UNITÀ – I

INTRODUCTION

1.1 Significato della Ricerca:

La ricerca, in termini semplici, si riferisce alla ricerca di conoscenza. È un'attività scientifica.

e ricerca sistematica di informazioni su un argomento o problema particolare. È anche

conosciuto come l'arte dell'indagine scientifica. Diversi scienziati sociali hanno
ha definito la ricerca in modi diversi.
Nell'Enciclopedia delle Scienze Sociali, D. Slesinger e M. Stephension
(1930) ha definito la ricerca come "la manipolazione di cose, concetti o simboli per
lo scopo di generalizzare è estendere, correggere o verificare la conoscenza, sia essa
la conoscenza aiuta nella costruzione della teoria o nella pratica di un'arte.
Secondo Redman e Mory (1923), la ricerca è uno "sforzo sistematizzato per ottenere nuove
conoscenza”. È un'attività accademica e quindi il termine dovrebbe essere utilizzato in un
senso tecnico. Secondo Clifford Woody (Kothari, 1988), la ricerca comprende
definire e ridefinire problemi, formulare ipotesi o soluzioni suggerite;
raccolta, organizzazione e valutazione dei dati; fare deduzioni e raggiungere conclusioni;
e infine, testare attentamente le conclusioni per determinare se si adattano a quelle formulate
ipotesi.
Pertanto, la ricerca è un'aggiunta originale alla conoscenza disponibile, che
contribuisce al suo ulteriore progresso. È un tentativo di perseguire la verità attraverso
i metodi di studio, osservazione, confronto e esperimento. In sintesi,
La ricerca è la ricerca di conoscenza, utilizzando metodi obiettivi e sistematici per
trovare una soluzione a un problema.

1.1.1 Obiettivi della Ricerca:

L'obiettivo della ricerca è trovare risposte alle domande applicando
procedure scientifiche. In altre parole, l'obiettivo principale della ricerca è scoprire il
verità che è nascosta e non è ancora stata scoperta. Sebbene ogni ricerca
lo studio ha i suoi obiettivi specifici, gli obiettivi di ricerca possono essere ampiamente

raggruppati come segue:

1. acquisire familiarità con nuove intuizioni su un fenomeno (cioè, formulativo
studi di ricerca);
2. rappresentare accuratamente le caratteristiche di un particolare individuo, gruppo o un
situazione (cioè, studi di ricerca descrittiva);
3. analizzare la frequenza con cui qualcosa si verifica (cioè, ricerca diagnostica)
studi); e
4. esaminare l'ipotesi di una relazione causale tra due variabili (cioè,
studi di ricerca sui test delle ipotesi).
 1.1.2 Metodi di ricerca contro metodologia:
I metodi di ricerca includono tutte quelle tecniche/metodi che vengono adottati
per condurre ricerche. Pertanto, le tecniche o i metodi di ricerca sono i metodi
che i ricercatori adottano per condurre gli studi di ricerca.
D'altra parte, la metodologia di ricerca è il modo in cui la ricerca
i problemi vengono risolti sistematicamente. È una scienza che studia come la ricerca è
condotto scientificamente. Sotto di esso, il ricercatore si familiarizza con
i vari passaggi generalmente adottati per studiare un problema di ricerca, insieme a
la logica sottostante alla loro funzione. Pertanto, non è solo importante per il ricercatore
per conoscere le tecniche/metodi di ricerca, ma anche l'approccio scientifico chiamato
metodologia.

1.1.3 Approcci di ricerca:

Ci sono due approcci principali alla ricerca, ovvero quantitativo
approccio e approccio qualitativo. L'approccio quantitativo coinvolge il
collezione di dati quantitativi, che vengono sottoposti a rigida analisi quantitativa in
in modo formale e rigido. Questo approccio include anche sperimentale,
approcci inferenziali e di simulazione alla ricerca. Nel frattempo, il qualitativo
l'approccio utilizza il metodo di valutazione soggettiva di opinioni, comportamenti e
atteggiamenti. La ricerca in una tale situazione è una funzione del ricercatore
impressioni e intuizioni. I risultati generati da questo tipo di ricerca sono
o in forma non quantitativa o in una forma che non può essere sottoposta a rigoroso
analisi quantitativa. Di solito, questo approccio utilizza tecniche come un'analisi approfondita

interviews, focus group interviews, and projective techniques.

1.1.4 Tipi di Ricerca:

Ci sono diversi tipi di ricerca. I principali sono i seguenti:
1) Descrittivo contro Analitico:
 La ricerca descrittiva consiste in sondaggi e indagini di verifica dei fatti.
tipi diversi. L'obiettivo principale della ricerca descrittiva è descrivere il
stato delle cose come si presenta al momento dello studio. Il termine 'ex post facto
La 'ricerca' è spesso utilizzata per studi di ricerca descrittiva nelle scienze sociali.
e ricerca commerciale. La caratteristica più distintiva di questo metodo è che il
il ricercatore non ha controllo sulle variabili qui. Deve solo riportare cosa
sta accadendo o cosa è successo. La maggior parte della ricerca ex post facto
i progetti sono utilizzati per studi descrittivi in cui il ricercatore tenta di
esaminare fenomeni, come le preferenze dei consumatori, la frequenza di
acquisti, shopping, ecc. Nonostante l'incapacità dei ricercatori di controllare il
variabili, gli studi ex post facto possono anche comprendere tentativi da parte loro di scoprire

le cause del problema selezionato. I metodi di ricerca adottati in

condurre ricerche descrittive sono metodi di indagine di ogni tipo, inclusi
metodi correlazionali e comparativi.
Nel frattempo, nella ricerca analitica, il ricercatore deve utilizzare
fatti o informazioni già disponibili e analizzarli per fare una critica
valutazione del soggetto.

2) Applicato versus Fondamentale:

La ricerca può essere applicata o fondamentale per natura. Un tentativo di
trovare una soluzione a un problema immediato incontrato da un'azienda, un'industria, un
l'organizzazione aziendale, o la società è conosciuta come Ricerca Applicata. I ricercatori

impegnato in tali ricerche mira a trarre alcune conclusioni confrontando un

problema sociale o commerciale concreto.
D'altra parte, la Ricerca Fondamentale riguarda principalmente
generalizzazioni e formulazione di una teoria. In altre parole, “Raccogliere
La conoscenza per il bene della conoscenza è definita 'ricerca pura' o 'ricerca di base'" (Young in

Kothari, 1988). Researches relating to pure mathematics or concerning some

I fenomeni naturali sono istanze di ricerca fondamentale. Allo stesso modo, gli studi
focalizzandosi sul comportamento umano rientra anche nella categoria dei fondamenti

ricerca.
Pertanto, mentre l'obiettivo principale della ricerca applicata è trovare un
soluzione a qualche problema pratico urgente, l'obiettivo della ricerca di base è di
trova informazioni con una base di applicazione ampia e aggiungi a quelle già esistenti
corpo organizzato di conoscenze scientifiche.

3) Quantitativo contro Qualitativo:

La ricerca quantitativa riguarda aspetti che possono essere quantificati o possono essere

espresso in termini di quantità. Comporta la misurazione della quantità o

L'importo. I vari metodi statistici ed econometrici disponibili sono adottati
per l'analisi in tale ricerca. Alcuni di essi includono correlazione, regressioni e
analisi delle serie temporali.

D'altra parte, la ricerca qualitativa si occupa di qualitativo

fenomeni, o più specificamente, gli aspetti legati a o coinvolgenti la qualità o
gentile. Ad esempio, un importante tipo di ricerca qualitativa è 'Motivazione
La 'Ricerca', che indaga le ragioni del comportamento umano. Il principale
l'obiettivo di questo tipo di ricerca è scoprire i motivi e i desideri sottostanti
esseri umani utilizzando interviste approfondite. Le altre tecniche impiegate in
tali ricerche sono test di completamento di storie, test di completamento di frasi, parole

test di associazione e altri metodi proiettivi simili. La ricerca qualitativa è

particolarmente significativo nel contesto delle scienze comportamentali, che mirano a
scoprire i motivi sottostanti del comportamento umano. Questa ricerca aiuta a
analizzare i vari fattori che motivano gli esseri umani a comportarsi in un certo modo
modo, oltre a contribuire a una comprensione di cosa possa piacere agli individui
o disprezzare una particolare cosa. Tuttavia, è importante notare che condurre
La ricerca qualitativa nella pratica è sicuramente un compito difficile. Pertanto, mentre
condurre tale ricerca, cercando guida da esperti esperti
la ricerca è importante.

4) Concettuale contro Empirico:

La ricerca relativa a qualche idea o teoria astratta è conosciuta come
Ricerca concettuale. In generale, i filosofi e i pensatori la utilizzano per sviluppare
Nuovi concetti o per reinterpretare quelli esistenti. Ricerca empirica, su
d'altra parte, si basa esclusivamente sull'osservazione o sull'esperienza con difficilmente alcun

rispetto per la teoria e il sistema. Questa ricerca è basata sui dati, che spesso provengono

con conclusioni che possono essere verificate attraverso esperimenti o osservazione.

La ricerca empirica è anche conosciuta come tipo di ricerca sperimentale, in cui è
è importante prima raccogliere i fatti e le loro fonti, e intraprendere attivamente passi per
stimolare la produzione di informazioni desiderate. In questo tipo di ricerca, il
il ricercatore formula prima un'ipotesi di lavoro e poi raccoglie sufficienti
fatti per provare o confutare l'ipotesi dichiarata. Lui/lei formula il
design sperimentale, che secondo lui/lei manipolerebbe il
variabili, in modo da ottenere le informazioni desiderate. Questo tipo di ricerca è quindi
caratterizzato dal controllo del ricercatore sulle variabili sotto studio.
La ricerca empirica è più appropriata quando si cerca di dimostrare che
alcune variabili influenzano le altre variabili in un certo modo. Pertanto, il
i risultati ottenuti utilizzando studi sperimentali o empirici sono considerati
essere le evidenze più potenti per un'ipotesi data.

