 00:23:58.600
चरण दो में हैं उनका कुछ हिस्सा चरण

300
00:23:58.600 --> 00:24:04.200
तीन में जाएगा। तो यह एक चरणबद्ध सैंपलिंग है। सिद्धांत यह है कि कई

301
00:24:04.200 --> 00:24:09.800
शृंखलाबद्ध सैंपल की आवश्यकता होती है और कई सांख्यिकीय इकाइयों की आवश्यकता होती है। लाभ यह है कि

302
00:24:10.000 --> 00:24:13.700
आबादी की कोई पूरी सूची आवश्यक नहीं है और बड़ी आबादी के लिए अधिक व्यवहार्य दृष्टिकोण है।

303
00:24:13.700 --> 00:24:19.100
नुकसान यह है कि हमें कई सैंपलिंग सूचियां बनानी पड़ती हैं और सैंपलिंग

304
00:24:19.100 --> 00:24:24.500
त्रुटि को मापना कठिन होता है। तो यह मल्टी-स्टेज सैंपलिंग

305
00:24:24.900 --> 00:24:30.100
हम भारत से तीन राज्यों 1, 2, 3 को चुनते हैं और

306
00:24:30.100 --> 00:24:35.100
हम इन दो राज्यों को बाहर करते हैं और इस एक राज्य से हम चुनते हैं

307
00:24:35.100 --> 00:24:38.900
तीन जिले 1 से 3 और इन तीन जिलों में से हम चुनते हैं

308
00:24:38.900 --> 00:24:43.900
एक जिला और हम उस जिले के इन तीन गाँवों को शामिल करते हैं

309
00:24:43.900 --> 00:24:47.500
पूरे भारत देश से। तो यह भारत से है जिसे हम

310
00:24:47.500 --> 00:24:52.500
चुनते हैं। तो कुल 27 गाँवों में से हमने चुना है

311
00:24:52.500 --> 00:24:56.700
इन तीन गाँवों को, इन नौ जिलों से, इन कुल तीन राज्यों से

312
00:24:56.800 --> 00:24:59.900
भारत देश में। तो इस तरह से हम आगे बढ़ते हैं

313
00:25:00.330 --> 00:25:04.830
मल्टी-स्टेज सैंपलिंग में। मल्टी-फेज सैंपलिंग में, सैंपलिंग विभिन्न चरणों में की जाती है।

314
00:25:05.030 --> 00:25:09.030
जानकारी का कुछ हिस्सा पूरे सैंपल से एकत्र किया जाता है और जानकारी का कुछ हिस्सा

315
00:25:09.030 --> 00:25:14.030
उप-सैंपल से। यहाँ प्रत्येक सैंपल का पर्याप्त रूप से अध्ययन किया जाता है इससे पहले कि

316
00:25:14.030 --> 00:25:19.230
उससे दूसरा सैंपल लिया जाए। उदाहरण के लिए एक तपेदिक अध्ययन। तपेदिक मल्टी-फेज

317
00:25:19.230 --> 00:25:24.230
अध्ययन चरण एक में पहले सभी में Mantoux टेस्ट किया गया था

318
00:25:24.230 --> 00:25:28.830
उन मामलों में जिनमें तपेदिक का संदेह है। उनमें से जो

319
00:25:28.830 --> 00:25:33.830
Mantoux पॉजिटिव हैं, हम एक्स-रे, चेस्ट एक्स-रे करेंगे।

320
00:25:34.230 --> 00:25:38.730
तो क्या होगा? संदिग्ध मामलों में Mantoux टेस्ट पॉजिटिव होगा

321
00:25:38.730 --> 00:25:43.530
तपेदिक के। जिनका मंटौक्स परीक्षण (Mantoux test) नकारात्मक है, हम उन्हें

322
00:25:43.530 --> 00:25:46.730
चरण दो में शामिल नहीं करेंगे। हम केवल उन्हें ही शामिल करेंगे जिनका

323
00:25:47.330 --> 00:25:50.930
मंटौक्स परीक्षण (Mantoux test) चरण दो के लिए सकारात्मक है। चरण दो में, हम

324
00:25:50.930 --> 00:25:56.030
उनका छाती का एक्स-रे करेंगे। चरण तीन के लिए, केवल वही लोग जिनका छाती का

325
00:25:56.030 --> 00:26:01.630
एक्स-रे सकारात्मक है, हम उनके बलगम (sputum) की जांच करेंगे।

326
00:26:01.630 --> 00:26:06.130
यह या तो बलगम माइक्रोस्कोपी होगी या फिर बलगम का CBNAAT

327
00:26:06.230 --> 00:26:11.230
मूल्यांकन होगा, जो कार्ट्रिज-आधारित न्यूक्लिक एसिड एम्प्लीफिकेशन टेस्ट है।

328
00:26:12.030 --> 00:26:16.930
तो यह चरण-वार नमूनाकरण (sampling) है। जिन्हें बलगम की जांच की आवश्यकता होगी, उनकी संख्या

329
00:26:16.930 --> 00:26:20.930
उन सभी मामलों की तुलना में कम होगी जिनका हमने

330
00:26:20.930 --> 00:26:26.530
मंटौक्स परीक्षण करके अध्ययन किया है, ठीक है? तो मल्टीप्लेक्स

331
00:26:26.530 --> 00:26:31.530
और मल्टी-स्टेज के बीच अंतर यह है कि मल्टी-स्टेज सैंपलिंग फ्रेम हर चरण में अलग होता है जबकि

332
00:26:31.830 --> 00:26:35.930
मल्टी-फेज में नमूने उसी चरण से लिए जाते हैं। इसका उपयोग तब किया जाता है

333
00:26:35.930 --> 00:26:40.230
जब पूरे नमूने से डेटा एकत्र करने के लिए अपर्याप्त बजट उपलब्ध हो।

334
00:26:41.230 --> 00:26:44.230
तो यह सब संभाव्यता नमूनाकरण (probability sampling) के बारे में था। अब आते हैं

335
00:26:44.230 --> 00:26:49.230
गैर-संभाव्यता नमूनाकरण (non-probability sampling) पर, कृपया याद रखें कि अस्पताल-आधारित अध्ययनों के लिए,

336
00:26:49.330 --> 00:26:54.430
उपयोग की जाने वाली सबसे आम प्रकार की नमूनाकरण विधि गैर-संभाव्यता नमूनाकरण है।

337
00:26:54.430 --> 00:26:59.730
सामुदायिक अध्ययनों के लिए, महामारी विज्ञान के अध्ययनों के लिए, फील्ड अनुसंधान के लिए, यह बहुत महत्वपूर्ण है

