Statistics:Collection of Data One Shot | NCERT Economics Chapter-2 Revision | CBSE 2024-25
Summary
यह वीडियो डेटा संग्रह की अवधारणाओं, विधियों और महत्व पर एक विस्तृत मार्गदर्शिका प्रदान करता है। इसमें प्राथमिक और द्वितीयक डेटा, विभिन्न संग्रह विधियों जैसे प्रत्यक्ष व्यक्तिगत जांच, अप्रत्यक्ष मौखिक जांच, टेलीफोन साक्षात्कार और मेल प्रश्नावली के बीच अंतर को स्पष्ट किया गया है। वीडियो सेंसस और नमूनाकरण के बीच अंतर, नमूनाकरण के फायदे और नुकसान, और यादृच्छिक और गैर-यादृच्छिक नमूनाकरण के प्रकारों की भी पड़ताल करता है। अंत में, यह सांख्यिकीय त्रुटियों और भारत में डेटा संग्रह के लिए सरकारी निकायों जैसे जनगणना और एनएसएसओ के महत्व पर प्रकाश डालता है।
Key Insights
प्राथमिक डेटा पहली बार मूल स्रोत से एकत्र किया जाता है, जबकि द्वितीयक डेटा पहले से एकत्र किए गए डेटा का उपयोग करता है।
प्राथमिक डेटा को सीधे व्यक्तियों से व्यक्तिगत पूछताछ (जैसे, जनसंख्या की जनगणना) के माध्यम से एकत्र किया जाता है। द्वितीयक डेटा वह डेटा होता है जिसे किसी अन्य संगठन द्वारा पहले ही एकत्र और प्रकाशित किया जा चुका होता है.
नमूनाकरण विधि में किसी समस्या की सभी इकाइयों के प्रतिनिधि समूह का अध्ययन शामिल है।
इसमें जनसंख्या के एक छोटे, प्रतिनिधि उपसमूह का अध्ययन करना शामिल है। यह विधि तब उपयोग की जाती है जब सभी इकाइयों का अध्ययन अव्यावहारिक या बहुत महंगा होता है।
यादृच्छिक नमूनाकरण में, जनसंख्या की प्रत्येक इकाई का नमूने में चुने जाने का एक ज्ञात मौका होता है।
यह विधि सुनिश्चित करती है कि प्रत्येक आइटम के चुने जाने की एक समान संभावना हो, जिससे पूर्वाग्रह कम हो। इसमें लॉटरी विधि या यादृच्छिक संख्या तालिकाओं का उपयोग शामिल है।
Sections
डेटा का परिचय
डेटा को व्यवसाय और समस्या-समाधान के लिए एक शक्तिशाली और संभावित रूप से खतरनाक संसाधन के रूप में प्रस्तुत किया गया है।
वक्ता बताते हैं कि डेटा (जैसे ग्राहक जानकारी) व्यवसायों के लिए बहुत मूल्यवान हो सकता है, जो उन्हें बड़े दर्शकों तक पहुंचने और बेचने में सक्षम बनाता है। यह डेटा की बिक्री और दुरुपयोग की संभावना को भी उजागर करता है, जिससे यह एक 'प्यारी' और 'हानिकारक' चीज बन जाती है।
सांख्यिकी में डेटा का महत्व समस्याओं को समझने और हल करने के लिए इसके उपयोग में निहित है।
डेटा को किसी समस्या को नेविगेट करने, समझने और उसके समाधान खोजने के लिए एक आवश्यक उपकरण के रूप में स्थापित किया गया है।
डेटा के स्रोत
डेटा को आंतरिक स्रोतों और बाहरी स्रोतों में वर्गीकृत किया गया है, जिसमें बाहरी स्रोतों को प्राथमिक और द्वितीयक में विभाजित किया गया है।