5) Altri tipi di ricerca:

I restanti tipi di ricerca sono variazioni di uno o più dei
metodi sopra menzionati. Variano in base allo scopo della ricerca, o il
tempo necessario per completarlo, o potrebbe essere basato su qualche altro fattore simile. Su

la base del tempo, la ricerca può essere di natura una tantum o

ricerca longitudinale. Sebbene la ricerca sia limitata a un singolo periodo di tempo in
nel primo caso, è condotto su più periodi di tempo nel secondo caso.
A seconda dell'ambiente in cui deve essere condotta la ricerca, può
può anche essere ricerca di laboratorio o ricerca in campo, o ricerca per simulazione,
oltre ad essere di natura diagnostica o clinica. In tale ricerca, approfondito
approaches or case study method may be employed to analyse the basic causal
relazioni. Questi studi di solito intraprendono un'analisi dettagliata e approfondita del
cause di determinati eventi di interesse e utilizza campioni molto piccoli e dati precisi
metodi di raccolta. La ricerca può anche essere esplicativa nella natura.
Gli studi di ricerca formalizzati consistono in una struttura sostanziale e specifica

ipotesi da verificare. Per quanto riguarda la ricerca storica, fonti come storiche
documenti, resti, ecc. vengono utilizzati per studiare eventi o idee passate. Inoltre
include la filosofia delle persone e dei gruppi del passato o di qualsiasi punto remoto di

tempo.
La ricerca è stata anche classificata in orientata alle decisioni e conclusiva.
categorie orientate. La ricerca orientata alle decisioni viene sempre svolta secondo
la necessità di un decisore e quindi, il ricercatore non ha libertà di
condurre la ricerca secondo i propri desideri. D'altra parte, nel
nel caso di ricerca orientata alla conclusione, il ricercatore è libero di scegliere il

problema, riprogettare l'inchiesta mentre procede e persino cambiare

concettualizzazione come desidera. Inoltre, la ricerca operativa è un tipo di
ricerca orientata alle decisioni, perché è un metodo scientifico per fornire il
dipartimenti, una base quantitativa per prendere decisioni riguardo a
attività sotto la loro supervisione.

1.1.5 Importanza di sapere come condurre una ricerca:

L'importanza di sapere come condurre ricerche è elencata di seguito:
(i) la conoscenza della metodologia di ricerca fornisce formazione ai nuovi
 i ricercatori e li abilita a fare ricerca in modo appropriato. Li aiuta a
sviluppare un pensiero disciplinato o un 'modo di pensare' per osservare obiettivamente

il campo;
(ii) La conoscenza di fare ricerca inculca la capacità di valutare e
utilizza i risultati della ricerca con fiducia;
(iii) la conoscenza della metodologia di ricerca equipaggia il ricercatore con il
strumenti che lo/la aiutano a fare le osservazioni in modo oggettivo; e
(iv) la conoscenza della metodologia aiuta il consumatore di ricerca a valutare
ricercare e prendere decisioni razionali.

1.1.6 Qualità di un Ricercatore:

È importante che un ricercatore possieda determinate qualità per condurre
ricerca. Prima di tutto, lui essendo uno scienziato dovrebbe essere fermamente impegnato a
gli 'articoli di fede' dei metodi scientifici di ricerca. Questo implica che un
il ricercatore dovrebbe essere una persona di scienze sociali nel senso più vero. Sir Michael

Foster (Wilkinson e Bhandarkar, 1979) ha identificato alcune qualità distinte di un

scienziato. Secondo lui, un vero scienziato ricercatore dovrebbe possedere il
seguenti qualità:
(1) Prima di tutto, la natura di un ricercatore deve avere un temperamento che
vibra all'unisono con il tema che sta cercando. Pertanto, il cercatore di
La conoscenza deve essere veritiera con la verità della natura, che è molto più
importante, molto più esigente di ciò che a volte è noto come veridicità.
La veridicità si riferisce al desiderio di accuratezza nell'osservazione e nella precisione.

dichiarazione. Garantire i fatti è la regola principale della scienza, che non è facile
la questione. La difficoltà può sorgere a causa di un occhio inesperto, che non riesce a vedere

qualsiasi cosa al di là di ciò che ha il potere di vedere e talvolta anche meno di

Questo può anche essere dovuto alla mancanza di disciplina nel metodo scientifico. Un
un individuo non scientifico spesso rimane soddisfatto con espressioni come
circa, quasi, o quasi, che non è mai ciò che è la natura. Non può vedere
due cose che differiscono, per quanto poco, come le stesse.

(2) Un ricercatore deve possedere una mente sveglia. La natura è costantemente

cambiarsi e rivelarsi attraverso vari modi. Un ricercatore scientifico deve

sii attento e vigile per notare tali cambiamenti, non importa quanto piccoli o

possono apparire insignificanti. Tale ricettività deve essere coltivata lentamente e

pazientemente nel tempo dal ricercatore attraverso la pratica. Un individuo che è
ignorante o non attento e ricettivo durante la sua ricerca non farà un buon
ricercatore. Fallirà come buon ricercatore se non ha occhi o mente acuti per
osserva l'insolito dietro la routine. La ricerca richiede un approccio sistematico

immersione nel tema per permettere al ricercatore di afferrare anche il

il minimo accenno che può culminare in problemi di ricerca significativi. In questo
contesto, Cohen e Negal (Selltiz et al., 1965; Wilkinson e Bhandarkar, 1979)
la capacità di percepire in qualche esperienza bruta l'occasione di un
il problema non è un talento comune tra gli uomini... È un segno di genio scientifico per
essere sensibili alle difficoltà dove le persone meno dotate passano senza turbamenti
dubbio.

(3) L'indagine scientifica è prevalentemente uno sforzo intellettuale. Richiede

la qualità morale del coraggio, che riflette il coraggio di un fermo
resistenza. La scienza di condurre ricerche non è un compito facile. Ci sono
occasioni in cui un ricercatore potrebbe sentirsi sconfitto o completamente perso. Questo
è il momento in cui un ricercatore avrebbe bisogno di immenso coraggio e senso di
convizione. Il ricercatore deve imparare l'arte di sopportare le difficoltà intellettuali.
Nelle parole di Darwin, "È la determinazione che fa la differenza".
 Per coltivare le tre qualità menzionate in precedenza di un ricercatore, un
Il quarto può essere aggiunto. Questa è la qualità di fare affermazioni con cautela.
Secondo Huxley, l'affermazione che supera le prove non è solo una
errore ma un crimine (Thompson, 1975). Un ricercatore dovrebbe coltivare l'abitudine
di riservare il giudizio quando i dati richiesti sono insufficienti.

1.1.7 Importanza della Ricerca:

Secondo un famoso Hudson Maxim, "Tutti i progressi nascono dall'inchiesta."
Il dubbio è spesso migliore dell'eccessiva sicurezza, poiché porta all'indagine, e l'indagine

porta all'invenzione”. Sottolinea l'importanza della ricerca, quantità crescenti

di cui rendere possibile il progresso. La ricerca incoraggia scientifico e
il pensiero induttivo, oltre a promuovere lo sviluppo di abitudini logiche di
pensiero e organizzazione. Il ruolo della ricerca nell'economia applicata nel
Il contesto di un'economia o di un business sta aumentando notevolmente nei tempi moderni. Il

la natura sempre più complessa del governo e degli affari ha aumentato l'uso di
ricerca nella risoluzione di problemi operativi. La ricerca assume un ruolo significativo in

la formulazione della politica economica sia per il governo che per le imprese. Essa
fornisce la base per quasi tutte le politiche governative di un sistema economico.
La formulazione del bilancio governativo, ad esempio, dipende particolarmente da
analisi dei bisogni e dei desideri delle persone e disponibilità di entrate, che
richiede ricerca. La ricerca aiuta a formulare politiche alternative, oltre a
per esaminare le conseguenze di queste alternative. Pertanto, la ricerca anche
facilita il processo decisionale dei responsabili politici, anche se di per sé non è parte
della ricerca. Nel processo, la ricerca aiuta anche nella corretta allocazione di un
risorse scarse del paese.
La ricerca è necessaria anche per raccogliere informazioni sul sociale e
struttura economica di un'economia per comprendere il processo di cambiamento
che si verifica nel paese. Raccolta di informazioni statistiche, anche se non una
compiti di routine, involve vari problemi di ricerca. Pertanto, un ampio personale di
tecnici di ricerca o esperti sono assunti dal governo in questi giorni per
intraprendere questo lavoro. Quindi, la ricerca come strumento della politica economica governativa

la formulazione coinvolge tre fasi distinte di operazione: (i) indagine di

struttura economica attraverso la continua compilazione di fatti; (ii) diagnosi di
eventi che si stanno svolgendo e analisi delle forze sottostanti; e (iii)
la prognosi, ovvero la previsione degli sviluppi futuri (Wilkinson e
Bhandarkar, 1979).

La ricerca assume anche un ruolo significativo nella risoluzione di varie operazioni.

e problemi di pianificazione associati a imprese e industria. In diversi modi,

operations research, market research and motivational research are vital and
i loro risultati aiutano a prendere decisioni aziendali. La ricerca di mercato si riferisce a

inchiesta sulla struttura e lo sviluppo di un mercato per la formulazione di

politiche efficienti relative a acquisti, produzione e vendite. Operativo
la ricerca riguarda l'applicazione di logica, matematica e analisi
tecniche per trovare soluzioni ai problemi aziendali, come la minimizzazione dei costi o
massimizzazione del profitto, o i problemi di ottimizzazione. La ricerca motivazionale aiuta
determinare perché le persone si comportano nel modo in cui lo fanno rispetto al mercato

caratteristiche. Più specificamente, si occupa dell'analisi del

le motivazioni alla base del comportamento dei consumatori. Tutte queste ricerche sono molto

utile per le imprese e l'industria, e sono responsabili delle decisioni aziendali

making.

La ricerca è altrettanto importante per gli scienziati sociali per analizzare il sociale.

relazioni e ricerca di spiegazioni a vari problemi sociali. Fornisce

soddisfazione intellettuale di conoscere cose per il semplice fatto di conoscere. Esso anche

possiede l'utilità pratica per lo scienziato sociale di acquisire conoscenze in modo da

essere in grado di fare qualcosa di meglio o in modo più efficiente. La ricerca in
le scienze sociali si occupano sia della conoscenza per il suo stesso valore, sia di

conoscenza per ciò che può contribuire a risolvere problemi pratici.