338
00:26:59.730 --> 00:27:05.030
कि उपयोग की जाने वाली नमूनाकरण विधि संभाव्यता नमूनाकरण हो। एक समुदाय-आधारित

339
00:27:05.030 --> 00:27:09.830
अध्ययन जो गैर-संभाव्यता नमूनाकरण का उपयोग करके किया जा रहा है,

340
00:27:09.830 --> 00:27:14.830
वह चिकित्सा अनुसंधान का एक बहुत अच्छा प्रकार नहीं है। इसलिए

341
00:27:14.930 --> 00:27:19.930
समुदाय-आधारित अध्ययनों के लिए, संभाव्यता नमूनाकरण उपयोग की जाने वाली सबसे अच्छी विधि है

342
00:27:19.930 --> 00:27:25.330
और अस्पताल-आधारित अध्ययनों के लिए, हम गैर-संभाव्यता नमूनाकरण का उपयोग कर सकते हैं या

343
00:27:25.430 --> 00:27:30.030
कुछ विशेष अध्ययनों के लिए भी हम गैर-संभाव्यता नमूनाकरण का उपयोग करते हैं। हम

344
00:27:30.030 --> 00:27:34.630
बस उनके बारे में जानेंगे। यह एक गैर-वैज्ञानिक नमूनाकरण विधि है। जनसंख्या के

345
00:27:34.630 --> 00:27:37.530
प्रत्येक सदस्य को नमूने का हिस्सा बनने का अवसर नहीं दिया जाता है।

346
00:27:37.530 --> 00:27:41.530
चयन शोधकर्ता के निर्णय पर निर्भर करता है। निर्णय नमूनाकरण (judgment sampling)

347
00:27:41.530 --> 00:27:47.130
क्या है? यह एक उद्देश्यपूर्ण या जानबूझकर किया गया नमूनाकरण है। कोटा

348
00:27:47.130 --> 00:27:51.630
नमूनाकरण, प्रत्येक पोर्ट से 10 रोगियों का चयन करना। तो कोटा नमूनाकरण यह है कि हमें

349
00:27:51.630 --> 00:27:56.030
यह देखना है कि अस्पताल में प्रदान की जाने वाली सेवाओं के संबंध में रोगी की संतुष्टि क्या है।

350
00:27:56.030 --> 00:27:59.830
तो उसके लिए, हम जो करते हैं वह यह है कि हम प्रत्येक वार्ड से

351
00:27:59.830 --> 00:28:03.630
10 मामलों का चयन करते हैं, 10 मेडिसिन पुरुष वार्ड से, 10

352
00:28:03.630 --> 00:28:07.130
मेडिसिन महिला वार्ड से, 10 स्त्री रोग (gynecology) वार्ड से, 10

353
00:28:07.130 --> 00:28:11.130
सर्जरी पुरुष, सर्जरी महिला से, 10 ऑर्थो पुरुष, ऑर्थोपेडिक महिला वार्ड से,

354
00:28:11.330 --> 00:28:15.330
10 बाल रोग (pediatric) पुरुष और महिला वार्ड से। तो हमारे पास यह कोटा

355
00:28:15.330 --> 00:28:20.630
नमूनाकरण है। यह स्तरीकृत नमूनाकरण (stratified sampling) शून्य रैंडमाइजेशन है। क्रमिक (sequential)

356
00:28:20.630 --> 00:28:24.630
नमूनाकरण, यह एक लगातार किया जाने वाला नमूनाकरण है। जनसंख्या से एक

357
00:28:24.630 --> 00:28:28.630
के बाद एक कई नमूने लिए जाते हैं। हमें यह अध्ययन करने की आवश्यकता है कि

358
00:28:29.330 --> 00:28:43.230
मधुमेह (diabetes) में क्या जटिलताएं होती हैं। तो

359
00:28:43.330 --> 00:28:46.830
क्रमिक नमूनाकरण में हम क्या करते हैं? एक अस्पताल में मधुमेह के मामलों में

360
00:28:46.830 --> 00:28:49.630
होने वाली जटिलताओं का हम अध्ययन करना चाहते हैं। हम क्या करेंगे? हम

361
00:28:49.630 --> 00:28:54.730
हम मधुमेह के मरीजों को अस्पताल में वैसे ही लेंगे जैसे वे

362
00:28:54.730 --> 00:28:59.130
एक के बाद एक घंटे में आएंगे। अब स्नोबॉल सैंपलिंग

363
00:28:59.130 --> 00:29:03.930
क्या है? शुरुआती नमूने का चयन संभाव्यता पद्धति द्वारा किया जाता है और अतिरिक्त नमूने

364
00:29:03.930 --> 00:29:08.730
शुरुआती उत्तरदाता के संदर्भ द्वारा प्राप्त किए जाते हैं। तो स्नोबॉल सैंपलिंग है

365
00:29:08.730 --> 00:29:13.730
पहले नमूनों का एक छोटा सा हिस्सा हम संभाव्यता पद्धति द्वारा चुनते हैं

366
00:29:13.730 --> 00:29:19.230
और इन मामलों के दुर्लभ होने के कारण

367
00:29:19.230 --> 00:29:23.830
या नमूने प्राप्त करने में कठिनाई होने के कारण, हम जो करते हैं वह यह है कि

368
00:29:23.830 --> 00:29:29.830
हम इस पहले शुरुआती नमूने से अन्य मामलों को ज्ञात मामलों के पास संदर्भित करते हैं,

369
00:29:29.830 --> 00:29:34.530
ठीक है? तो मुझे एक स्नोबॉल सैंपलिंग विधि याद है जो हमने

370
00:29:34.530 --> 00:29:39.530
मुंबई की शहरी मलिन बस्तियों में अंतःशिरा दवा के दुरुपयोग (intravenous drug abuse) में शामिल

371
00:29:39.630 --> 00:29:43.430
किशोरी लड़कों के लिए की थी। तो यह

372
00:29:43.430 --> 00:29:46.930
हमारे द्वारा किए गए शोधों में से एक था और हमने जो

373
00:29:46.930 --> 00:29:51.330
किया वह यह था कि हमने संभाव्यता सैंपलिंग विधि द्वारा चार या पांच लड़कों की पहचान की

374
00:29:51.330 --> 00:29:56.630
जो ज्ञात अंतःशिरा दवा के दुरुपयोगी थे और

375
00:29:56.730 --> 00:30:01.830
हमने उन्हें विश्वास में लिया। हमने उन्हें बताया कि कोई

