What is the translation of " NON-PROBABILITY " in Hebrew?

• לא הסתברות
• אינם הסתברות
• לא הסתברותיות

Examples of using Non-probability in English and their translations into Hebrew

First, unadjusted non-probability samples can lead to bad estimates;
ראשית, ללא הסתגלות לא הסתברות דגימות יכול להוביל הערכות רעות;

First, in the digital age, there have been many developments in the collection and analysis of non-probability samples.
שנית, חלו התפתחויות רבות לאיסוף וניתוח של דגימות בלתי סבירות.

First, unadjusted non-probability samples can lead to bad estimates;
ראשית, דגימות הלא הסתברות לא מותאמות יכולות מובילות להערכות רעות;

First, in the digital age, there have been many developments in the collection and analysis of non-probability samples.
ראשית, בעידן הדיגיטלי, היו התפתחויות רבות באוסף וניתוח של דוגמאות לא הסתברות.

Non-probability samples need not automatically lead to something like the Literary Digest fiasco.
דגימות לא הסתברות לא צריך להוביל באופן אוטומטי למשהו כמו כישלון ספרותי Digest.

Thus, in this case, statistical adjustments- specifically Mr. P.- seem to do a good job correcting the biases in non-probability data;
לכן, במקרה זה, שקלול-במיוחד מר פ-נראה לעשות עבודה טובה תיקון הטיות נתונים שאינם הסתברות;

Note: By definition, non-probability sampling techniques mean we cannot calculate the margin of sampling error.
הערה: על פי ההגדרה, טכניקות דגימה לא הסתברותיות לא יכולות לחשב את השוליים של טעות הדגימה.

The digital age is making probability sampling in practice harder and is creating new opportunities for non-probability sampling.
העידן הדיגיטלי עושה דגימה הסתברות בפועל קשה יותר יוצר הזדמנויות חדשות עבור הדגימה לא הסתברות.

In other words, in non-probability sampling methods not everyone has a known and nonzero probability of inclusion.
במילים אחרות, בשיטות דגימה לא הסתברות לא לכל אחד יש הסתברות ידועה ו nonzero של הכללה.

Again, this is another example of the dangers of raw, unadjusted non-probability samples and is reminiscent of the Literary Digest fiasco.
שוב, זוהי דוגמה נוספת של הסכנות של דגימות גלם, הסתגלות שאינם הסתברות ומזכיר את הפיאסקו ספרותית Digest.

Despite these debates, I think there are two reasons why the time is right for social researchers to reconsider non-probability sampling.
למרות הדיונים האלה, אני חושב שיש שתי סיבות מדוע הזמן מתאים לחוקרים חברתיים לשקול מחדש את הדגימה לא הסתברות.

Again, this is another example of the dangers of raw, unadjusted non-probability samples and is reminiscent of the Literary Digest fiasco.
שוב, זוהי דוגמא נוספת של הסכנות של דגימות גלם, ללא התאמות שאינן הסתברות והוא מזכיר את הפיאסקו Digest הספרותי.

However, as I will describe below, changes created by the digital age mean that it is time for researchers to reconsider non-probability sampling.
עם זאת, כפי שאראה להלן, שינויים שנוצרו על ידי העידן הדיגיטלי אומר כי הגיע הזמן לחוקרים לשקול מחדש את הדגימה לא הסתברות.

The most common moral of the story is that researchers can't learn anything from non-probability samples(i.e., samples without strict probability-based rules for selecting participants).
מוסר ההשכל הנפוץ ביותר של הסיפור הוא כי חוקרים לא יכולים ללמוד שום דבר ממדגמים הלא הסתברות(כלומר, דגימות ללא כללים מבוססי הסתברות קפדנים לבחירת משתתפים).

At the same time that there has been growing difficulties for probability sampling methods, there has also been exciting developments in non-probability sampling methods.
יחד עם זאת, כי יש קשיים גוברים על שיטות דגימה הסתברות, יש גם התפתחויות מרגשות בשיטות דגימה לא הסתברות.

Although non-probability online panels are already being used by social researchers(e.g., the CCES), there is still some debate about the quality of estimates that come from them(Callegaro et al. 2014).
למרות לוחות ההסתברות לא מקוון כבר בשימוש על ידי חוקרים חברתיים(למשל, CCES), יש עדיין קצת דיון על איכות האומדנים שמגיעים מהם(Callegaro et al. 2014).

In particular, probability sampling has been getting hard to do in practice, and non-probability sampling has been getting faster, cheaper, and better.
בפרט, הדגימה ההסתברות כבר מקבל קשה לעשות בפועל, ודגימה הסתברות כבר מקבל מהר יותר, זול יותר, וטוב יותר.

Although“Dewey Defeats Truman” happened in 1948, it is still among the reason that some researchers are skeptical about estimates from non-probability samples.
למרות"Dewey התבוסות טרומן" קרה בשנת 1948, זה עדיין בין הסיבה כי כמה חוקרים ספקנים לגבי הערכות מדגמים שאינם הסתברות.