1.2 Processo di Ricerca:

Il processo di ricerca consiste in una serie di passaggi o azioni richieste per
condurre ricerche in modo efficace. I seguenti sono i passaggi che forniscono utili
linee guida procedurali riguardanti la conduzione della ricerca:
(1) formulare il problema di ricerca;
(2) ampia revisione della letteratura;

(3) sviluppare ipotesi;

(4) preparare il progetto di ricerca;
(5) determinare il design del campione;

(6) raccolta dati;

(7) esecuzione del progetto;
(8) analisi dei dati;
(9) test di ipotesi;
(10) generalizzazione e interpretazione, e
(11) preparazione del rapporto o presentazione dei risultati. In altro
parole, implica la redazione formale delle conclusioni.

1.3 Research Problem:

La prima e principale fase nel processo di ricerca è selezionare e
definire correttamente il problema di ricerca. Un ricercatore dovrebbe prima identificare un

problema e formularlo, in modo da renderlo adatto o suscettibile di ricerca.

In generale, un problema di ricerca si riferisce a una domanda senza risposta che un ricercatore

potrebbe incontrare nel contesto di una situazione teorica o pratica,

a cui vorrebbe rispondere o trovare una soluzione. Un problema di ricerca è
generalmente detto di esistere se emergono le seguenti condizioni (Kothari, 1988):

(i) dovrebbe esserci un individuo o un'organizzazione, diciamo X, a cui il

il problema può essere attribuito. L'individuo o l'organizzazione è situata
in un ambiente Y, che è governato da determinate variabili incontrollate
Z;
(ii) dovrebbero esserci almeno due corsi d'azione da perseguire, diciamo A1e
A2Questi corsi d'azione sono definiti da uno o più valori del
variabili controllate. Ad esempio, il numero di articoli acquistati in un
Il tempo specificato è detto essere un corso d'azione.
(iii) ci dovrebbero essere almeno due possibili esiti alternativi del detto
corsi d'azione, diciamo B1e [Link] loro, una alternativa dovrebbe essere
preferibile all'altro. Cioè, almeno un risultato dovrebbe essere ciò che il
researcher wants, which becomes an objective.
(iv) the courses of possible action available must offer a chance to the
ricercatore per raggiungere l'obiettivo, ma non la pari opportunità. Pertanto,
se P(Bj/ X, A, Y) rappresenta la probabilità dell'occorrenza di un
outcome Bjquando X seleziona Ajin Y, allora P(B1/ X, A1,Y) ≠ P (B1/ X, A2,
Y). In parole semplici, significa che le scelte non devono avere
efficienze uguali per il risultato desiderato.
Sopra tutte queste condizioni, si può dire che l'individuo o l'organizzazione abbia
arrivato al problema di ricerca solo se X non sa quale corso d'azione intraprendere
essere preso è il migliore. In altre parole, X dovrebbe avere dei dubbi sulla soluzione.
Pertanto, si può dire che un individuo o un gruppo di persone abbia un problema se
avere più di un risultato desiderato. Dovrebbero avere due o più alternative
corsi d'azione, che hanno alcune ma non uguale efficienza. Questo è richiesto per
indagando sugli obiettivi desiderati, in modo che abbiano dubbi sul miglior corso
di azioni da intraprendere. Quindi, i componenti di un problema di ricerca possono essere

riassunto come:
(i) there should be an individual or a group who have some difficulty or
problema.
(ii) dovrebbero esserci alcuni obiettivo(i) da perseguire. Una persona o un
un'organizzazione che non vuole nulla non può avere un problema.

(iii) dovrebbero esserci modi alternativi per perseguire l'obiettivo del ricercatore
vuole perseguire. Questo implica che ci dovrebbe essere più di uno
alternative means available to the researcher. This is because if the
il ricercatore non ha scelta di mezzi alternativi, non avrebbe un
problema.
(iv) dovrebbe esserci qualche dubbio nella mente del ricercatore riguardo a
scelta di mezzi alternativi. Ciò implica che la ricerca dovrebbe rispondere
la domanda relativa all'efficienza relativa o all'idoneità del
alternative possibili.
(v) dovrebbe esserci un contesto a cui si riferisce la difficoltà.
Pertanto, l'identificazione di un problema di ricerca è la precondizione per condurre
ricerca. Un problema di ricerca è definito come quello che richiede a un ricercatore di
trovare la migliore soluzione disponibile al problema dato. Cioè, il ricercatore
ha bisogno di scoprire il miglior corso d'azione attraverso il quale l'obiettivo della ricerca
può essere raggiunto in modo ottimale nel contesto di una data situazione. Diversi fattori

può contribuire a rendere il problema complicato. Ad esempio, il

l'ambiente può alterarsi, influenzando così l'efficienza delle alternative
di azioni intraprese o la qualità dei risultati. Il numero di corsi alternativi
di azione potrebbe essere molto grande e l'individuo non coinvolto nel prendere il
la decisione potrebbe essere influenzata dal cambiamento dell'ambiente e potrebbe reagirvi

favorevolmente o sfavorevolmente. Altri fattori simili sono anche probabili a causare tali
cambiamenti nel contesto della ricerca, tutti i quali possono essere considerati da
punto di vista di un problema di ricerca.

1.4 Progetto di Ricerca:

Il passo più importante dopo aver definito il problema di ricerca è preparare il
design del progetto di ricerca, comunemente noto come 'ricerca
design'. Un progetto di ricerca aiuta a decidere su questioni come cosa, quando, dove,
quanto, con quali mezzi ecc. riguardo a un'indagine o uno studio di ricerca.
Un disegno di ricerca è l'organizzazione delle condizioni per la raccolta e l'analisi di
dati in un modo che mira a combinare la rilevanza con lo scopo della ricerca con
economia nella procedura. Infatti, il design della ricerca è la struttura concettuale all'interno di

quale ricerca viene condotta; costituisce il piano per la raccolta,

misurazione e analisi dei dati (Selltiz et al, 1962). Pertanto, il design della ricerca
fornisce una panoramica di ciò che il ricercatore intende fare in termini di inquadramento
ipotesi, le sue implicazioni operative e l'analisi finale dei dati. In particolare,
il design della ricerca evidenzia le decisioni che includono:
(i) the nature of the study
(ii) lo scopo dello studio
(iii) il luogo in cui lo studio sarebbe condotto
(iv) la natura dei dati richiesti
(v) da dove possono essere raccolti i dati richiesti
(vi) Quale periodo di tempo coprirebbe lo studio
(vii) il tipo di disegno del campione che verrebbe utilizzato

(viii) le tecniche di raccolta dei dati che verrebbero utilizzate

(ix) i metodi di analisi dei dati che sarebbero adottati e
(x) il modo in cui il rapporto sarà preparato
 Alla luce delle decisioni di design della ricerca dichiarate, la ricerca complessiva

il design può essere suddiviso nei seguenti (Kothari 1988):

(a) il disegno del campionamento che si occupa del metodo di selezione degli elementi da essere

osservato per lo studio selezionato;

(b) il design osservazionale che si riferisce alle condizioni sotto le quali il

devono essere fatte osservazioni;

(c) il design statistico che riguarda la questione di quanti elementi ci sono

da osservare, e come le informazioni e i dati raccolti devono essere
analizzato; e

(d) il design operativo che si occupa delle tecniche tramite le quali il

procedure specificate nel campionamento, nei design statistici e osservativi
può essere eseguito.

1.4.1 Caratteristiche del Design della Ricerca:

Le caratteristiche importanti del disegno di ricerca possono essere delineate come segue:

costituisce un piano che identifica i tipi e le fonti di informazione

richiesto per il problema di ricerca;

(ii) costituisce una strategia che specifica i metodi di raccolta dei dati e
analisi che verrebbe adottata; e

(iii) specifica anche il periodo di ricerca e il budget monetario coinvolto

in conducting the study, which comprise the two major constraints of
intraprendere qualsiasi ricerca.
1.4.2 Concetti relativi al design della ricerca:
Alcuni dei concetti importanti relativi al Design della Ricerca sono
discusso di seguito:

1. Variabili Dipendenti e Indipendenti:

Una grandezza che varia è conosciuta come variabile. Il concetto può
assumere valori quantitativi diversi come altezza, peso, reddito ecc. Qualitativo
le variabili non sono quantificabili nel senso più stretto del termine. Tuttavia, il
i fenomeni qualitativi possono anche essere quantificati in termini di presenza o
assenza dell'attributo(i) considerati. I fenomeni che assumono forme diverse
I valori quantitativi, anche in punti decimali, sono noti come 'continui'
variabili'. Ma non tutte le variabili devono essere continue. Valori che possono essere

espressi solo in valori interi sono chiamati 'variabili non continue'. In

termini statistici, sono anche noti come 'variabili discrete'. Ad esempio, l'età
è una variabile continua, mentre il numero di figli è una variabile non continua
variabile. Quando le variazioni di una variabile dipendono dalle variazioni dell'altra

variabile o variabili, è conosciuta come variabile dipendente o endogena, e la

le variabili che causano le modifiche nella variabile dipendente sono conosciute come le

variabili indipendenti o esplicative o esogene. Ad esempio, se la domanda

dipende dal prezzo, quindi la domanda è una variabile dipendente, mentre il prezzo è il
variabile indipendente. E, se più variabili determinano la domanda, come il reddito
e il prezzo della merce sostitutiva, quindi la domanda dipende anche da essi in
aggiunta al prezzo della merce originale. In altre parole, la domanda è una
variabile dipendente che è determinata dalle variabili indipendenti come il prezzo
della merce originale, reddito e prezzo dei sostituti.
2 Variabile estranea:
Le variabili indipendenti che non sono direttamente correlate allo scopo
Le variabili che non fanno parte dello studio ma influenzano la variabile dipendente sono conosciute come variabili estranee.

Ad esempio, si supponga che un ricercatore voglia testare l'ipotesi che ci sia un

relazione tra le performance scolastiche dei bambini e i loro concetti di sé, in
nel quale il secondo è una variabile indipendente e il primo, una dipendente
variabile. In questo contesto, l'intelligenza può anche influenzare la scuola
prestazione. Tuttavia, poiché non è direttamente correlato all'obiettivo dello studio
intrapreso dal ricercatore, sarebbe conosciuto come una variabile estranea. Il
l'influenza causata dalla (dalle) variabile(i) estranea(e) sulla variabile dipendente è

tecnicamente chiamato ‘errore sperimentale’. Pertanto, uno studio di ricerca dovrebbe

sii sempre inquadrato in modo tale che l'influenza di variabili estranee su
la/e variabile/i dipendente/i è completamente controllata, e l'influenza di
la variabile indipendente/i è chiaramente evidente.

