Ano ang ibig sabihin ng NON-PROBABILITY SAMPLES sa Tagalog

• mga di-posibilidad samples
• non-bagay na maaaring mangyari samples
• mga di-posibilidad na mga halimbawa
• ang mga di-posibilidad na mga sample

Mga halimbawa ng paggamit ng Non-probability samples sa Ingles at ang kanilang mga pagsasalin sa Tagalog

Not all non-probability samples are the same.
Hindi lahat ng di-posibilidad samples ay ang parehong.

Now, I will show how that same idea can be applied to non-probability samples.
Ngayon, kailangan ko ipakita kung paano na parehong ideya ay maaaring inilalapat sa mga di-posibilidad samples.

Probability samples and non-probability samples are not that different in practice;
Probability samples at di-posibilidad halimbawa ay hindi na naiiba sa pagsasanay;

This section will take a mathematical approach to sampling and estimation in probability and non-probability samples.
Ang seksyon na ito ay magdadala sa isang matematiko sa sampling at kuru-kuro sa probability at di-posibilidad samples.

First, unadjusted non-probability samples can lead to bad estimates;
Una, ang mga di-sinadya na di-posibilidad na mga halimbawa ay maaaring humantong sa masamang mga pagtatantya;

These new approaches can be used with either probability samples or non-probability samples.
Ang mga bagong pamamaraang maaaring magamit sa alinman sa probabilidad halimbawa o non-bagay na maaaring mangyari samples.

With non-probability samples, weights can undo distortions caused by the assumed sampling process.
Sa mga di-posibilidad samples, weights maaaring i-undo distortions sanhi ng ipinapalagay sampling proseso.

One possible reason for these differences is that non-probability samples have improved over time.
Ang isang posibleng dahilan para sa mga pagkakaiba ay na ang mga di-posibilidad samples ay may pinabuting sa paglipas ng panahon.

With non-probability samples, weights can undo distortions caused by the assumed sampling process.
Uban sa mga dili-kalagmitan sample, mga bato sa timbangan makawagtang pagtuis tungod sa gituohan sampling proseso.

First, in the digital age, there have been many developments in the collection and analysis of non-probability samples.
Una, sa digital age, nagkaroon ng maraming mga pagpapaunlad sa koleksyon at pagtatasa ng mga di-posibilidad na mga halimbawa.

Unfortunately, when working with non-probability samples, we don't know how the sample was selected.
Sa kasamaang palad, kapag nagtatrabaho sa non-bagay na maaaring mangyari samples, hindi namin alam kung paano ang sample ay napili.

Non-probability samples need not automatically lead to something like the Literary Digest fiasco.
Ang mga di-posibilidad na mga sample ay hindi kailangang awtomatikong humahantong sa isang bagay na tulad ng pagkasira ng Literary Digest.

In the same way that researchers weight responses from probability samples, they can also weight responses from non-probability samples.
Sa parehong paraan na ang mga mananaliksik timbang tugon mula probabilidad samples, maaari din sila pagbaba kasagutan mula sa mga di-posibilidad samples.

This headline was based in part on estimates from non-probability samples(Mosteller 1949; Bean 1950; Freedman, Pisani, and Purves 2007).
Ang headline na ito ay batay sa bahagi sa mga pagtatantya mula sa mga di-posibilidad na mga halimbawa( Mosteller 1949; Bean 1950; Freedman, Pisani, and Purves 2007).

Although“Dewey Defeats Truman” happened in 1948, it is still among the reason that some researchers are skeptical about estimates from non-probability samples. Source: Harry S.
Kahit na ang" Dewey Defeats Truman" ay nangyari noong 1948, ito ay kabilang sa mga dahilan na ang ilang mga mananaliksik ay may pag-aalinlangan tungkol sa mga pagtatantya mula sa mga di-posibilidad na mga halimbawa. Pinagmulan: Harry S.

However, the second lesson is that non-probability samples, when weighted properly, can actually produce quite good estimates.
Gayunman, ang ikalawang aralin ay na non-bagay na maaaring mangyari samples, kapag tinimbang nang maayos, ay maaaring aktwal na gumawa ng lubos na mabuti estima.

At this point, we lack solid theory and empirical experience to know when weighting adjustments to non-probability samples will produce sufficiently accurate estimates.
Sa puntong ito, ang kakulangan namin solid teorya at empirical na karanasan na malaman kung kailan weighting adjustments sa mga di-posibilidad samples ay makakapagdulot ng sapat na tumpak na pagtatantya.

For a meta-analysis on the effect of weighting to reduce bias in non-probability samples, see Table 2.4 in Tourangeau, Conrad, and Couper(2013), which leads the authors to conclude“adjustments seem to be useful but fallible corrections…”.
Para sa isang meta-analysis sa epekto ng weighting upang mabawasan bias sa mga di-posibilidad samples, tingnan ang Table 2. 4 sa Tourangeau, Conrad, and Couper( 2013), na hahantong ang mga may-akda upang tapusin" adjustments mukhang kapaki-pakinabang ngunit maaaring magkamali pagwawasto…".