As I said earlier, non-probability samples are viewed with great skepticism by many social researchers, in part because of their role in some of the most embarrassing failures in the early days of survey research.
כמו שאמרתי קודם, דגימות הלא הסתברות נתפסות בספקנות רבה על ידי מדעני חברה, בין שאר בשל תפקידם חלק הכישלונות הכי המביכים בימים הראשונים של מחקר סקר.

Going forward, if you are trying to decide between using a probability sampling approach and a non-probability sampling approach you face a difficult choice.
במבט קדימה, אם אתה מנסה להחליט בין שימוש בגישה דגימה הסתברות לבין גישה הדגימה לא הסתברות אתה עומד בפני בחירה קשה.

As I said earlier, non-probability samples are viewed with great skepticism by many social researchers, in part because of their role in some of the most embarrassing failures in the early days of survey research.
כפי שאמרתי קודם, דגימות לא-הסתברות נראות בספקנות רבה מצד חוקרים חברתיים רבים, בין השאר בגלל תפקידם בכמה מהכישלונות המביכים ביותר בימים הראשונים של מחקר הסקר.

These newer methods are different enough from the methods that caused problems in the past that I think it makes sense to think of them as“non-probability sampling 2.0.”.
שיטות חדשות אלה הן שונות מספיק מן השיטות שגרמו לבעיות בעבר, כי אני חושב שזה הגיוני לחשוב עליהם כעל"הדגימה לא הסתברות 2.0".

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).
מסגרת זו מאפשרת לנו להבין גישות חדשות לייצוג- בפרט דגימות לא הסתברותיות(סעיף 3.4)- וגישות חדשות למדידה- בפרט, דרכים חדשות לשאול שאלות למשיבים(סעיף 3.5).

These newer methods are different enough from the methods that caused problems in the past that I think it makes sense to think of them as“non-probability sampling 2.0.”.
שיטות אלה הם שונים במידה ניכרת מאלו השיטות שגרמו בעיות בעבר כי אני חושב שזה הגיוני לחשוב עליהם כעל"לדגימה שאינה ההסתברות 2.0.".

There are a variety of styles of non-probability sampling methods, but the one thing that they have in common is that they cannot easily fit in the mathematical framework of probability sampling(Baker et al. 2013).
יש מגוון של סגנונות של שיטות דגימה לא הסתברותיות, אבל הדבר היחיד שיש להם במשותף הוא שהם לא יכולים להתאים בקלות במסגרת המתמטית של דגימת ההסתברות(Baker et al. 2013).

Although things are not totally settled yet, I expect that the third era of survey research will be characterized by non-probability sampling and computer-administered interviews.
למרות שהדברים עדיין לא הושלמו, אני מצפה שהעידן השלישי של מחקר הסקר יאופיין בדגימה לא-סבירה, בראיונות ממוחשבים, ובצמדת סקרים למקורות נתונים גדולים(טבלה 3.1).

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).
לפעמים, חוקרים מצאו כי דגימות ההסתברות ודגימות של דגימות לא-סבירות של איכות דומה(Ansolabehere and Schaffner 2014), אך השוואות אחרות מצאו כי דגימות של אי-הסתברות הן גרועות יותר(Malhotra and Krosnick 2007; Yeager et al. 2011).

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.
כאשר ישנם שיעורים גבוהים של אי-תגובה- כפי שקיימים כיום בסקרים אמיתיים- ההסתברויות בפועל של ההכללה למרואיינים אינן ידועות, ולכן, דגימות ההסתברות ודגימות לא-הסתברותיות אינן שונות כפי שחושבים חוקרים רבים.

One thing that is clear, however, is that if you are forced to work with non-probability samples or nonrepresentative big data sources(think back to Chapter 2), then there is a strong reason to believe that estimates made using post-stratification and related techniques will be better than unadjusted, raw estimates.
דבר אחד ברור, עם זאת, הוא שאם אתה נאלץ לעבוד עם דגימות שאינם הסתברות או מקורות נתונים גדולים שאינם מייצגים(חושב בחזרה פרק 2), אז יש סיבה חזקה להאמין כי הערכות שנעשו לאחר ריבוד ו טכניקות קשורות יהיה טוב יותר מאשר הערכות גלם לא מתוקן.

Researchers face a difficult choice between probability sampling methods in practice- which are increasingly expensive and far from the theoretical results that justify their use- and non-probability sampling methods- which are cheaper and faster, but less familiar and more varied.
החוקרים מתמודדים עם בחירה קשה בין שיטות הדגימה ההסתברותיות בפועל- שהן יקרות יותר ויותר, הרחק מהתוצאות התיאורטיות המצדיקות את דגימת השימוש שלהן- ואת שיטות הדגימה שאינן הסתברותיות- שהן זולות ומהירות יותר, אך פחות מוכרות ומגוונות יותר.