3. Controllo:
Una delle caratteristiche più importanti di un buon progetto di ricerca è di

minimizzare l'effetto di variabili estranee. Tecnicamente, il termine 'controllo' è

utilizzato quando un ricercatore progetta lo studio in modo tale da ridurre al minimo il
effetti delle variabili estranee. Il termine 'controllo' è usato nell'esperimento
ricerca per riflettere la restrizione in condizioni sperimentali.

4. Relazione confusa:
La relazione tra le variabili dipendenti e indipendenti è
si dice essere confuso da una variabile estranea, quando la variabile dipendente è
non libero dai suoi effetti.
5. Ipotesi di ricerca:
Quando una previsione o una relazione ipotetica viene testata adottando
metodi scientifici, è conosciuto come ipotesi di ricerca. L'ipotesi di ricerca
è un'affermazione predittiva che si riferisce a una variabile dipendente e a un
variabile indipendente. In generale, un'ipotesi di ricerca deve consistere di almeno
una variabile dipendente e una variabile indipendente. Mentre,
relazioni che si suppongono ma non si testano sono affermazioni predittive che
non possono essere verificate oggettivamente, quindi non sono classificate come ipotesi di ricerca.

6. Ricerca di Test di Ipotesi Sperimentale e Non Sperimentale:

Quando l'obiettivo di una ricerca è testare un'ipotesi di ricerca, è noto come
ricerca di verifica delle ipotesi. Tale ricerca può essere di natura sperimentale
design o design non sperimentale. La ricerca in cui l'indipendente
la variabile viene manipolata è conosciuta come 'ricerca sperimentale di ipotesi'.
mentre la ricerca in cui la variabile indipendente non viene manipolata è
denominato 'ricerca di test ipotetici non sperimentali'. Ad esempio, supponiamo
che un ricercatore vuole esaminare se il reddito familiare influisce sulla scuola
partecipazione di un gruppo di studenti, calcolando il coefficiente di correlazione
tra le due variabili. Un tale esempio è noto come non sperimentale
ricerca sul test delle ipotesi, perché la variabile indipendente - il reddito familiare è
non manipolato qui. Ancora supponiamo che il ricercatore selezioni casualmente 150
studenti di un gruppo di studenti che pagano regolarmente le tasse scolastiche e poi
li classifica in due sottogruppi includendo casualmente 75 nel Gruppo A,
i cui genitori hanno guadagni regolari, e 75 nel gruppo B, i cui genitori non li hanno

ha guadagni regolari. Supponi che alla fine dello studio, il ricercatore

esegue un test su ciascun gruppo per esaminare gli effetti dei guadagni regolari
dei genitori sull'assenza scolastica dello studente. Uno studio del genere è un
example of experimental hypothesis-testing research, because in this particular
study the independent variable regular earnings of the parents have been
manipolato.

7. Gruppi Sperimentali e di Controllo:

Quando un gruppo è esposto a condizioni usuali in un esperimento
nella ricerca sul testing delle ipotesi, è conosciuto come ‘gruppo di controllo’. D'altra parte,

quando il gruppo è esposto a determinate nuove o speciali condizioni, è noto come un

‘experimental group’. In the afore-mentioned example, Group A can be called
come gruppo di controllo e il Gruppo B come gruppo sperimentale. Se entrambi i gruppi, A e
Se A e B sono esposti a qualche caratteristica speciale, allora entrambi i gruppi possono essere chiamati come

‘gruppi sperimentali’. Un disegno di ricerca può includere solo l'esperimento

gruppo o entrambi i gruppi sperimentali e di controllo insieme.

8. Trattamenti:
I trattamenti si riferiscono alle diverse condizioni a cui l'esperimento
e i gruppi di controllo sono soggetti a. Nell'esempio considerato, i due trattamenti
sono i genitori con guadagni regolari e quelli senza guadagni regolari.
Allo stesso modo, se uno studio di ricerca cerca di esaminare attraverso un esperimento il

effetto comparativo di tre diversi tipi di fertilizzanti sul rendimento del raccolto di riso,
quindi i tre tipi di fertilizzanti verrebbero trattati come i tre trattamenti.

9. Esperimento:
L'esperimento si riferisce al processo di verifica della verità di una statistica
ipotesi relativa a un dato problema di ricerca. Ad esempio, un esperimento
possono essere condotti per esaminare il rendimento di una certa nuova varietà di riso
sviluppati. Inoltre, gli esperimenti possono essere categorizzati in due tipi, ovvero,

‘esperimento assoluto’ e ‘esperimento comparativo’. Se un ricercatore desidera

determinare l'impatto di un fertilizzante chimico sul rendimento di una particolare varietà
 di coltivazione del riso, allora è conosciuto come esperimento assoluto. Nel frattempo, se il

il ricercatore desidera determinare l'impatto del fertilizzante chimico rispetto a

l'impatto del biofertilizzante, quindi l'esperimento è noto come un confronto
experiment.
10. Experimental Unit(s):
Le Unità Sperimentali si riferiscono ai terreni, caratteristiche o
i blocchi, ai quali vengono applicati diversi trattamenti. Vale la pena menzionare
qui che tali unità sperimentali devono essere selezionate con grande attenzione.

1.4.3 Tipi di Progettazione della Ricerca:

Ci sono diversi tipi di disegni di ricerca. Possono essere ampiamente categorizzati

come:
(1) Design della ricerca esplorativa;
(2) Progettazione della ricerca descrittiva e diagnostica;
(3) Progettazione della Ricerca per il Test delle Ipotesi.

1. Progettazione della Ricerca Esplorativa:

Il Design di Ricerca Esplorativa è conosciuto come design di ricerca formulativo.

L'obiettivo principale dell'utilizzo di un tale disegno di ricerca è formulare una ricerca

problema per un'indagine più approfondita o più precisa, o per sviluppare un

ipotesi di lavoro da un aspetto operativo. Lo scopo principale di tale
Lo studio è la scoperta di idee e intuizioni. Pertanto, un simile disegno di ricerca
adatto per uno studio del genere dovrebbe essere abbastanza flessibile da offrire opportunità per

considerando diverse dimensioni del problema in esame. Il sistema integrato

flexibility in research design is required as the initial research problem would be
trasformato in uno più preciso nello studio esplorativo, che a sua volta può
necessitano cambiamenti nella procedura di ricerca per raccogliere dati pertinenti.
Di solito, i seguenti tre metodi sono considerati nel contesto di una ricerca
progettazione per tali studi. Sono (a) un'analisi della letteratura correlata; (b)
sondaggio di esperienza; e (c) analisi di istanze che stimolano l'intuizione.

2. Progettazione della ricerca descrittiva e diagnostica:

Un design di ricerca descrittivo è interessato a descrivere il

caratteristiche di un particolare individuo o di un gruppo. Nel frattempo, un diagnostico
il design della ricerca determina la frequenza con cui una variabile si verifica o il suo

relazione con un'altra variabile. In altre parole, lo studio analizza se

una certa variabile è associata a un'altra comprende una ricerca diagnostica
studio. D'altra parte, uno studio che si occupa di previsioni specifiche o
con la narrazione di fatti e caratteristiche legate a un individuo, gruppo o
situazione, sono istanze di studi di ricerca descrittiva. In generale, la maggior parte dei
il design della ricerca sociale rientra in questa categoria. Come design di ricerca, entrambi i

Gli studi descrittivi e diagnostici condividono requisiti comuni, quindi sono

raggruppati insieme. Tuttavia, la procedura da utilizzare e il disegno della ricerca
deve essere pianificato con attenzione. Il design della ricerca deve anche fare appropriati

disposizioni per la protezione contro i pregiudizi e quindi massimizzare l'affidabilità, con il dovuto

riguardo al completamento dello studio di ricerca in modo economico. Il

Il design della ricerca in tali studi dovrebbe essere rigido e non flessibile. Inoltre, deve
concentrati anche sull'attenzione ai seguenti:

(a) formulazione degli obiettivi dello studio,

(b) progettazione adeguata dei metodi di raccolta dati,
(c) selezione del campione,

(d) raccolta dati,

(e) elaborazione e analisi dei dati raccolti, e
(f) riportare i risultati.
[Link] della ricerca per testare le ipotesi:

I disegni di ricerca per il test delle ipotesi sono quelli in cui il ricercatore testa

l'ipotesi di relazione causale tra due o più variabili. Questi

gli studi richiedono procedure che non solo riducano il bias e migliorino
reliability, but also facilitate deriving inferences about the causality. Generally,
gli esperimenti soddisfano tali requisiti. Pertanto, quando il design della ricerca è

discussi in tali studi, si riferisce spesso alla progettazione degli esperimenti.

1.4.4 Importanza del Disegno della Ricerca:

La necessità di un disegno di ricerca nasce dal fatto che facilita il

la conduzione fluida delle varie fasi della ricerca. Contribuisce a rendere
ricerca nel modo più efficiente possibile, ottenendo così il massimo delle informazioni con

minimo sforzo, tempo e spesa. Un piano di ricerca aiuta a pianificare in

avanzare, i metodi da impiegare per raccogliere i dati pertinenti e il
techniques to be adopted for their analysis. This would help in pursuing the
obiettivi della ricerca nel migliore dei modi possibili, forniti i disponibili
il personale, il tempo e il denaro sono disponibili. Pertanto, il progetto di ricerca dovrebbe essere preparato

con la massima attenzione, in modo da evitare qualsiasi errore che possa disturbare l'intero progetto.

Pertanto, il design della ricerca svolge un ruolo cruciale nel raggiungere l'affidabilità dei risultati.

ottenuto, che forma la solida base dell'intero processo di ricerca

lavoro.
Nonostante la sua importanza, lo scopo di un design ben pianificato non è
realizzato a volte. Questo perché non gli viene data l'importanza che merita.
As a consequence, many researchers are not able to achieve the purpose for
quali sono i progetti di ricerca formulati, a causa dei quali arrivano a
conclusioni fuorvianti. Pertanto, progettazione errata del progetto di ricerca
tende a rendere l'esercizio di ricerca privo di significato. Questo rende imperativo che
è necessario pianificare un design di ricerca efficiente e adatto prima di iniziare
il processo di ricerca. Il piano di ricerca aiuta il ricercatore a organizzare
le sue idee in una forma adeguata, che a sua volta gli/le facilita di identificare il
inadeguatezze e difetti in essi. Anche il design della ricerca è discusso con
other experts for their comments and critical evaluation, without which it would
essere difficile per qualsiasi critico fornire una recensione completa e commenti su
lo studio proposto.