प्रस्तुत आंतरिक स्रोत कंपनी के भीतर उत्पन्न डेटा को संदर्भित करते हैं, जबकि बाहरी स्रोत बाहरी रूप से प्राप्त किए जाते हैं। बाहरी स्रोतों को आगे दो प्रकारों में विभाजित किया गया है: प्राथमिक (पहली बार एकत्र किया गया) और द्वितीयक (पहले से मौजूद डेटा)।
आंतरिक डेटा कंपनी के भीतर उत्पन्न होता है, जबकि बाहरी डेटा किसी संगठन के बाहर से प्राप्त किया जाता है।
आंतरिक स्रोतों में कंपनी के अपने कर्मचारियों या संचालन से संबंधित डेटा शामिल है (जैसे, कर्मचारियों की आयु या लिंग)। बाहरी स्रोतों में किसी संगठन के बाहर से प्राप्त जानकारी शामिल है (जैसे, पर्यटन एजेंसी द्वारा विभिन्न राज्यों में गंतव्य की जानकारी एकत्र करना)।
प्राथमिक बनाम द्वितीयक डेटा
प्राथमिक डेटा पहली बार मूल स्रोत से एकत्र किया जाता है, जबकि द्वितीयक डेटा पहले से एकत्र किए गए डेटा का उपयोग करता है।
प्राथमिक डेटा को सीधे व्यक्तियों से व्यक्तिगत पूछताछ (जैसे, जनसंख्या की जनगणना) के माध्यम से एकत्र किया जाता है। द्वितीयक डेटा वह डेटा होता है जिसे किसी अन्य संगठन द्वारा पहले ही एकत्र और प्रकाशित किया जा चुका होता है.
प्राथमिक डेटा अधिक मौलिक और विश्वसनीय होता है, लेकिन इसमें अधिक समय, लागत और प्रयास लगता है।
यह डेटा सीधे एकत्र किया जाता है, जिससे यह अधिक मूल और विश्वसनीय होता है। इसमें अधिक प्रत्यक्ष संपर्क, डेटा संग्रह, और उचित संगठन की आवश्यकता होती है, जिससे यह समय लेने वाला और महंगा हो जाता है।
द्वितीयक डेटा द्वितीयक स्रोतों से प्राप्त किया जाता है। यह सस्ता और तेज़ होता है, लेकिन इसमें मौलिकता और विश्वसनीयता की कमी हो सकती है।
यह पहले से मौजूद डेटा का उपयोग करता है, जिससे यह अधिक किफायती और तेज़ी से सुलभ हो जाता है। हालाँकि, इसकी मौलिकता और विश्वसनीयता कम हो सकती है क्योंकि इसे अन्य उद्देश्यों के लिए एकत्र किया गया हो सकता है और इसे बदला जा सकता है।
प्राथमिक डेटा सीधे तौर पर एकत्र किया जाता है, जबकि द्वितीयक डेटा पहले से मौजूद स्रोतों से प्राप्त किया जाता है।
प्राथमिक डेटा एक प्रथम-हाथ स्रोत से एकत्र किया जाता है, जैसे कि सीधे व्यक्तियों से पूछताछ। द्वितीयक डेटा डेटा होता है जिसे किसी अन्य व्यक्ति या एजेंसी द्वारा पहले ही एकत्र किया जा चुका होता है।
प्राथमिक डेटा संग्रह में अधिक समय और लागत आती है, जबकि द्वितीयक डेटा अधिक किफायती होता है।
सीधे व्यक्तियों से जानकारी एकत्र करने में अधिक मानवीय प्रयास, समय और धन की आवश्यकता होती है। पहले से उपलब्ध डेटा का उपयोग करने में कम संसाधनों की आवश्यकता होती है।
प्राथमिक डेटा को आम तौर पर द्वितीयक डेटा की तुलना में अधिक विश्वसनीय माना जाता है।