376
00:30:01.830 --> 00:30:04.830
कानूनी कार्रवाई नहीं की जाएगी। हम केवल डॉक्टर हैं। हम

377
00:30:04.830 --> 00:30:08.030
पूछताछ करना चाहते हैं कि आप सब इसके पीछे क्यों हैं और हम आपकी

378
00:30:08.030 --> 00:30:12.230
मदद करना चाहते हैं, ठीक है? तो फिर वे खुलकर बात करने लगे और उन्होंने बताया

379
00:30:12.230 --> 00:30:15.730
ठीक है, तो इस झोपड़ी में मेरे दो दोस्त रहते हैं। इस

380
00:30:15.730 --> 00:30:20.930
गली में मेरे दो दोस्त रहते हैं। वे भी अंतःशिरा

381
00:30:20.930 --> 00:30:25.730
दवा के दुरुपयोग के आदी हैं। तो इस तरह इन करीबी सर्किलों से रेफरल द्वारा

382
00:30:25.730 --> 00:30:31.230
नमूनों की संख्या बढ़ती चली गई

383
00:30:31.230 --> 00:30:35.730
और इस तरह हमने यह स्नोबॉल सैंपलिंग की। यह दुर्लभ मामलों

384
00:30:35.730 --> 00:30:40.730
का पता लगाने में उपयोगी है। फिर हमारे पास जनगणना सैंपलिंग या यूनिवर्स सैंपलिंग है।

385
00:30:40.830 --> 00:30:44.830
एक आबादी के सभी उपलब्ध तत्वों या सदस्यों का उपयोग करने वाला अध्ययन। मान लीजिए

386
00:30:44.830 --> 00:30:50.230
उदाहरण के लिए, हमें यह जानने की आवश्यकता है कि एक मेडिकल कॉलेज में

387
00:30:50.530 --> 00:30:56.230
प्रवेश पाने वाले मेडिकल छात्रों की औसत

388
00:30:56.230 --> 00:31:00.530
ऊंचाई क्या है। तो हम क्या करेंगे? हम उन सभी MBBS

389
00:31:00.530 --> 00:31:04.130
छात्रों को शामिल करेंगे जिन्हें एक शहर के किसी विशेष मेडिकल कॉलेज में

390
00:31:04.130 --> 00:31:08.930
प्रवेश दिया गया है। मान लीजिए उदाहरण के लिए, प्रति बैच 200 छात्र हैं और

391
00:31:08.930 --> 00:31:13.030
चार MBBS बैच और एक इंटर्न बैच है। तो हमारे पास उस मेडिकल कॉलेज में

392
00:31:13.030 --> 00:31:16.430
1,000 मेडिकल छात्र हैं। तो हम क्या करेंगे? हम सैंपलिंग की

393
00:31:16.530 --> 00:31:20.830
यूनिवर्सल विधि का उपयोग करेंगे और उनकी औसत ऊंचाई की जांच करने के लिए सभी 1,000

394
00:31:20.830 --> 00:31:25.630
मामलों को, सभी 1,000 मेडिकल छात्रों को शामिल करेंगे। जब

395
00:31:25.630 --> 00:31:30.630
आपकी आबादी बहुत कम हो, जब आपके पास व्यापक संसाधन हों और

396
00:31:30.630 --> 00:31:34.030
जब आप बहुत अधिक प्रतिक्रिया की उम्मीद नहीं करते हैं। तो आप क्या

397
00:31:34.030 --> 00:31:38.430
करेंगे? हम उन सभी को अध्ययन में शामिल करते हैं। सुविधा सैंपलिंग (Convenience sampling), जिसे

398
00:31:38.430 --> 00:31:42.430
हम ज्यादातर अपने अध्ययनों में उपयोग करते हैं? नमूनों को शोधकर्ता की सुविधा

399
00:31:42.430 --> 00:31:48.730
के अनुसार शामिल किया जाता है और इसलिए सुविधा सैंपलिंग

400
00:31:49.130 --> 00:31:53.830
के गुण यह हैं कि नमूना प्राप्त करना आसान है और

401
00:31:53.830 --> 00:31:57.830
उपकरणों के परीक्षण में प्रभावी और गुणात्मक अध्ययनों में उपयोग किए जाते हैं, और गैर-संभाव्यता

402
00:31:57.830 --> 00:32:02.930
नमूनाकरण के नुकसान यह हैं कि उनमें सामान्यीकरण की कमी होती है, कोई प्रतिनिधित्व नहीं होता है और

403
00:32:02.930 --> 00:32:06.830
एक नमूनाकरण त्रुटि होती है। अब नमूना आकार की गणना पर जाने से पहले,

404
00:32:06.830 --> 00:32:11.930
एक प्रश्न है। दीया ने पूछा कि व्यवस्थित नमूनाकरण में पक्षपात कहाँ उत्पन्न हो सकता है,

405
00:32:11.930 --> 00:32:16.930
विशेष रूप से जनसंख्या में आवधिक पैटर्न के साथ।

406
00:32:16.930 --> 00:32:21.230
तो होता यह है कि जब भी हम कोई व्यवस्थित नमूनाकरण

407
00:32:21.230 --> 00:32:25.830
करने जा रहे होते हैं, तब भी यह जनसंख्या का पूर्ण

408
00:32:25.930 --> 00:32:30.130
प्रतिनिधित्व नहीं हो सकता है, क्योंकि भले ही हम इसे व्यवस्थित रूप से

409
00:32:30.130 --> 00:32:34.730
कर रहे हों, भले ही हम सभी पक्षपातों को हटाने का प्रयास करें,

410
00:32:34.730 --> 00:32:38.830
इस बात की संभावना होती है कि जो नमूने हमने एकत्र किए हैं, वे

411
00:32:38.830 --> 00:32:45.330
बिल्कुल पूरे नमूने का प्रतिनिधित्व नहीं करते हैं, ठीक है? तो अब जैसा कि

412
00:32:45.930 --> 00:32:50.130
मैंने आपको बताया है कि हमें यादृच्छिक नमूनाकरण के लिए

413
00:32:50.130 --> 00:32:55.530
यादृच्छिक संख्याएँ प्राप्त करने की आवश्यकता है, ठीक है?