1.4.5 Caratteristiche di un buon disegno di ricerca:

Un buon design di ricerca spesso possiede le qualità di essere flessibile,
adatto, efficiente, economico e così via. In generale, un progetto di ricerca che
minimizza il bias e massimizza l'affidabilità dei dati raccolti e analizzati
è considerato un buon design (Kothari 1988). Un disegno di ricerca che non
consentire anche il più piccolo errore sperimentale è considerato il miglior design per

indagine. Inoltre, un disegno di ricerca che produce il massimo di informazioni e

offre un'opportunità di visualizzare le varie dimensioni di una ricerca
il problema è considerato il design più appropriato ed efficiente. Pertanto, il
la questione di un buon design riguarda lo scopo o obiettivo e la natura del
problema di ricerca studiato. Sebbene un disegno di ricerca possa essere buono, potrebbe non essere

ugualmente adatto a tutti gli studi. In altre parole, potrebbe mancare in un aspetto o
l'altro nel caso di alcuni altri problemi di ricerca. Pertanto, nessun singolo
Il design della ricerca può essere applicato a tutti i tipi di problemi di ricerca.

Un disegno di ricerca adatto a un problema di ricerca specifico di solito

involve the following considerations:
(i) i metodi di raccolta delle informazioni;
(ii) le competenze e la disponibilità del ricercatore e del suo personale, se presente;
(iii) gli obiettivi del problema di ricerca oggetto di studio;
 (iv) la natura del problema di ricerca che viene studiato; e
(v) il supporto monetario disponibile e la durata del tempo per la ricerca
lavoro.

1.5 Ricerca di Studio di Caso:

Il metodo di esplorare e analizzare la vita o il funzionamento di un sociale

o unità economica, come una persona, una famiglia, una comunità, un'istituzione, un'impresa
or an industry is called case study method. The objective of case study method
è esaminare i fattori che causano i modelli comportamentali di una determinata unità e
la sua relazione con l'ambiente. I dati per uno studio vengono sempre raccolti
con lo scopo di tracciare la storia naturale di un'unità sociale o economica, e
la sua relazione con i fattori sociali o economici, oltre alle forze coinvolte
nel suo ambiente. Pertanto, un ricercatore che conduce uno studio utilizzando il caso studio

il metodo cerca di comprendere la complessità dei fattori che sono operativi

all'interno di un'unità sociale o economica come un totalità integrata. Burgess (Kothari,
1988) ha descritto il significato speciale dello studio di caso nella comprensione del
comportamenti e situazioni complesse in dettaglio specifico. Nel contesto sociale
nella ricerca, ha definito tali dati come microscopio sociale.

1.5.1 Criteri per Valutare l'Idoneità dello Studio di Caso:

John Dollard (Dollard, 1935) ha specificato sette criteri per valutare il
adeguatezza di un caso o di una storia di vita nel contesto della ricerca sociale. Essi sono:

(i) L'oggetto di studio deve essere considerato come un campione in un contesto culturale

su. Cioè, il caso selezionato dal suo contesto totale per scopi di studio
dovrebbe essere considerato un membro del particolare gruppo culturale o comunità.
L'analisi della storia di vita dell'individuo deve essere effettuata con uno scopo
per identificare i valori della comunità, gli standard e i modi di vita condivisi.
(ii) I motori organici dell'azione devono essere socialmente rilevanti. Questo significa

che l'azione dei singoli casi dovrebbe essere vista come una serie di
reazioni agli stimoli sociali o situazioni. Per dirlo in parole semplici, il sociale
Il significato del comportamento dovrebbe essere preso in considerazione.

(iii) Il ruolo cruciale del gruppo familiare nella trasmissione della cultura dovrebbe essere
riconosciuto. Questo significa, poiché un individuo è membro di una famiglia, il
Il ruolo della famiglia nel plasmare il suo comportamento non dovrebbe mai essere ignorato.

(iv) Il metodo specifico di conversione del materiale organico in sociale

il comportamento dovrebbe essere chiaramente dimostrato. Ad esempio, le storie di casi che

discutere in dettaglio come fondamentalmente un organismo biologico, che è l'uomo,

si trasforma gradualmente in una persona socievole è particolarmente importante.

(v) La continua trasformazione del carattere dell'esperienza dall'infanzia a

l'età adulta dovrebbe essere enfatizzata. Cioè, la storia di vita dovrebbe rappresentare

l'interrelazione tra le varie esperienze dell'individuo durante

la durata della sua vita. Uno studio del genere fornisce una comprensione completa di
la vita di un individuo come un continuum.

(vi) La 'situazione sociale' che ha contribuito al graduale

La trasformazione dovrebbe essere specificata con attenzione e continuamente come un fattore.

Uno dei criteri fondamentali per la storia della vita è che la vita di un individuo dovrebbe
essere rappresentato come in evoluzione nel contesto di una situazione sociale specifica

and partially caused by it.

(vii) I dettagli della storia della vita devono essere organizzati secondo alcuni
quadro concettuale, che a sua volta faciliterebbe le loro generalizzazioni
a livelli più elevati.

Questi criteri discussi da Dollard sottolineano il legame specifico di co-

esperienza ordinata, correlata, continua e configurata in un modello culturale
che ha motivato il comportamento sociale e personale. Anche se, i criteri
quelli indicati da Dollard sono principalmente perfetti, alcuni di essi sono difficili da attuare

pratica.
Dollard (1935) tentò di esprimere i diversi eventi rappresentati nel
life-histories of persons during the course of repeated interviews by utilizing
tecniche psico-analitiche in un dato contesto situazionale. I suoi criteri di vita-
la storia è originata direttamente da questa esperienza. Mentre le storie di vita possiedono
significato indipendente come documenti di ricerca, le interviste registrate da
gli investigatori possono permettersi, come osservò Dollard, "ricche intuizioni sulla natura del

situazioni sociali vissute da loro.

È un fatto ben noto che la vita di un individuo sia molto complessa. Fino ad oggi
ci sono a mala pena tecniche in grado di stabilire qualche tipo di uniformità, e così
un risultato garantisce la cumulazione dei materiali di storia dei casi isolando il complesso
totalità di una vita umana. Tuttavia, sebbene i dati della storia clinica siano difficili da
sottoposto a un'analisi rigorosa, una maneggevole gestione e interpretazione di tali dati potrebbe

aiuto nello sviluppare intuizioni sui conflitti culturali e sui problemi che ne derivano
cambiamento culturale.
Gordon Allport (Kothari 1988) ha raccomandato i seguenti aspetti
per allargare la prospettiva dei dati del caso studio:
(i) se la storia della vita è scritta in prima persona, dovrebbe essere il più completa possibile

e coerente possibile.
(ii) Le biografie devono essere scritte per persone esperte. Cioè, se il
l'indagine dello studio è di natura sociologica, il ricercatore dovrebbe scriverla su
l'assunzione che sarebbe stato letto principalmente da sociologi.
(iii) Sarebbe consigliabile integrare i dati dello studio di caso con osservazioni,
dati statistici e storici, poiché forniscono standard per valutare il
affidabilità e coerenza dei materiali dello studio di caso. Inoltre, tali dati
offrire una base per generalizzazioni.
(iv) Devono essere fatti sforzi per verificare l'affidabilità dei dati sulla storia della vita da

esaminando la coerenza interna del materiale raccolto, e da

ripetendo le interviste con la persona interessata. Oltre a questo, personale
interviste con persone che lo conoscono bene,
appartenente al proprio gruppo dovrebbe essere condotto.
(v) Una combinazione saggia di diverse tecniche per la raccolta dei dati è
crucial for collecting data that are culturally meaningful and scientifically
significativo.
(vi) Le storie di vita o le storie di caso possono essere considerate come una base adeguata per

generalizzazione nella misura in cui sono tipici o rappresentativi di una

certa gruppo.
(vii) Il ricercatore impegnato nella raccolta dei dati del caso di studio non dovrebbe mai

ignora i casi unici o tipici. Dovrebbe includerli come

casi eccezionali.
Le storie cliniche sono piene di informazioni preziose di carattere personale o

natura privata. Queste informazioni non solo aiutano il ricercatore a ritrarre il

personalità dell'individuo, ma anche il contesto sociale che ha contribuito a
Inoltre, aiuta anche nella formulazione di ipotesi pertinenti. In generale,
anche se Blummer (in Wilkinson e Bhandarkar, 1979) era critico nei confronti di
materiale documentario, ha dato il giusto riconoscimento ai casi studio riconoscendo il
il fatto che i documenti personali offrano un'opportunità al ricercatore di
sviluppare il suo spirito di indagine. L'analisi di un particolare soggetto sarebbe
più efficace se il ricercatore acquisisce una stretta familiarità con esso attraverso
documenti personali. Tuttavia, Blummer riconosce anche le limitazioni di
i documenti personali. Secondo lui, tali documenti non sono completamente
soddisfare i criteri di adeguatezza, affidabilità e rappresentatività. Nonostante questi
le carenze, evitando il loro uso in qualsiasi studio scientifico della vita personale sarebbe
sbagliato, poiché questi documenti diventano necessari e significativi sia per la teoria-

costruzione e pratica.
Nonostante queste formidabili limitazioni, i dati dei casi studio sono utilizzati da

antropologi, sociologi, economisti e psichiatri industriali. Gordon

Allport (Kothari, 1988) raccomanda vivamente l'uso dei dati di studio di caso per in-
un'analisi approfondita di un soggetto. Infatti, è la propria conoscenza di un individuo che
infonde il desiderio di conoscere la propria natura e comprenderla. La prima fase
comporta comprendere l'individuo e tutta la complessità della sua natura.
Qualsiasi fretta nell'analizzare e classificare l'individuo creerebbe il rischio di
riducendo il suo mondo emotivo in frammenti artificiali. Di conseguenza, il
organizzazioni emotive importanti, ancoraggi e identificazioni naturali
caratterizzare la vita personale dell'individuo potrebbe non portare a risultati adeguati

rappresentazione. Pertanto, il ricercatore dovrebbe comprendere la vita del soggetto.

