Yayın:
Belirli bir alan araştırmasında en uygun olasılıklı örnekleme yönteminin belirlenmesi için bir uygulama çalışması

dc.contributor.authorAktaş, Cengiz
dc.contributor.departmentİstatistik Anabilim Dalı
dc.date.accessioned2026-07-03T17:09:55Z
dc.date.issued1989
dc.descriptionSadece dijital ortamda erişilebilir.
dc.description.abstractBu çalışmada Anadolu Üniversitesi öğrencileri için yapılacak bir alan araştırmasında en uygun olasılıklı örnekleme yönteminin belirlenmesi amaçlanmıştır. Ana kütle mevcudunun büyük olduğu durumlarda veya zaman, insangücü ve para yönünden tasarruf sağlanması amaçlandığında, örnekleme yapmak kaçınılmazdır; bazen ise örnekleme yapmak zorunlu olur. Araştırmacı kendisi için uygun yöntemi genellikle kuramsal bilgilerden yararlanarak belirleyebilmesine karşın, bazen uygulama sonuçları kuramdan farklılık gösterebilir. Bu nedenle tezde bir alan çalışmasındaki en uygun örnekleme yönteminin belirleyicileri olasılıklı örneklemenin temel öğeleri üzerinde öncelikle durulmuş, daha sonra da olasılıklı örnekleme yöntemlerinin kuramsal açıklamalarına yer verilmiştir. Uygulama çalışmasında Anadolu Üniversitesine bağlı Açıköğretim Fakültesi Açıkeğitim Bölümü öğrencileri ile örgün eğitim yapmalarına karşın İngilizce dil dersini Açıkeğitim programından izleyen fakültelerin son sınıf öğrencilerinin final notlarından yararlanılmıştır. İnceleme sonunda Anadolu Üniversitesi öğrencileriyle ilgili araştırmalarda örnekleme yapmak gerektiğinde, tek dereceli küme örneklemesinin en uygun olasılıklı örnekleme yöntemi olacağı belirlenmiştir.tr
dc.identifier.other12199
dc.identifier.urihttps://hdl.handle.net/11421/47764
dc.publisherAnadolu Üniversitesi
dc.subjectÖrnekleme (İstatistik)
dc.titleBelirli bir alan araştırmasında en uygun olasılıklı örnekleme yönteminin belirlenmesi için bir uygulama çalışması
dc.typemasterThesis
dspace.entity.typePublication

Dosyalar

Orijinal seri

Şimdi gösteriliyor 1 - 1 / 1
Yükleniyor...
Thumbnail Image
Ad:
12199.pdf
Boyut:
2.89 MB
Format:
Adobe Portable Document Format

Koleksiyonlar