414
00:32:55.530 --> 00:33:00.830
तो व्यवस्थित यादृच्छिक नमूनाकरण के लिए हमें

415
00:33:01.430 --> 00:33:05.830
यादृच्छिक संख्याओं की आवश्यकता होती है, ठीक है? तो मैं आप सभी के साथ साझा करूँगा। कृपया

416
00:33:05.830 --> 00:33:11.530
अपने वेब ब्राउज़र खोलें ताकि आप भी इसे वास्तविक समय में

417
00:33:11.530 --> 00:33:16.630
कर सकें, ठीक है? मुझे आशा है कि आप सभी मेरी स्क्रीन देख सकते हैं। तो

418
00:33:16.630 --> 00:33:25.330
यहाँ आपको जाना है और open API टाइप करना है। ठीक है,

419
00:33:25.430 --> 00:33:28.630
तो यह open API का एक मेनू है। यह एक बहुत ही

420
00:33:29.230 --> 00:33:34.630
अच्छी तरह से तैयार किया गया सॉफ़्टवेयर है। यह विभिन्न सांख्यिकीय उपकरणों के लिए

421
00:33:35.430 --> 00:33:44.130
ऑनलाइन वेबसाइट पर भी उपलब्ध है। यहाँ हमारे पास यादृच्छिक संख्याएँ हैं, ठीक है? तो

422
00:33:44.330 --> 00:33:48.030
यदि हम चाहते हैं कि यह एक उदाहरण हो, तो यादृच्छिक संख्या जनरेटर

423
00:33:48.030 --> 00:33:53.230
उन्होंने इस मॉड्यूल को समझाया है कि यह एक निश्चित सीमा के भीतर निर्दिष्ट संख्या में

424
00:33:53.230 --> 00:33:57.630
यादृच्छिक पूर्णांक उत्पन्न करता है। दशमलव परिणाम प्राप्त करने के लिए, पूर्णांक उत्पन्न करें

425
00:33:57.630 --> 00:34:01.030
और फिर आवश्यकतानुसार दशमलव बिंदु को खिसकाएं। हमें दशमलव परिणामों की

426
00:34:01.130 --> 00:34:05.530
आवश्यकता नहीं है। हमें जो चाहिए वह एक विशेष जनसंख्या में

427
00:34:05.530 --> 00:34:10.830
यादृच्छिक संख्याओं का एक सेट है, ठीक है? तो यादृच्छिक

428
00:34:10.830 --> 00:34:16.330
संख्या जनरेटर का सबसे कम मूल्य एक होगा, उच्चतम मूल्य यह होगा कि

429
00:34:16.330 --> 00:34:21.730
आपको कितने मामलों की आवश्यकता है, ठीक है? उदाहरण के लिए, हमें

430
00:34:21.730 --> 00:34:27.130
1,000 की जनसंख्या में से कुल 200

431
00:34:27.130 --> 00:34:30.830
मामलों की आवश्यकता है। तो सबसे कम मूल्य एक होगा, उच्चतम मूल्य

432
00:34:30.830 --> 00:34:36.230
1,000 होगा। कितने मामलों की आवश्यकता है? हमें 200 मामलों की आवश्यकता है और

433
00:34:36.230 --> 00:34:39.930
इसे कितने कॉलम में प्रारूपित करना है? तो पाँच कॉलम ठीक हैं और फिर

434
00:34:39.930 --> 00:34:44.630
हम 'calculate' कहते हैं। तो यहाँ 1,000 की जनसंख्या में से

435
00:34:44.830 --> 00:34:49.930
200 यादृच्छिक संख्याओं की एक सूची है। तो यदि हम 1,000

436
00:34:49.930 --> 00:34:55.430
चिकित्सा छात्रों में सरल यादृच्छिक नमूनाकरण का उपयोग करके एक अध्ययन करना चाहते हैं,

437
00:34:55.630 --> 00:35:00.530
तो हम केवल 1,000 छात्रों की संख्या को एक से

438
00:35:00.530 --> 00:35:05.230
1,000 तक सूचीबद्ध कर सकते हैं। हमें छात्रों के रोल नंबर और नाम को एक से

439
00:35:05.330 --> 00:35:09.830
1,000 तक जोड़ने की आवश्यकता है और हम open API से इस यादृच्छिक नमूना

440
00:35:09.830 --> 00:35:14.430
जनरेटर का उपयोग कर सकते हैं और आप इसे अपने शोध में उद्धृत कर सकते हैं,

441
00:35:14.530 --> 00:35:18.730
ठीक है? पद्धति में, आपको मेरे शोध के लिए इसे कोड करना होगा,

442
00:35:18.830 --> 00:35:24.030
मैंने open API से रैंडम नंबर जनरेटर का उपयोग किया। आप बस इस

443
00:35:24.030 --> 00:35:29.030
लिंक को कॉपी-पेस्ट कर सकते हैं और आप बस एक स्क्रीनशॉट अपने

444
00:35:29.030 --> 00:35:33.030
प्रोजेक्ट में या अपने लेख प्रकाशन के लिए कॉपी-पेस्ट कर सकते हैं, आप बस

445
00:35:33.030 --> 00:35:38.030
यह उल्लेख कर सकते हैं कि आपने जनरेट किए गए रैंडम नंबरों का

446
00:35:38.030 --> 00:35:43.330
उपयोग किया open API से। ठीक है, आइए एक और उदाहरण लेते

447
00:35:43.330 --> 00:35:48.530
हैं मधुमेह अध्ययन का। हम 200 मामलों को शामिल करना चाहते हैं। उच्चतम

448
00:35:48.530 --> 00:35:53.930
मूल्य 2 लाख है। हमारे पास मधुमेह के 2 लाख

449
00:35:54.030 --> 00:35:58.130
मामले हैं। तो एक से 2 लाख और हमें मधुमेह के

450
00:35:58.130 --> 00:36:03.130
200 मामलों की गणना करने की आवश्यकता

451
00:36:03.130 --> 00:36:07.830
है, ठीक है? तो यहाँ हमारे पास यदि हमारे पास मधुमेह के

452
00:36:07.830 --> 00:36:12.830
2 लाख रोगियों की सूची है और हम यहाँ 200 मामलों को

453
00:36:12.830 --> 00:36:17.830
शामिल करना चाहते हैं तो हम बस इन नंबरों

454
00:36:17.830 --> 00:36:21.830
को शामिल कर सकते हैं। तो जैसे नंबर 41,976, नंबर 4,499 को अध्ययन में

455
00:36:21.830 --> 00:36:27.030
शामिल किया जाएगा। तो यह रैंडम नंबर जनरेटर है और जिसकी

456
00:36:27.630 --> 00:36:32.730
हमें आवश्यकता है ठीक है। तो एक और प्रश्न है। बहु-केंद्र अध्ययन के लिए नमूना आकार

457
00:36:32.830 --> 00:36:38.130
की गणना करते समय परिणामों में परिवर्तनशीलता को कैसे ध्यान में रखें,