Pertanto, la totalità dei processi vitali riflessa nella ben ordinata storia della vita
i documenti diventano una fonte inestimabile di spunti stimolanti. Tale storia di vita
i documenti forniscono la base per confronti che contribuiscono alla statistica
generalizzazioni e aiuto a trarre inferenze riguardo le uniformità nell'umano
comportamenti, che hanno un grande valore. Anche se alcuni documenti personali non
fornire dati ordinati sulla vita personale delle persone, che è la base di
la scienza psicologica, non dovrebbero essere ignorati. Questo perché l'obiettivo finale
della scienza è comprendere, controllare e fare previsioni sulla vita umana. Una volta
sono soddisfatti, l'importanza teorica e pratica della persona
i documenti devono essere riconosciuti come significativi. Pertanto, uno studio di caso può essere

considerato come l'inizio e la destinazione finale della conoscenza astratta.

1.6 Ipotesi:
L'ipotesi può essere definita come una proposizione o un insieme di proposizioni.
esposto come spiegazione per l'occorrenza di un gruppo specificato di
fenomeni semplicemente affermati come una congettura provvisoria per guidare alcuni
indagine alla luce dei fatti stabiliti" (Kothari, 1988). Una ricerca
l'ipotesi è spesso un'affermazione predittiva, capace di essere testata
utilizzando metodi scientifici che coinvolgono un indipendente e alcuni dipendenti
variabili. Ad esempio, le seguenti affermazioni possono essere considerate:
Gli studenti che seguono ripetizioni si comportano meglio di quelli che non le ricevono.
"tasse scolastiche" o,

le studentesse si esibiscono tanto bene quanto gli studenti maschi.

Queste due affermazioni sono ipotesi che possono essere verificate e testate in modo oggettivo.

Pertanto, indicano che un'ipotesi stabilisce ciò che si sta cercando. Inoltre, è
una proposizione che può essere messa alla prova per esaminarne la validità.

1.6.1 Caratteristiche dell'ipotesi:

Un'ipotesi dovrebbe avere le seguenti caratteristiche principali:

(i) Un'ipotesi deve essere precisa e chiara. Se non è precisa e chiara, allora
le inferenze tratte su questa base non sarebbero affidabili.

(ii) Una ipotesi deve essere in grado di essere messa alla prova. Molto spesso, il
i programmi di ricerca falliscono a causa della loro incapacità di essere soggetti a
testare la validità. Pertanto, potrebbe essere condotto uno studio precedente da parte del
 un ricercatore per rendere una ipotesi testabile. Un'ipotesi "è testata
se altre detrazioni possono essere effettuate da esso, che a sua volta possono essere confermate o

smentito dall'osservazione” (Kothari, 1988).

(iii) Un'ipotesi deve dichiarare la relazione tra due variabili, nel caso di
ipotesi relazionali.
(iv) Un'ipotesi deve essere specifica e limitata nel suo ambito. Questo perché una
Una ipotesi più semplice sarebbe generalmente più facile da testare per il ricercatore.

And therefore, he/she must formulate such hypotheses.

(v) Per quanto possibile, un'ipotesi deve essere espressa nel linguaggio più semplice, quindi

per farlo comprendere a tutti i coinvolti. Tuttavia, va notato che

la semplicità di un'ipotesi non è correlata alla sua significatività.
(vi) Un'ipotesi deve essere coerente e derivata dai fatti più noti.
In altre parole, dovrebbe essere coerente con un sostanziale insieme di
fatti stabiliti. Cioè, deve essere sotto forma di affermazione che
I giudici accettano come il più probabile che si verifichi.
(vii) Un'ipotesi deve essere susceptible di essere testata all'interno di una stipulazione o ragionevole

periodo di tempo. Non importa quanto sia eccellente un'ipotesi, un ricercatore dovrebbe

non usarlo se non può essere testato entro un certo periodo di tempo, poiché nessuno può
permettersi di trascorrere una vita intera a raccogliere dati per testarlo.

(viii) Un'ipotesi dovrebbe dichiarare i fatti che danno origine alla necessità di esaminare
per un' spiegazione. Questo è per dire che utilizzando l'ipotesi, e altri
generalizzazioni conosciute e accettate, un ricercatore deve essere in grado di derivare

la condizione originaria del problema. Pertanto, un'ipotesi dovrebbe spiegare

cosa vuole realmente spiegare, e per questo dovrebbe anche avere un
riferimento empirico.
1.6.2 Concetti relativi al testing delle ipotesi:
Il test delle ipotesi richiede che un ricercatore sia familiare con vari
concetti riguardanti esso come:

1) Null Hypothesis and Alternative Hypothesis:

Nel contesto dell'analisi statistica, l'ipotesi è di due tipi, cioè, nulla
ipotesi e ipotesi alternativa. Quando due metodi A e B sono
rispetto alla loro relativa superiorità, e si presume che entrambi i metodi
sono ugualmente buoni, allora una tale affermazione è chiamata ipotesi nulla. Su
d'altra parte, se il metodo A è considerato relativamente superiore al metodo B, o vice-
versa, allora tale affermazione è conosciuta come ipotesi alternativa. L'ipotesi nulla
l'ipotesi è espressa come H0, mentre l'ipotesi alternativa è espressa come
HaAd esempio, se un ricercatore vuole testare l'ipotesi che la popolazione
la media (µ) è uguale alla media ipotizzata (H0) = 100, allora l'ipotesi nulla
dovrebbe essere dichiarato che la media della popolazione è uguale alla media ipotizzata di 100.

Simbolicamente può essere scritto come:-

H0: = µ = µ H0= 100
Se i risultati del campione non supportano questa ipotesi nulla, allora dovrebbe essere

concluso che qualcos'altro è vero. La conclusione di rifiutare l'ipotesi nulla

l'ipotesi è chiamata ipotesi alternativa. Per dirla in parole semplici, il set
alternative all'ipotesi nulla è chiamata ipotesi alternativa. Se H0
è accettato, allora implica che Haviene rifiutato. D'altra parte, se H0è
rifiutato, significa che Haviene accettato. Per H0µ = µ H0= 100, il
Le seguenti tre possibili ipotesi alternative possono essere considerate:
Ipotesi alternativa da leggere come segue
l'ipotesi alternativa è che il
Haµ ≠ µ H0 la media della popolazione non è uguale a 100,

cioè, potrebbe essere maggiore o minore

 di più di 100

l'ipotesi alternativa è che il

Hun: µ > µ H0
La media della popolazione è superiore a 100

l'ipotesi alternativa è che il

Ha: µ < µ H0
la media della popolazione è inferiore a 100

Prima che venga prelevato il campione, il ricercatore deve dichiarare l'ipotesi nulla

ipotesi e l'ipotesi alternativa. Mentre si formula il null

ipotesi, è necessario considerare i seguenti aspetti:
(a) L'ipotesi alternativa è di solito quella che un ricercatore desidera dimostrare,
mentre l'ipotesi nulla è quella che egli/ella desidera confutare. Quindi, un
l'ipotesi nulla è di solito quella che un ricercatore cerca di rifiutare, mentre un
l'ipotesi alternativa è quella che rappresenta tutte le altre possibilità.
(b) Il rifiuto di un'ipotesi quando è realmente vera comporta un grande rischio, poiché
indica che si tratta di un'ipotesi nulla perché poi la probabilità di rifiutarla
quando è vero è α (cioè, il livello di significatività) che viene scelto molto piccolo.
(c) L'ipotesi nulla dovrebbe sempre essere un'ipotesi specifica, cioè non dovrebbe affermare
circa un certo valore.
Il Livello di Significatività:
Nel contesto del test delle ipotesi, il livello di significatività è molto
concetto importante. Si tratta di una certa percentuale che dovrebbe essere scelta con grande

cura, ragione e pensiero. Se ad esempio il livello di significatività è preso al 5 per

cento, allora significa che H0verrebbe rifiutato quando il risultato del campionamento è inferiore a

than 0.05 probability of occurrence when H0è vero. In altre parole, il cinque per
il livello di significatività del cento implica che il ricercatore è disposto a correre un rischio di

cinque percento di rifiuto dell'ipotesi nulla, quando (H0) è effettivamente vero. In sintesi,
il livello di significatività riflette il valore massimo della probabilità di rifiutare
H0quando è effettivamente vero, e che di solito viene determinato prima di testare il
ipotesi.
(3) Test di ipotesi o regola di decisione:
Supponiamo che l'ipotesi data sia H0e l'ipotesi alternativa Ha,
allora il ricercatore deve fare una regola nota come la regola di decisione. Secondo
la regola di decisione, il ricercatore accetta o rifiuta H0. Ad esempio, se l'H0è
that certain students are good against the Hache tutti gli studenti siano bravi, poi
il ricercatore dovrebbe decidere il numero di elementi da testare e i criteri su
la base sulla quale accettare o rifiutare l'ipotesi.
(4) Errori di Tipo I e Tipo II:
Per quanto riguarda il testing delle ipotesi, un ricercatore può fondamentalmente fare due

tipi di errori. Lui/lei potrebbe rifiutare H0quando è vero, oppure accetta H0quando è
Non è vero. Il primo è chiamato errore di Tipo I e il secondo è conosciuto come errore di Tipo II.

errore. In altre parole, l'errore di tipo I implica il rifiuto di un'ipotesi quando è

deve essere stato accettato, mentre l'errore di tipo II implica l'accettazione di un

l'ipotesi che deve essere stata respinta. L'errore di Tipo I è denotato da α (alpha)
ed è conosciuto come errore di tipo α, mentre l'errore di tipo II è solitamente denotato con β (beta) ed è

conosciuto come errore β.