चूंकि प्राथमिक डेटा सीधे स्रोत से प्राप्त किया जाता है, इसलिए इसमें हेरफेर या त्रुटि की संभावना कम होती है। द्वितीयक डेटा को संपादित या गलत तरीके से प्रस्तुत किया जा सकता है।
प्राथमिक डेटा संग्रह की विधियाँ
प्रत्यक्ष व्यक्तिगत जांच में किसी समस्या के बारे में जानकारी सीधे सूचनादाताओं से प्राप्त करना शामिल है।
यह विधि सूचनादाताओं से आमने-सामने संपर्क करने और मौके पर ही पूछताछ करने पर निर्भर करती है। यह सीमित क्षेत्रों, विस्तृत डेटा संग्रह, और जहां गोपनीयता बनाए रखना महत्वपूर्ण है, वहां उपयुक्त है।
अप्रत्यक्ष मौखिक जांच में किसी समस्या के बारे में जानकारी रखने वाले तीसरे पक्ष से पूछताछ करना शामिल है।
यह तब उपयोगी होती है जब प्रत्यक्ष पूछताछ संभव या व्यावहारिक नहीं होती है, जैसे कि गुप्त या संवेदनशील मामलों की जांच करते समय। इसमें विश्वसनीयता और एक्यूरेसी की कमी हो सकती है क्योंकि यह द्वितीयक जानकारी पर आधारित है।
प्रत्यक्ष व्यक्तिगत जांच विस्तृत और सटीक हो सकती है लेकिन समय लेने वाली और महंगी हो सकती है।
प्रत्यक्ष संपर्क के कारण उच्च सटीकता और कस्टमाइज़ेशन की अनुमति देता है। हालांकि, बड़े क्षेत्रों में लागू होने पर यह बहुत समय और धन खर्च कर सकता है।
अप्रत्यक्ष मौखिक जांच व्यापक क्षेत्रों को कवर कर सकती है और संभावित रूप से अधिक लागत प्रभावी है।
यह एक ही व्यक्ति से कई लोगों के बारे में जानकारी प्राप्त करने की अनुमति देता है, जिससे यह अधिक किफायती हो जाता है। हालांकि, यह जानकारी में पूर्वाग्रह या अशुद्धि के कारण कम सटीक हो सकता है।
लिखित प्रश्नोत्तर विधियों में मेल प्रश्नावली और प्रश्नावली का उपयोग करके अन्वेषक द्वारा भरी गई प्रश्नावली शामिल है।
मेल प्रश्नावली सीधे उत्तरदाताओं को भेजी जाती है। अन्वेषक द्वारा भरी गई प्रश्नावली में, एक अन्वेषक उत्तरदाता से प्रश्न पूछता है और प्रतिक्रियाएं दर्ज करता है।
मेल प्रश्नावली व्यापक क्षेत्रों और साक्षर उत्तरदाताओं के लिए उपयुक्त हैं, लेकिन प्रतिक्रिया दर कम हो सकती है।
यह विधि दूरस्थ उत्तरदाताओं तक पहुंचने की अनुमति देती है। हालांकि, उत्तरदाताओं द्वारा इसे भरने के लिए साक्षर और सहकारी होना आवश्यक है, और इसमें अक्सर कम प्रतिक्रिया दर होती है।
अन्वेषक द्वारा भरी गई प्रश्नावली शिक्षित और अशिक्षित दोनों उत्तरदाताओं के लिए डेटा एकत्र करने के लिए फायदेमंद है।
यह विधि उत्तरदाताओं की साक्षरता स्थिति की परवाह किए बिना प्रभावी रूप से डेटा एकत्र कर सकती है। अन्वेषक प्रश्नों को स्पष्ट कर सकता है और प्रतिक्रियाओं को सटीक रूप से दर्ज कर सकता है।
टेलीफोन साक्षात्कार त्वरित प्रतिक्रियाओं के लिए एक कुशल तरीका है, लेकिन इसमें दृश्य संचार की कमी है।