458
00:36:38.130 --> 00:36:43.130
ठीक है? तो यह एक बहुत ही तकनीकी सांख्यिकीय प्रश्न

459
00:36:43.130 --> 00:36:48.230
है। इसके लिए एक लंबे व्याख्यान की आवश्यकता होगी या बहु-केंद्र अध्ययन के लिए

460
00:36:48.230 --> 00:36:53.230
नमूना आकार की गणना करते समय परिवर्तनशीलता परिणाम कैलकुलेटर के लिए और भी लंबा व्याख्यान। लेकिन बहु-केंद्र

461
00:36:53.230 --> 00:36:58.430
अध्ययनों में भी आप विभिन्न प्रकार की नमूनाकरण विधि का

462
00:36:58.430 --> 00:37:04.330
उपयोग कर सकते हैं और इसका उपयोग बहु-केंद्र अध्ययन के लिए किया

463
00:37:04.330 --> 00:37:10.030
जा सकता है, ठीक है? तो आगे हम

464
00:37:10.130 --> 00:37:15.130
आएंगे हम एक छोटा नमूना आकार

465
00:37:15.130 --> 00:37:20.430
की गणना करेंगे संभाव्यता नमूनाकरण और व्यापकता अध्ययन के लिए, ठीक है?

466
00:37:20.730 --> 00:37:25.630
तो वर्णनात्मक अध्ययन के लिए नमूना आकार की गणना के लिए, वर्णनात्मक अध्ययन के लिए नमूना आकार

467
00:37:25.630 --> 00:37:30.030
की गणना का सूत्र n बराबर p गुणित कोष्ठक में 1 माइनस

468
00:37:30.730 --> 00:37:35.830
p और z बटा e का वर्ग है, ठीक है? तो

469
00:37:35.930 --> 00:37:39.230
ये प्रतीक क्या हैं? हम इनके बारे में जानेंगे। यहाँ p जनसंख्या में

470
00:37:42.330 --> 00:37:47.430
रुचि के चर के साथ अपेक्षित अनुपात का अनुमान है। तो p जो

471
00:37:48.230 --> 00:37:53.730
हमारे पास p के रूप में है

472
00:37:54.330 --> 00:38:00.130
वह चर के साथ अपेक्षित अनुपात का अनुमान है, ठीक है? यह

473
00:38:00.130 --> 00:38:04.930
एक संख्या हो सकती है। मान लीजिए उदाहरण के लिए मधुमेह पैर के

474
00:38:05.230 --> 00:38:10.230
अल्सर के अध्ययन के लिए, हमारे पास मधुमेह के मामले हैं। उसके

475
00:38:10.230 --> 00:38:14.930
लिए, हमें या तो भारत में या शहरी झुग्गियों में या भारतीय महानगरीय शहर

476
00:38:14.930 --> 00:38:19.530
में या पूरी दुनिया में मधुमेह के अनुपात की आवश्यकता है। तो

477
00:38:19.830 --> 00:38:23.330
इनमें से किसी भी अनुपात का उपयोग हम p के रूप में कर

478
00:38:23.330 --> 00:38:26.430
सकते हैं। यदि यह प्रतिशत के रूप में है तो

479
00:38:26.430 --> 00:38:31.930
10% के लिए हम 0.1 का उपयोग करेंगे। 15.4% के लिए

480
00:38:32.030 --> 00:38:37.130
हम 0.154 का उपयोग करेंगे,

481
00:38:37.230 --> 00:38:42.330
ठीक है? यहाँ उल्लेखित q होगा

482
00:38:42.430 --> 00:38:46.330
1 - p, ठीक है? तो q का अर्थ है 1 - p।

483
00:38:47.130 --> 00:38:51.030
e स्क्वायर का अर्थ e और कुछ नहीं बल्कि परिशुद्धता स्तर है। हम

484
00:38:51.030 --> 00:38:56.430
5%, 7% या 10% की परिशुद्धता ले सकते हैं, 10% से अधिक

485
00:38:56.430 --> 00:39:01.330
हमें e या परिशुद्धता स्तर नहीं लेना चाहिए।

486
00:39:01.330 --> 00:39:05.130
5% परिशुद्धता का आदर्श स्तर है जिसे नमूना आकार की

487
00:39:05.130 --> 00:39:10.330
गणना के लिए शामिल किया जा सकता है। चार और कुछ नहीं बल्कि z स्क्वायर है। z

488
00:39:10.330 --> 00:39:15.530
वांछित आत्मविश्वास के स्तर के लिए आंकड़े हैं जो कि 0.05 है

489
00:39:15.630 --> 00:39:20.730
जो 95% आत्मविश्वास अंतराल के लिए 1.96 आता है।

490
00:39:20.730 --> 00:39:25.330
z और कुछ नहीं बल्कि 1.96 है जिसे पूर्णांकित कर दो किया गया है। इसलिए

491
00:39:25.330 --> 00:39:29.830
इस सूत्र के अनुसार z स्क्वायर, z स्क्वायर चार हो जाएगा।

492
00:39:30.430 --> 00:39:34.830
तो सरल शब्दों में यह सूत्र है, नमूना आकार n बराबर है

493
00:39:34.830 --> 00:39:38.830
चार गुणे p गुणे 1 - p जो कि q है,

494
00:39:38.830 --> 00:39:43.030
और e स्क्वायर द्वारा विभाजित, ठीक है? तो यह वह सूत्र है

495
00:39:43.030 --> 00:39:48.030
जिसका उल्लेख आप अपनी शोध पद्धति में कर सकते हैं कि नमूना

496
00:39:48.030 --> 00:39:52.230
आकार की गणना के लिए आप अनुपात से नमूना आकार की गणना के सूत्र

497
00:39:52.230 --> 00:39:55.430
का उपयोग करेंगे जो कि n बराबर चार pq

498
00:39:55.430 --> 00:40:00.230
भागे e स्क्वायर होगा। तो आपके द्वारा किए जाने वाले अधिकांश अध्ययनों में यह

499
00:40:00.330 --> 00:40:05.330
सूत्र लागू होगा। उदाहरण के लिए, यदि हम एक शहरी स्लम में

500
00:40:05.330 --> 00:40:10.730
डायबिटिक रेटिनोपैथी के प्रसार का अध्ययन करना चाहते हैं, तो आवश्यक अनुपात या

501
00:40:10.730 --> 00:40:14.130
p जिसका हम उपयोग करेंगे वह या तो मधुमेह का प्रसार होगा या

502
00:40:14.130 --> 00:40:19.130
किसी शोध लेख से डायबिटिक रेटिनोपैथी का प्रसार होगा और