(5) Test a una coda e test a due code:

Questi due tipi di test sono molto importanti nel contesto dell'ipotesi
test. Un test a due code rifiuta l'ipotesi nulla, quando la media campionaria è
significativamente maggiore o minore rispetto al valore ipotizzato della media di
popolazione. Un tale test è adatto quando l'ipotesi nulla è qualche specificato
il valore, l'ipotesi alternativa è un valore che non è uguale al valore specificato
dell'ipotesi nulla.
sviluppare il suo spirito di indagine. L'analisi di un particolare soggetto sarebbe
più efficace se il ricercatore acquisisce una stretta familiarità con esso attraverso
documenti personali. Tuttavia, Blummer riconosce anche le limitazioni di
i documenti personali. Secondo lui, tali documenti non sono completamente
soddisfare i criteri di adeguatezza, affidabilità e rappresentatività. Nonostante questi
le carenze, evitando il loro uso in qualsiasi studio scientifico della vita personale sarebbe
sbagliato, poiché questi documenti diventano necessari e significativi sia per la teoria-

costruzione e pratica.
Nonostante queste formidabili limitazioni, i dati dei casi studio sono utilizzati da

antropologi, sociologi, economisti e psichiatri industriali. Gordon

Allport (Kothari, 1988) raccomanda vivamente l'uso dei dati di studio di caso per in-
un'analisi approfondita di un soggetto. Infatti, è la propria conoscenza di un individuo che
infonde il desiderio di conoscere la propria natura e comprenderla. La prima fase
comporta comprendere l'individuo e tutta la complessità della sua natura.
Qualsiasi fretta nell'analizzare e classificare l'individuo creerebbe il rischio di
riducendo il suo mondo emotivo in frammenti artificiali. Di conseguenza, il
organizzazioni emotive importanti, ancoraggi e identificazioni naturali
caratterizzare la vita personale dell'individuo potrebbe non portare a risultati adeguati

rappresentazione. Pertanto, il ricercatore dovrebbe comprendere la vita del soggetto.

Pertanto, la totalità dei processi vitali riflessa nella ben ordinata storia della vita
i documenti diventano una fonte inestimabile di spunti stimolanti. Tale storia di vita
i documenti forniscono la base per confronti che contribuiscono alla statistica
generalizzazioni e aiuto a trarre inferenze riguardo le uniformità nell'umano
comportamenti, che hanno un grande valore. Anche se alcuni documenti personali non
fornire dati ordinati sulla vita personale delle persone, che è la base di
la scienza psicologica, non dovrebbero essere ignorati. Questo perché l'obiettivo finale
della scienza è comprendere, controllare e fare previsioni sulla vita umana. Una volta
sono soddisfatti, l'importanza teorica e pratica della persona
(iii) Decidere la distribuzione da utilizzare:
Dopo aver preso una decisione sul livello di significatività per il test delle ipotesi,

il ricercatore deve quindi determinare la distribuzione campionaria appropriata. La

La scelta da fare si riferisce generalmente alla distribuzione normale e alla distribuzione t.

Le regole che governano la selezione della distribuzione corretta sono simili a

già discussi in relazione alla stima.

(iv) Selezione di un campione casuale e calcolo di un appropriato

Value:
Un altro passo coinvolto nel test delle ipotesi è la selezione di un campione casuale

campionamento e poi calcolando un valore adeguato dai dati del campione relativi al test
statistica utilizzando la distribuzione appropriata. In altre parole, implica
estrazione di un campione per fornire dati empirici.

(v) Calcolo della Probabilità:

Il passo successivo per il ricercatore è calcolare la probabilità che il
il risultato campione divergerebbe il più possibile dalle aspettative, sotto il
situazione in cui l'ipotesi nulla è realmente vera.

(vi) Confrontare la Probabilità:

Un altro passaggio consiste nel fare un confronto della probabilità
calcolato con il valore specificato per α, il livello di significatività. Se il calcolato
la probabilità risulta essere uguale o minore del valore α nel caso di uno-
il test a due code, allora l'ipotesi nulla deve essere respinta. D'altra parte, se il
la probabilità calcolata è maggiore, quindi l'ipotesi nulla deve essere accettata. In
caso l'ipotesi nulla H0è rifiutata, il ricercatore corre il rischio di commettere
l'errore di Tipo I. Ma, se l'ipotesi nulla H0è accettato, allora esso
comporta alcuni rischi (che non possono essere specificati in misura finché H0è vago e
non specifico) di commettere l'errore di Tipo II.

1.7 Campione di Indagine:

A sample design is a definite plan for obtaining a sample from a given

popolazione (Kothari, 1988). Il campione costituisce una certa parte della
popolazione o universo. Il design del campionamento si riferisce alla tecnica o il
procedura che il ricercatore adotta per selezionare gli elementi per il campione da
popolazione o universo. Un disegno del campione aiuta a decidere il numero di elementi da
essere incluso nel campione, ovvero, la dimensione del campione. Il design del campione dovrebbe

essere determinati prima della raccolta dei dati. Ci sono diversi tipi di campioni
design che un ricercatore può scegliere. Alcuni di essi sono relativamente più
preciso e più facile da adottare rispetto agli altri. Un ricercatore dovrebbe preparare o selezionare

un design campione, che deve essere affidabile e adatto per lo studio di ricerca
proposto di essere intrapreso.

1.8.1 Passaggi nel Design del Campionamento:

Un ricercatore dovrebbe tenere in considerazione i seguenti aspetti mentre

sviluppare un design campione:

(i)Type of universe:
Il primo passo coinvolto nello sviluppo del design del campione è definire chiaramente il

numero di casi, tecnicamente noto come l'Universo, da studiare. Un universo

può essere finito o infinito. In un universo finito, il numero di oggetti è certo,
mentre nel caso di un universo infinito il numero di elementi è infinito (cioè,
non ci sono idee sul numero totale di articoli). Ad esempio, mentre il
La popolazione di una città o il numero di lavoratori in una fabbrica comprendono una quantità finita
universi, il numero di stelle nel cielo, o il lancio di un dado rappresentano infinito
universo.

(ii)Sampling Unit:
Prima di selezionare un campione, deve essere presa una decisione sull'unità di campionamento. Un
l'unità di campionamento può essere un'area geografica come uno stato, un distretto, un villaggio, ecc., oppure un

unità sociale come una famiglia, comunità religiosa, scuola, ecc., oppure può anche essere un

individuo. A volte, il ricercatore avrebbe dovuto scegliere uno o più di tali

unità per il suo studio.

(iii)Elenco delle fonti:

La lista di origine è anche conosciuta come 'quadro di campionamento', da cui il campione deve essere prelevato.

be selected. The source list consists of names of all the items of a universe. The
il ricercatore deve preparare un elenco delle fonti quando non è disponibile. L'elenco delle fonti

deve essere affidabile, completo, corretto e appropriato. È importante che

l'elenco delle fonti dovrebbe essere il più rappresentativo possibile della popolazione.

(iv)Size of Sample:
La dimensione del campione si riferisce al numero di elementi da scegliere dall'universo.
formare un campione. Per un ricercatore, questo costituisce un grande problema. La dimensione di
il campione deve essere ottimale. Un campione ottimale può essere definito come quello che

soddisfa i requisiti di rappresentatività, flessibilità, efficienza, e

affidabilità. Nel decidere la dimensione del campione, un ricercatore dovrebbe determinare il
precisione desiderata e il livello di confidenza accettabile per la stima. La dimensione
della varianza della popolazione dovrebbe essere presa in considerazione, perché nel caso di un più grande

la varianza in generale richiede un campione più grande. La dimensione della popolazione dovrebbe
essere considerato, in quanto limita anche la dimensione del campione. I parametri di interesse in un
anche lo studio di ricerca dovrebbe essere preso in considerazione, mentre si decide la dimensione del campione.
Besides, costs or budgetary constraint also plays a crucial role in deciding the
dimensione del campione.

(a) Parametri di interesse:

I parametri specifici della popolazione di interesse dovrebbero essere presi in considerazione.

mentre determina il design del campione. Ad esempio, il ricercatore potrebbe voler

fai una stima della proporzione di persone con una certa caratteristica nel
popolazione, o potrebbe essere interessato a conoscere alcune medie riguardanti il
popolazione. La popolazione può anche consistere in importanti sottogruppi riguardo a

a chi il ricercatore vorrebbe fare stime. Tutti questi fattori hanno un forte
impatto sul design del campione scelto dal ricercatore.

(b) Vincolo di Bilancio:

Dal punto di vista pratico, le considerazioni sui costi esercitano un ruolo principale

influenza sulle decisioni relative non solo alla dimensione del campione, ma anche su
tipo di campione selezionato. Pertanto, la restrizione di bilancio potrebbe anche portare a

adozione di un design di campionamento non probabilistico.

(c) Procedura di campionamento:

Infine, il ricercatore dovrebbe decidere il tipo di campione o la tecnica

da adottare per selezionare gli articoli per un campione. Questa tecnica o procedura
può rappresentare il design del campione. Ci sono diversi design di campione da
quale un ricercatore dovrebbe selezionare per il suo studio. È chiaro che il
il ricercatore dovrebbe selezionare quel design che, per una data dimensione del campione e budget

la restrizione comporta un errore minore.

1.7.2 Criteri per la Selezione di una Procedura di Campionamento:

 Fondamentalmente, ci sono due costi coinvolti in un'analisi di campionamento, che governano

la selezione di una procedura di campionamento. Esse sono:

i) il costo della raccolta dei dati, e

(ii) il costo di trarre inferenze errate dai dati selezionati.
Ci sono due cause di inferenze errate, cioè il bias sistematico e
errore di campionamento. Il bias sistematico deriva da errori nella procedura di campionamento.

Non possono essere ridotti o eliminati aumentando la dimensione del campione. Al massimo,

le cause di questi errori possono essere identificate e corrette. In generale, un

Il bias sistematico deriva da uno o più dei seguenti fattori:
a. campionamento inadeguato,
b. dispositivo di misurazione difettoso,

c. non rispondenti,
d. principio di indeterminazione, e
e. pregiudizio naturale nella reporting dei dati.

L'errore di campionamento si riferisce alle variazioni casuali nelle stime del campione

attorno ai veri parametri di popolazione. Perché si verificano casualmente e probabilmente

essere uguali in entrambe le direzioni, sono di tipo compensativo, l'aspettato

il valore degli errori tende ad essere pari a zero. L'errore di campionamento tende a diminuire

con l'aumento della dimensione del campione. Diventa anche più piccolo in magnitudine
quando la popolazione è omogenea.

L'errore di campionamento può essere calcolato per una determinata dimensione del campione e design. Il

La misura dell'errore di campionamento è conosciuta come 'precisione del piano di campionamento'.