यह विधि जल्दी से जानकारी इकट्ठा करने की अनुमति देती है, खासकर जब उत्तरदाता आसानी से संपर्क में हों। हालांकि, यह गैर-मौखिक संकेतों की कमी के कारण सीमित है।
जनगणना और नमूनाकरण जांच
जनगणना विधि में किसी समस्या से संबंधित प्रत्येक इकाई का अध्ययन शामिल है।
यह विधि जनसंख्या की प्रत्येक इकाई को शामिल करती है। यह उन स्थितियों के लिए सबसे उपयुक्त है जहां गहन अध्ययन की आवश्यकता होती है और जहां परिणाम की सटीकता अत्यंत महत्वपूर्ण होती है (जैसे, राष्ट्रीय जनगणना)।
नमूनाकरण विधि में किसी समस्या की सभी इकाइयों के प्रतिनिधि समूह का अध्ययन शामिल है।
इसमें जनसंख्या के एक छोटे, प्रतिनिधि उपसमूह का अध्ययन करना शामिल है। यह विधि तब उपयोग की जाती है जब सभी इकाइयों का अध्ययन अव्यावहारिक या बहुत महंगा होता है।
जनगणना विधि गहन अध्ययन और उच्च सटीकता प्रदान करती है, लेकिन यह महंगी और समय लेने वाली होती है।
जनगणना के परिणाम बहुत सटीक और विश्वसनीय होते हैं क्योंकि वे पूरी जनसंख्या को कवर करते हैं। हालांकि, इसके लिए भारी मात्रा में संसाधनों, समय और जनशक्ति की आवश्यकता होती है।
नमूनाकरण विधि अधिक लागत प्रभावी और तेज़ होती है, जिससे बड़े पैमाने पर डेटा संग्रह संभव होता है।
कम इकाइयों का अध्ययन करके, नमूनाकरण विधियां बहुत कम समय और धन में निष्कर्ष निकाल सकती हैं। यह इसे व्यापक जांच के लिए अधिक व्यावहारिक बनाता है।
एक अच्छे नमूने की आवश्यकताओं में प्रतिनिधित्व, पर्याप्तता, समरूपता, स्वतंत्रता और उद्देश्य के साथ मिलान शामिल है।
प्रतिनिधित्व सुनिश्चित करता है कि नमूना पूरी जनसंख्या को सटीक रूप से दर्शाता है। पर्याप्तता यह सुनिश्चित करती है कि नमूना आकार निष्कर्ष निकालने के लिए उपयुक्त है। समरूपता यह सुनिश्चित करती है कि नमूने की इकाइयां समान हैं। स्वतंत्रता का अर्थ है कि प्रत्येक इकाई का चयन स्वतंत्र है, और यह जांच के उद्देश्यों के अनुरूप होना चाहिए।
नमूनाकरण विधि में सटीक परिणाम प्राप्त करने के निष्कर्षों और सांख्यिकीय सिद्धांत के ज्ञान की आवश्यकता होती है।
छोटे नमूना आकार से प्राप्त औसत और कुल के व्यक्तिपरक होने की प्रवृत्ति होती है, जो बड़ी आबादी से प्राप्त होने की तुलना में अधिक स्थिर होते हैं।
नमूनाकरण की तकनीकें
यादृच्छिक नमूनाकरण में, जनसंख्या की प्रत्येक इकाई का नमूने में चुने जाने का एक ज्ञात मौका होता है।
यह विधि सुनिश्चित करती है कि प्रत्येक आइटम के चुने जाने की एक समान संभावना हो, जिससे पूर्वाग्रह कम हो। इसमें लॉटरी विधि या यादृच्छिक संख्या तालिकाओं का उपयोग शामिल है।
गैर-यादृच्छिक नमूनाकरण में, नमूनाकरण इकाइयों का चयन अन्वेषक के निर्णय या सुविधा पर निर्भर करता है।