503
00:40:19.330 --> 00:40:23.430
हम इस शोध लेख को आपके नमूना आकार की गणना की पद्धति में

504
00:40:23.430 --> 00:40:28.430
उद्धृत कर सकते हैं कि इस मामले में कुमार एट अल द्वारा किए गए

505
00:40:28.430 --> 00:40:33.230
एक शोध लेख में मधुमेह का प्रसार 10.5% बताया गया है

506
00:40:33.230 --> 00:40:37.530
जो कि p बराबर 10.5% है

507
00:40:37.930 --> 00:40:43.130
जो कि 0.105 के बराबर है। q होगा 1 - p जो

508
00:40:43.130 --> 00:40:48.330
कि 0.895 होगा और 5% की पूर्ण त्रुटि पर

509
00:40:48.330 --> 00:40:53.530
विचार करते हुए जो कि 0.05 होगी। यहाँ नमूना आकार की गणना

510
00:40:53.530 --> 00:40:57.030
होगी n बराबर चार pq भागे e स्क्वायर। यह

511
00:40:57.030 --> 00:41:03.730
होगा चार गुणे 0.105 गुणे 0.895

512
00:41:03.830 --> 00:41:09.130
e स्क्वायर द्वारा विभाजित। e जो कि 0.05 या 5% है

513
00:41:09.130 --> 00:41:15.030
यह लगभग 151 आएगा। तो हम उद्धृत करेंगे कि

514
00:41:15.030 --> 00:41:19.830
कुमार एट अल ने मधुमेह का प्रसार 10.5% बताया और हम

515
00:41:19.930 --> 00:41:24.030
एक शहरी स्लम में डायबिटिक रेटिनोपैथी के इस प्रसार के लिए नमूना आकार ले रहे हैं।

516
00:41:24.030 --> 00:41:29.430
लिया जाने वाला नमूना आकार 151 या 151 से

517
00:41:30.330 --> 00:41:35.730
अधिक कोई भी संख्या होगी, ठीक है? तो यदि हमारे पास 160 योग्य

518
00:41:35.730 --> 00:41:39.530
मामले हैं, तो हम सभी 160 मामलों को शामिल करेंगे। हम बस

519
00:41:39.530 --> 00:41:44.430
एक पंक्ति जोड़ेंगे कि गणना किया गया नमूना आकार 151 था लेकिन हमें

520
00:41:44.430 --> 00:41:49.230
151 से अधिक मामले मिले जैसे 160। इसलिए हमने सभी को शामिल किया

521
00:41:49.230 --> 00:41:53.230
हमारे अध्ययन में 160 मामले या 200 मामले। नमूने का आकार इस

522
00:41:53.530 --> 00:41:57.730
सूत्र से गणना करने पर यह न्यूनतम नमूना आकार होना चाहिए। अध्ययन में मधुमेह

523
00:41:57.730 --> 00:42:01.830
के कम से कम 151 मामलों को शामिल किया जाना चाहिए। इससे कम आप

524
00:42:01.830 --> 00:42:05.230
शामिल नहीं कर सकते लेकिन इससे अधिक, हाँ हम कर सकते हैं।

525
00:42:06.330 --> 00:42:11.730
ठीक है? तो इससे सीख यह मिलेगी कि हम पूरी आबादी

526
00:42:11.730 --> 00:42:16.730
का अध्ययन नहीं कर सकते। इसलिए हम इसे नमूनों के रूप में

527
00:42:16.730 --> 00:42:20.630
कम करते हैं। नमूना लेने से नमूनाकरण त्रुटि (sampling error) होती है जो मापने

528
00:42:20.630 --> 00:42:25.830
योग्य है, अच्छा डिज़ाइन और गुणवत्ता आश्वासन वैधता सुनिश्चित करते हैं और उचित नमूना आकार सटीकता सुनिश्चित करेगा।

529
00:42:25.830 --> 00:42:30.730
संभाव्यता नमूने ही एकमात्र ऐसे नमूने हैं जो आंकड़ों के उपयोग की अनुमति देते हैं जैसा

530
00:42:30.730 --> 00:42:35.330
कि हम जानते हैं और आगे पढ़ने के लिए आप रिसर्च गाइड पर

531
00:42:35.330 --> 00:42:40.330
पाठ्यपुस्तक जाकर पढ़ सकते हैं जहां हमारे पास अनुसंधान

532
00:42:41.730 --> 00:42:45.830
में नमूना आकार की गणना और नमूनाकरण विधियों के विषय हैं। ठीक है? तो चलिए

533
00:42:45.830 --> 00:42:50.830
ओपन एपीआई सॉफ्टवेयर का उपयोग करके नमूना आकार की गणना का एक

534
00:42:51.130 --> 00:42:56.330
और उदाहरण लेते हैं, ठीक है? तो वही वेबसाइट ओपन एपीआई का आप

535
00:42:56.330 --> 00:43:01.530
बस उल्लेख कर सकते हैं, आप बस इसका स्क्रीनशॉट ले सकते हैं।

536
00:43:01.530 --> 00:43:05.030
नमूना आकार की गणना के लिए, आप यादृच्छिक संख्या गणना के लिए openapi.com का

537
00:43:05.030 --> 00:43:11.030
उपयोग कर रहे होंगे। आप openapi.com का भी उपयोग कर रहे होंगे, ठीक है? तो मैं वही

538
00:43:11.030 --> 00:43:16.030
उदाहरण लूंगा। मैं आपको दिखाऊंगा कि हमें मधुमेह की व्यापकता 10.5% के बारे

539
00:43:16.030 --> 00:43:20.430
में कैसे पता चला, ए कुमार द्वारा इस लेख का उपयोग करके, जो

540
00:43:20.630 --> 00:43:25.030
कि ए कुमार द्वारा एक समीक्षा लेख है गूगल स्कॉलर का

541
00:43:25.030 --> 00:43:30.230
उपयोग करके, और 151 का आंकड़ा हम इस सूत्र का उपयोग करके

542
00:43:30.230 --> 00:43:34.230
लाए हैं लेकिन ईपी इन्फो का उपयोग करके यह थोड़ा कम होगा।

543
00:43:34.230 --> 00:43:39.430
तो हम बस जाकर प्रयास करेंगे। तो मेरे साथ कुछ और

544
00:43:39.430 --> 00:43:44.430
मिनट बने रहें। तो हम

545
00:43:44.430 --> 00:43:49.630
एक लेख करना चाहते हैं। हम करना चाहते

546
00:43:50.530 --> 00:43:56.330
हैं नमूना आकार। हम ओपन एपीआई से नमूना आकार की जांच