When there are high rates of non-response- as there are in real surveys now- the actual probabilities of inclusion for respondents are not known, and thus, probability samples and non-probability samples are not as different as many researchers believe.
Kapag may mga mataas na rate ng di-tugon-tulad ng sa real survey ngayon-ang mga aktwal na probabilidad ng pagsasama para sa mga respondent ay hindi kilala, at sa gayon, ang mga posibilidad ng mga halimbawa at di-posibilidad na mga halimbawa ay hindi kasing-iba ng maraming naniniwala ang mga mananaliksik.

One thing that is clear, however, is if you are forced to work with non-probability samples, then there is strong reason to believe that adjusted estimates will be better than non-adjusted estimates.
Ang isang bagay na ay malinaw, gayunpaman, ay kung ikaw ay pinilit na magtrabaho sa mga di-posibilidad samples, pagkatapos ay doon ay malakas na dahilan upang maniwala na nababagay pagtatantya ay magiging mas mahusay kaysa sa mga di-nababagay pagtatantya.

These techniques using auxiliary information are particularly important because, as I will show later, auxiliary information is critical for making estimates from probability samples with nonresponse and from non-probability samples.
Ang mga pamamaraan na ito gamit ang katulong na impormasyon ay partikular na mahalaga dahil, tulad ng ipapakita ko sa ibang pagkakataon, ang katulong na impormasyon ay kritikal para sa paggawa ng mga pagtatantya mula sa mga sample ng posibilidad na may mga hindi sagot at mula sa mga di-posibilidad na mga halimbawa.

In conclusion, social scientists and statisticians are incredibly skeptical of inferences from these non-probability samples, in part because they are associated with some embarrassing failures of survey research such as the Literary Digest poll.
Sa wakas, social siyentipiko at statisticians ay incredibly pag-aalinlangan ng inferences mula sa mga non-bagay na maaaring mangyari samples, sa bahagi dahil ito ay nauugnay sa ilang mga nakakahiya pagkabigo ng survey pananaliksik tulad ng poll Literary Digest.

Sometimes researchers have found that probability samples and non-probability samples yield estimates of similar quality(Ansolabehere and Schaffner 2014), but other comparisons have found that non-probability samples do worse(Malhotra and Krosnick 2007; Yeager et al. 2011).
Minsan mananaliksik ay natagpuan na probabilidad halimbawa at di-posibilidad samples ani estima ng katulad na kalidad( Ansolabehere and Schaffner 2014), ngunit ang iba pang mga paghahambing ay natagpuan na non-bagay na maaaring mangyari samples gawin mas masahol pa( Malhotra and Krosnick 2007; Yeager et al. 2011).

This framework enables us to understand new approaches to representation- in particular, non-probability samples(section 3.4)- and new approaches to measurement- in particular, new ways of asking questions to respondents(section 3.5).
Balangkas na ito ay nagbibigay-daan sa amin upang maunawaan ang mga bagong pamamaraang sa representasyon-in partikular, non-bagay na maaaring mangyari samples( Section 3. 4)- and bagong pamamaraang sa pagsukat-sa partikular, ang mga bagong paraan ng pagtatanong sa respondents( Section 3. 5).

Sometimes, researchers have found that probability samples and non-probability samples yield estimates of similar quality(Ansolabehere and Schaffner 2014), but other comparisons have found that non-probability samples do worse(Malhotra and Krosnick 2007; Yeager et al. 2011).
Minsan, natuklasan ng mga mananaliksik na ang mga sample ng probabilidad at mga di-posibilidad na mga sample ay nagbubunga ng mga pagtatantya ng magkatulad na kalidad( Ansolabehere and Schaffner 2014), subalit iba pang mga paghahambing ang natagpuan na ang mga di-posibilidad na mga sample ay mas masahol( Malhotra and Krosnick 2007; Yeager et al. 2011).

Third era Non-probability sampling Computer-administered Surveys linked to big data sources.
Ikatlong panahon Sample na hindi probabilidad Computer-administered Mga survey na naka-link sa mga malalaking data source.

Online panels can use either probability sampling or non-probability sampling.
Ang mga online na panel ay maaaring gumamit ng alinman sa posibilidad ng sampling o di-posibilidad na sampling.

Online panels can use either probability sampling or non-probability sampling.
Ang mga online nga panel mahimo magamit ang sampling sa probabilidad o dili-probability sampling.

Third era 2000- present Non-probability sampling Computer-administered Surveys linked to other data.
Third era 2000- kasalukuyan Non-bagay na maaaring mangyari sampling Computer-pinangangasiwaan Surveys naka-link sa iba pang mga data.

The simplest example of a partially controlled non-probability sampling process is quota sampling, a technique that goes back to the early days of survey research.
Ang pinakasimpleng halimbawa ng isang bahagyang kontrolado non-bagay na maaaring mangyari sampling proseso ay quota sampling, isang pamamaraan na napupunta bumalik sa mga unang araw ng survey pananaliksik.