इस विधि में, इकाइयों का चयन व्यक्तिपरक मानदंडों के आधार पर किया जाता है, जैसे कि उन उत्तरदाताओं का चयन करना जो आसानी से उपलब्ध हैं या अन्वेषक के स्वयं के निर्णय पर निर्भर करते हैं।
सरल यादृच्छिक नमूनाकरण और प्रतिबंधित यादृच्छिक नमूनाकरण यादृच्छिक नमूनाकरण के प्रकार हैं।
सरल यादृच्छिक नमूनाकरण में, प्रत्येक इकाई के चुने जाने की समान संभावना होती है। प्रतिबंधित यादृच्छिक नमूनाकरण में, जनसंख्या को उपसमूहों में विभाजित किया जाता है, और प्रत्येक उपसमूह से यादृच्छिक रूप से इकाइयों का चयन किया जाता है (जैसे, स्तरीकृत, व्यवस्थित, क्लस्टर)।
स्तरीकृत, व्यवस्थित, क्लस्टर और बहु-चरण नमूनाकरण प्रतिबंधित यादृच्छिक नमूनाकरण के उदाहरण हैं।
स्तरीकृत में जनसंख्या को सजातीय उपसमूहों में विभाजित करना और प्रत्येक से यादृच्छिक रूप से चयन करना शामिल है। व्यवस्थित में जनसंख्या को एक क्रम में व्यवस्थित करना और हर 'k' वीं इकाई का चयन करना शामिल है। क्लस्टर में जनसंख्या को समूहों में विभाजित करना और कुछ समूहों का यादृच्छिक रूप से चयन करना शामिल है। बहु-चरण में कई चरणों में नमूनाकरण शामिल है।
निर्णय, कोटा और सुविधा नमूनाकरण गैर-यादृच्छिक नमूनाकरण के उदाहरण हैं।
निर्णय नमूनाकरण अन्वेषक के व्यक्तिगत निर्णय पर निर्भर करता है। कोटा नमूनाकरण जनसंख्या को श्रेणियों में विभाजित करता है और प्रत्येक श्रेणी से एक निश्चित कोटा भरता है। सुविधा नमूनाकरण आसानी से उपलब्ध इकाइयों का चयन करता है।
नियम की नियमितता का नियम और बड़े समूहों के माध्यम से प्राप्त सांख्यिकीय औसत की स्थिरता नमूनाकरण के पीछे के सिद्धांत हैं।
नियम की नियमितता का नियम कहता है कि बड़ी आबादी से प्राप्त नमूने में आबादी की समान विशेषताएं होंगी। बड़े समूहों से औसत अधिक स्थिर होते हैं।
सांख्यिकीय त्रुटियाँ
सांख्यिकीय त्रुटियां डेटा संग्रह या विश्लेषण में अशुद्धियों से उत्पन्न होती हैं।
ये गलतियों के कारण हो सकती हैं जैसे कि अनुपयुक्त नमूनाकरण, गलत प्रश्नावली, डेटा में हेरफेर, या गणना में त्रुटियां।
नमूनाकरण त्रुटियां जनसंख्या के केवल एक हिस्से का अध्ययन करने से उत्पन्न होती हैं।
ये त्रुटियां तब होती हैं जब नमूना पूरी जनसंख्या का सटीक रूप से प्रतिनिधित्व नहीं करता है। गैर-नमूनाकरण त्रुटियां डेटा संग्रह, माप, या प्रसंस्करण में अन्य सभी त्रुटियों को शामिल करती हैं।
सांख्यिकीय त्रुटियों में त्रुटियों के स्रोत, हेरफेर की त्रुटियां और अपर्याप्तता की त्रुटियां शामिल हो सकती हैं।
सांख्यिकीय त्रुटियों के विभिन्न स्रोत हो सकते हैं, जिनमें गलत प्रश्नावली का डिजाइन, डेटा में जानबूझकर या अनजाने में हेरफेर, या डेटा संग्रह की अपर्याप्त प्रक्रियाएं शामिल हैं।