547
00:43:56.430 --> 00:44:01.930
करना चाहते हैं, ठीक है? तो यहाँ पहले

548
00:44:01.930 --> 00:44:06.430
मैं गूगल स्कॉलर में भारत में मधुमेह की व्यापकता के बारे में खोजता हूँ। ठीक

549
00:44:06.430 --> 00:44:09.930
है, यह सामान्य गूगल नहीं है। यह गूगल स्कॉलर है या इसी

550
00:44:09.930 --> 00:44:14.930
तरह से आप पबमेड में खोज सकते हैं। तो हमें टाइप टू मधुमेह के महामारी

551
00:44:14.930 --> 00:44:19.130
विज्ञान, मधुमेह की व्यापकता और प्रवृत्तियों, मधुमेह की उच्च व्यापकता, भारत में टाइप टू मधुमेह के महामारी विज्ञान

552
00:44:19.430 --> 00:44:23.530
के बारे में अलग-अलग लेख मिले और यह लेख ए कुमार द्वारा है

553
00:44:23.730 --> 00:44:26.730
जिसमें मधुमेह की व्यापकता दी गई है भारत में, मधुमेह एटलस के

554
00:44:26.730 --> 00:44:31.230
10वें संस्करण की समीक्षा। जब हम ए कुमार के इस लिंक को खोलते

555
00:44:31.230 --> 00:44:35.030
हैं, तो हमें भारत में मधुमेह की व्यापकता मिली और उन्होंने रिपोर्ट

556
00:44:35.030 --> 00:44:41.530
किया है कि विश्व भर में व्यापकता के अनुसार मधुमेह विश्व भर

557
00:44:41.530 --> 00:44:47.030
में अनुमानित 537 मिलियन वयस्कों को प्रभावित करता है, ठीक है? और यह इस

558
00:44:47.030 --> 00:44:52.130
आयु वर्ग के सभी वयस्कों का लगभग 10.5% है। तो यह

559
00:44:52.130 --> 00:44:57.430
पूरी दुनिया में मधुमेह के लिए 10.5% की व्यापकता है,

560
00:44:57.430 --> 00:45:01.130
ठीक है? इसलिए हम इस व्यापकता का उपयोग कर सकते हैं लेकिन अधिक

561
00:45:01.230 --> 00:45:06.830
भारत में मधुमेह के मामलों की संख्या सटीक होगी, ठीक है? इस

562
00:45:06.830 --> 00:45:10.630
प्रसार का उपयोग करके, हम क्या करेंगे कि हम

563
00:45:10.830 --> 00:45:14.930
ओपन एपीआई मेनू पर जाएंगे। हम सैंपल साइज पर जाएंगे। हम

564
00:45:14.930 --> 00:45:20.830
प्रपोर्शन (अनुपात) पर जाएंगे। प्रपोर्शन में, हम

565
00:45:20.830 --> 00:45:23.730
नया डेटा दर्ज करेंगे। तो यह प्रपोर्शन का सैंपल साइज है

566
00:45:23.730 --> 00:45:29.330
और यहाँ उन्होंने बताया है कि यह मॉड्यूल प्रपोर्शन से

567
00:45:29.330 --> 00:45:33.930
सैंपल साइज की गणना कैसे करता है, ठीक है? अब हम

568
00:45:34.230 --> 00:45:39.530
नया डेटा दर्ज करें पर जाते हैं। इसके लिए हमें पॉपुलेशन साइज (जनसंख्या आकार) की आवश्यकता है। यह

569
00:45:39.530 --> 00:45:44.530
महत्वपूर्ण नहीं है। इस पॉपुलेशन साइज को बदलना आवश्यक नहीं है। यदि हम

570
00:45:44.530 --> 00:45:48.430
सटीक जनसंख्या जानते हैं, उदाहरण के लिए मुंबई शहर में, आप

571
00:45:48.430 --> 00:45:52.130
जानते हैं कि मुंबई शहर में 2 करोड़ लोग रहते हैं। आप

572
00:45:52.130 --> 00:45:56.430
2 करोड़ लोग दर्ज कर सकते हैं, ठीक है? या बस इसे ऐसे ही छोड़ दें। प्रत्याशित

573
00:45:56.630 --> 00:46:02.630
आवृत्ति यहाँ। हमें 10.5% की प्रत्याशित आवृत्ति मिली है।

574
00:46:02.730 --> 00:46:08.830
तो यहाँ यह प्रतिशत में है, ठीक है? 10.5%। कॉन्फिडेंस लेवल, लिमिट,

575
00:46:09.330 --> 00:46:14.030
प्रतिशत या एब्सोल्यूट प्रेसिजन (पूर्ण सटीकता)। तो यह एब्सोल्यूट प्रेसिजन ई है जो

576
00:46:14.030 --> 00:46:18.730
5% है। हमें इसे इसी तरह रखना होगा और यह डिजाइन इफेक्ट

577
00:46:18.730 --> 00:46:24.330
भी हमें एक ही रखना होगा, देखिए। तो

578
00:46:24.430 --> 00:46:30.230
95% के कॉन्फिडेंस इंटरवल के लिए सैंपल साइज 145 आता है।

579
00:46:30.330 --> 00:46:35.330
हमने जो गणना की थी वह 151 थी। ऐसा इसलिए था क्योंकि हमने

580
00:46:35.430 --> 00:46:40.530
जेड स्क्वायर (z square) को चार मान लिया था, ठीक है? वास्तव में जेड

581
00:46:40.530 --> 00:46:46.330
स्क्वायर 1.96 का वर्ग है जो लगभग 3.84

582
00:46:46.330 --> 00:46:51.230
आता है, ठीक है? लेकिन उस वजह से उस फॉर्मूले फोर पीक्यू बाय ई स्क्वायर (4pq/e2) से

583
00:46:51.230 --> 00:46:55.830
हमें ये पांच छह मामले अधिक मिले हैं।

584
00:46:55.930 --> 00:47:00.030
तो यह 95% का सैंपल साइज है जो हमें मिला है, वह

585
00:47:00.530 --> 00:47:05.630
145 है। यदि हम 97% कॉन्फिडेंस

586
00:47:05.630 --> 00:47:10.830
इंटरवल पर जाना चाहते हैं, तो सैंपल साइज 177 होगा या 99% कॉन्फिडेंस इंटरवल पर,

587
00:47:10.930 --> 00:47:16.330
सैंपल साइज 250 होगा। तो इस तरह से हम विभिन्न शोधों के लिए

588
00:47:16.330 --> 00:47:22.230
सैंपल साइज की गणना कर सकते हैं। उदाहरण के लिए, यदि आप गर्भावस्था में एनीमिया

589
00:47:22.230 --> 00:47:26.630
के प्रसार या गर्भावस्था में एनीमिया के किसी भी विषय पर

590
00:47:26.730 --> 00:47:31.830
अध्ययन करना चाहते हैं, तो हम बस गूगल स्कॉलर में शोध लेख खोजेंगे

591
00:47:31.930 --> 00:47:36.330
कि गर्भावस्था में एनीमिया का प्रसार क्या है? इसलिए

592
00:47:36.830 --> 00:47:42.430
हम बस इसे खोलने का प्रयास करेंगे यदि कहीं प्रसार का उल्लेख किया गया है

593
00:47:42.830 --> 00:47:47.030
और हमें एक ऐसी संख्या खोजने की आवश्यकता है जो प्रसार को दर्शाती हो

594
00:47:47.130 --> 00:47:51.230
कि गर्भावस्था में एनीमिया का प्रसार इतना है। तो

595
00:47:51.230 --> 00:47:55.230
यहाँ उन्हें गर्भवती महिलाओं में एनीमिया का समग्र प्रसार

596
00:47:55.230 --> 00:48:00.730
36.8% मिला है, ठीक है? जो लगभग 38%, 37% है,

597
00:48:00.730 --> 00:48:06.030
माफ़ कीजिएगा। तो हम मुहम्मद करामी

598
00:48:06.030 --> 00:48:09.530
इत्यादि द्वारा किए गए इस अध्ययन को उद्धृत कर सकते हैं। तो यह एम करामी इत्यादि हैं। यदि हम

599
00:48:09.530 --> 00:48:14.030
इस लेख को उद्धृत करना चाहते हैं, तो आप बस साइट (cite) पर क्लिक कर सकते हैं और

600
00:48:14.030 --> 00:48:18.830
आप यहाँ से वैंकूवर शैली के उद्धरणों को कॉपी कर सकते हैं और आप

601
00:48:18.830 --> 00:48:23.030
आप इसे केवल कंट्रोल सी या कॉपी कर सकते हैं और आप कॉपी कर सकते हैं

602
00:48:23.930 --> 00:48:28.430
और इसे अपने संदर्भों में पेस्ट कर सकते हैं। तो एम करामी एट अल कहते हैं

603
00:48:28.430 --> 00:48:34.230
कि गर्भावस्था में एनीमिया का वैश्विक प्रसार 37% है।

604
00:48:34.530 --> 00:48:39.430
अब हम एनीमिया के प्रसार और गर्भावस्था के लिए नमूना आकार की गणना करना चाहते हैं।

605
00:48:39.430 --> 00:48:44.030
हम ओपन एपीआई मेनू, नमूना आकार, अनुपात पर जाएंगे।

606
00:48:44.130 --> 00:48:48.430
अनुपात में, हम नया डेटा दर्ज करने पर जाएंगे। अनुमानित आवृत्ति

607
00:48:48.430 --> 00:48:54.030
37% है, आत्मविश्वास अंतराल, आत्मविश्वास सीमा या पूर्ण सटीकता 5% है

608
00:48:54.330 --> 00:48:59.130
और हम बस गणना पर क्लिक करेंगे। 95% आत्मविश्वास अंतराल के लिए, हमें

609
00:48:59.130 --> 00:49:04.230
एनीमिया के 359 मामलों को शामिल करने की आवश्यकता है, ठीक है?

610
00:49:04.330 --> 00:49:08.330
तो इस तरह विभिन्न अध्ययनों के लिए नमूना आकार की गणना की जाएगी

611
00:49:08.330 --> 00:49:13.030
और यदि आपके कोई प्रश्न हैं या यदि आप चाहते हैं कि मैं

612
00:49:13.030 --> 00:49:19.430
नमूना आकार की गणना के संबंध में आपका मार्गदर्शन करूं, तो हाँ। तो

613
00:49:21.830 --> 00:49:26.030
नमूना आकार पर अनुमानित क्षरण दर का क्या प्रभाव पड़ता है? हाँ।

614
00:49:26.030 --> 00:49:30.130
तो यह एक प्रतिभागी द्वारा पूछा गया बहुत अच्छा प्रश्न है। तो

615
00:49:30.130 --> 00:49:35.630
अनुमानित क्षरण दर के लिए, आप अपने अध्ययन में केवल 10% अधिक

616
00:49:35.630 --> 00:49:40.730
नमूने शामिल कर सकते हैं। मान लीजिए उदाहरण के लिए, इस विशेष अध्ययन के लिए

617
00:49:40.730 --> 00:49:44.830
इस विशेष नमूना आकार में, हमें 359 का नमूना आकार मिला। आप

618
00:49:44.830 --> 00:49:48.430
क्षरण दर की भरपाई के लिए या डेटा के नुकसान, फॉलो-अप के नुकसान की

619
00:49:48.430 --> 00:49:52.830
भरपाई के लिए बस एक पंक्ति जोड़ें। हम 10% अधिक मामले शामिल करेंगे।

620
00:49:52.830 --> 00:49:58.030
यह 359 प्लस 10% लगभग 36 मामले होंगे और

621
00:49:58.030 --> 00:50:02.200
वह कुल मिलाकर लगभग 400 मामले होंगे। तो इस विशेष

622
00:50:02.200 --> 00:50:07.400
अध्ययन के लिए आप 10% अधिक मामले शामिल कर सकते हैं

623
00:50:07.400 --> 00:50:11.900
और आप संशोधित नमूना आकार को कुल 400 मामलों के

624
00:50:11.900 --> 00:50:17.100
रूप में उचित ठहरा सकते हैं। तो विभिन्न नमूनाकरण तकनीकों

625
00:50:17.100 --> 00:50:22.200
और नमूना आकार गणना व्यावहारिक प्रशिक्षण के संबंध में बस इतना ही। मैं फिर से

626
00:50:22.500 --> 00:50:27.800
मेटा यूनिवर्सिटी द्वारा एसिमिलेट और डॉ. मैडम को इस शोध के संचालन

627
00:50:28.100 --> 00:50:32.700
और आयोजन के लिए बहुत-बहुत धन्यवाद देता हूँ। तो बहुत-बहुत धन्यवाद डॉ.

628
00:50:32.700 --> 00:50:35.800
सुपर्णा मैम और प्रश्नों के लिए तथा धैर्यपूर्वक सुनने के लिए

629
00:50:35.800 --> 00:50:38.100
सभी प्रतिभागियों को बहुत-बहुत धन्यवाद।