निरपेक्ष त्रुटि और सापेक्ष त्रुटि डेटा की सटीकता का मूल्यांकन करने के लिए उपयोग किए जाने वाले उपाय हैं।
निरपेक्ष त्रुटि अनुमानित मान और वास्तविक मान के बीच का अंतर है। सापेक्ष त्रुटि अनुमानित मान के संबंध में त्रुटि का प्रतिनिधित्व है, अक्सर प्रतिशत के रूप में व्यक्त किया जाता है।
द्वितीयक डेटा संग्रह
द्वितीयक डेटा वह डेटा है जिसे किसी अन्य संस्था द्वारा पहले ही एकत्र और प्रकाशित किया जा चुका है।
यह डेटा पहली बार एकत्र नहीं किया गया है। इसका उपयोग अन्य शोधकर्ताओं, सरकारी एजेंसियों या निजी संगठनों द्वारा किया जा सकता है।
द्वितीयक डेटा प्रकाशित और अप्रकाशित स्रोतों से प्राप्त किया जा सकता है।
प्रकाशित स्रोतों में सरकारी रिपोर्ट, अंतर्राष्ट्रीय प्रकाशन और व्यावसायिक पत्रिकाएँ शामिल हैं। अप्रकाशित स्रोतों में पांडुलिपियाँ और अनुसंधान परियोजनाएँ शामिल हो सकती हैं जिन्हें सार्वजनिक नहीं किया गया है।
द्वितीयक डेटा का उपयोग करते समय, डेटा की विश्वसनीयता, प्रयोज्यता और सटीकता पर विचार करना महत्वपूर्ण है।
यह सुनिश्चित करने के लिए कि डेटा आपके शोध उद्देश्यों के लिए उपयुक्त है, डेटा की मौलिकता, संग्रह विधि और एक्यूरेसी की सावधानीपूर्वक जांच की जानी चाहिए।
सरकारी प्रकाशन, अंतर्राष्ट्रीय संगठन और व्यापार संघ द्वितीयक डेटा के सामान्य प्रकाशित स्रोत हैं।
ये संस्थाएं अक्सर आर्थिक, जनसांख्यिकीय और सामाजिक संकेतकों पर डेटा प्रकाशित करती हैं। समाचार पत्र और पत्रिकाएँ भी सामयिक जानकारी प्रदान करती हैं।
भारत में डेटा संग्रह संस्थाएं
जनगणना 1951 से स्वतंत्र भारत में प्रत्येक 10 साल में आयोजित की जाती है, जो जनसांख्यिकीय डेटा प्रदान करती है।
यह सूचना मंत्रालय द्वारा संचालित है और जनसंख्या, लिंगानुपात, घनत्व और अन्य जनसांख्यिकीय चर के बारे में व्यापक जानकारी प्रदान करती है।
राष्ट्रीय नमूना सर्वेक्षण संगठन (NSSO) 1950 में स्थापित किया गया था ताकि बड़े पैमाने पर सांख्यिकीय डेटा एकत्र किया जा सके।
NSSO का उद्देश्य विभिन्न सामाजिक-आर्थिक, औद्योगिक और कृषि सर्वेक्षणों के माध्यम से देश भर में डेटा एकत्र करना है, जो संगठित और असंगठित दोनों क्षेत्रों को कवर करता है।
NSSO कई प्रकार के सर्वेक्षण आयोजित करता है, जिसमें अनौपचारिक क्षेत्र के सर्वेक्षण, उपभोक्ता व्यय सर्वेक्षण और रोजगार-बेरोजगारी सर्वेक्षण शामिल हैं।
संगठन भारतीय अर्थव्यवस्था के विभिन्न पहलुओं में अंतर्दृष्टि प्रदान करने के लिए डिज़ाइन किए गए आवधिक सर्वेक्षणों की एक श्रृंखला का संचालन करता है।
Ask a Question
*Uses 1 Wisdom coin from your coin balance