Quando la dimensione del campione viene aumentata, la precisione può essere migliorata. Tuttavia,

l'aumento della dimensione del campione ha le sue limitazioni. Il campione di grandi dimensioni non

aumenta solo il costo della raccolta dei dati, ma aumenta anche il bias sistematico.
Pertanto, un modo efficace per aumentare la precisione è generalmente scegliere un migliore
 progetto di campionamento, che ha un errore di campionamento minore per una determinata dimensione del campione a un

costo specificato. In pratica, tuttavia, i ricercatori generalmente preferiscono una meno precisa

design grazie alla facilità di adottare lo stesso, oltre al fatto che

Il bias sistematico può essere controllato in modo migliore in tali progettazioni.

In sintesi, mentre seleziona il campione, un ricercatore dovrebbe garantire che il

la procedura adottata comporta un errore di campionamento relativamente più piccolo e aiuta a

controllare il bias sistematico.

1.7.3 Caratteristiche di un buon disegno del campione:

I seguenti sono le caratteristiche di un buon design del campione:

(a) il campione di progetto dovrebbe fornire un campione realmente rappresentativo;

(b) il design del campione dovrebbe essere tale da risultare in un piccolo errore di campionamento;

(c) il design del campione dovrebbe essere fattibile nel contesto del budget

vincoli dello studio di ricerca;

(d) il campione dovrebbe essere progettato in modo tale che il bias sistematico possa essere

controllato; e
(e) il campione deve essere tale che i risultati dello studio campionario siano
applicabile, in generale, all'universo a un livello ragionevole di fiducia.

1.7.4 Differenti Tipi di Disegni di Campione:

I campioni di design possono essere classificati in diverse categorie basate su due
fattori, vale a dire, la base di rappresentazione e la tecnica di selezione degli elementi.
Sotto la base di rappresentazione, il campione può essere classificato come:

I. campionamento non probabilistico

II. campionamento probabilistico

 Mentre il campionamento probabilistico si basa sulla selezione casuale, il non-
Il campionamento probabilistico si basa su un campionamento 'non casuale'.

I. Non-Probability Sampling:
Il campionamento non probabilistico è la procedura di campionamento che non offre alcun

base per stimare la probabilità che ogni elemento nella popolazione avrebbe
una possibilità uguale di essere inclusi nel campione. Il campionamento non probabilistico è

noto anche come campionamento deliberato, campionamento per giudizio e campionamento mirato.

Sotto questo tipo di campionamento, gli oggetti per il campione sono scelti deliberatamente da

il ricercatore; e la sua scelta riguardo alla scelta degli oggetti rimane

supremo. In altre parole, sotto campionamento non probabilistico i ricercatori selezionano

una particolare unità dell'universo per formare un campione sulla base che il piccolo
un numero selezionato da un enorme gruppo sarebbe tipico o rappresentativo
dell'intera popolazione. Ad esempio, per studiare le condizioni economiche di
persone che vivono in uno stato, alcune città o villaggi possono essere selezionati appositamente per

uno studio intensivo basato sul principio che sono rappresentativi del
intero stato. In tal caso, il giudizio del ricercatore dello studio assume
importanza primaria in questo design di campionamento.

Quota Sampling:
Il campionamento per quote è anche un esempio di campionamento non probabilistico. Sotto

in questo campionamento, i ricercatori semplicemente assumono che le quote siano da riempire da diverse

strati, con determinate restrizioni imposte su come dovrebbero essere selezionati. Questo
il tipo di campionamento è molto conveniente ed è relativamente meno costoso. Tuttavia,
i campioni selezionati utilizzando questo metodo non soddisfano certamente le caratteristiche
di campioni casuali. Sono essenzialmente campioni di giudizio e inferenze
tratteggiato sulla base di ciò che non sarebbe suscettibile di trattamento statistico in un contesto formale

modo.
II. Campionamento probabilistico:

Il campionamento probabilistico è anche conosciuto come 'campionamento per scelta' o 'campionamento casuale'.

Sotto questo design di campionamento, ogni elemento dell'universo ha una possibilità uguale di

essere inclusi nel campione. In un certo senso, è un metodo di lotteria secondo il quale

le unità individuali vengono selezionate dall'intero gruppo, non deliberatamente, ma utilizzando

alcuni processi meccanici. Pertanto, solo il caso determinerebbe se un

l'oggetto o l'altro sarebbe incluso nel campione o meno. I risultati ottenuti
dalla probabilità o dal campionamento casuale sarebbe garantito in termini di probabilità.

Cioè, il ricercatore può misurare gli errori di stima o la significatività di

risultati ottenuti dal campione casuale. Questa è la superiorità del campione casuale
design di campionamento rispetto al design di campionamento deliberato. Campionamento casuale

soddisfa la legge della regolarità statistica, secondo la quale se in media il

il campione scelto è casuale, allora avrebbe la stessa composizione e
caratteristiche dell'universo. Questo è il motivo per cui il campionamento casuale
il metodo è considerato la migliore tecnica per scegliere un campione rappresentativo.

Le seguenti sono le implicazioni del campionamento casuale:

(i) fornisce a ciascun elemento della popolazione un'uguale probabilità di
essere scelti nel campione, con tutte le scelte indipendenti l'una dall'altra
e
(ii) offre a ogni possibile combinazione di campioni una probabilità uguale
opportunità di essere selezionato.

1.7.5 Metodo per Selezionare un Campione Casuale:

Il processo di selezione di un campione casuale comporta la scrittura del nome di

ogni elemento di una popolazione finita su un pezzo di carta e metterli in una scatola
o in un sacchetto. Poi devono essere mescolati accuratamente e poi il numero richiesto
I biglietti per il campione devono essere scelti uno dopo l'altro senza sostituzione.
Durante questo processo, deve essere assicurato che in ogni estrazione successiva ciascuno dei

gli elementi rimanenti della popolazione hanno la stessa possibilità di essere scelti. Questo

il metodo porta alla stessa probabilità per ogni campione possibile.

1.7.6 Progettazioni di campionamento casuale complesse:

Sotto la tecnica di campionamento ristretto, il campionamento probabilistico può risultare in

design di campionamento casuale complesso. Questi design sono conosciuti come campionamento misto

design. Molti di questi design possono rappresentare una combinazione di non-probabilità

e procedure di campionamento probabilistico nella scelta di un campione.

Alcuni dei principali disegni di campionamento casuale complesso sono i seguenti:

(i) Campionamento sistematico: In alcuni casi, il miglior modo di campionare è selezionare
ogni primo elemento di un elenco. Questo tipo di campionamento è chiamato campionamento sistematico.

Un elemento di casualità viene introdotto in questo tipo di campionamento utilizzando

numeri casuali per selezionare l'unità con cui iniziare. Ad esempio, se un 10 per
è richiesto un campione di cento, il primo elemento sarebbe selezionato casualmente dal primo

e poi ogni 10thelemento. In questo tipo di campionamento, solo la prima unità è

selezionati casualmente, mentre il resto delle unità del campione è scelto in modo fisso

intervalli.
(ii) Campionamento stratificato: Quando una popolazione dalla quale prendere un campione è

Il campione selezionato non comprende un gruppo omogeneo, tecnica di campionamento stratificato

è generalmente impiegato per ottenere un campione rappresentativo. Sotto stratificato

il campionamento, la popolazione è suddivisa in molte sottopopolazioni in modo tale
che sono individualmente più omogenei rispetto al resto del totale
popolazione. Poi, gli elementi vengono selezionati da ciascun strato per formare un campione. Come

ogni strato è più omogeneo della popolazione totale rimanente, il

il ricercatore è in grado di ottenere una stima più precisa per ogni strato e per
stimando ciascuna delle parti componenti con maggiore precisione, è in grado di ottenere
una stima migliore dell'insieme. In sintesi, il metodo di campionamento stratificato produce di più

informazioni affidabili e dettagliate.

(iii) Campionamento a grappolo: Quando l'area totale di interesse della ricerca è grande, un

un modo conveniente in cui un campione può essere selezionato è suddividere l'area in un

numero di aree più piccole non sovrapposte e poi selezionare casualmente un numero
di aree così più piccole. Nel processo, il campione finale sarebbe composto da tutti
le unità in queste piccole aree o gruppi. Quindi, nel campionamento a grappolo, il totale
la popolazione è suddivisa in numerose sotto-suddivisioni relativamente più piccole, che
in se stesse costituiscono gruppi di unità ancora più piccole. E poi, alcune di queste
I cluster vengono scelti casualmente per l'inclusione nel campione complessivo.
(iv) Campionamento di area: Quando i cluster sono nella forma di alcune aree geografiche

suddivisioni, quindi il campionamento a grappolo è definito come campionamento territoriale. Cioè, quando

l'unità di campionamento primaria rappresenta un cluster di unità basato sull'area geografica,

i progetti di cluster sono distinti come campionamento per area. I meriti e i demeriti
del campionamento a grappolo sono ugualmente applicabili al campionamento per area.

Campionamento a più fasi: un ulteriore sviluppo del principio di cluster

il campionamento è un campionamento a più fasi. Quando il ricercatore desidera indagare il
l'efficienza lavorativa delle banche nazionalizzate in India e un campione di alcune banche è

required for this purpose, the first stage would be to select large primary
unità di campionamento come gli stati nel paese. Successivamente, alcuni distretti possono essere

selezionati e tutte le banche intervistate nei distretti scelti. Questo rappresenta un due-
design di campionamento a più stadi, con le unità di campionamento ultime rappresentate da cluster di

distretti.
D'altra parte, se invece di fare il censimento di tutte le banche all'interno del
nei distretti selezionati, il ricercatore sceglie alcune città e intervista tutte le banche
in esso, questo rappresenterebbe un design di campionamento a tre stadi. Ancora, se invece di
svolgendo un censimento di tutte le banche all'interno delle città selezionate, il ricercatore a caso

seleziona campioni di banche da ogni città selezionata, quindi rappresenta un caso di utilizzo
un piano di campionamento in quattro fasi. Quindi, se il ricercatore seleziona casualmente in tutti

fasi, allora si chiama design di campionamento casuale a più stadi.

(vi) Campionamento con probabilità proporzionale alla dimensione: Quando il caso dei cluster

le unità di campionamento non hanno esattamente o approssimativamente lo stesso numero di

elementi, è meglio per il ricercatore adottare un processo di selezione casuale,

dove la probabilità di inclusione di ciascun cluster nel campione tende a essere
proporzionale alla dimensione del cluster. Per questo, il numero di elementi in ciascuno
Il cluster deve essere elencato, indipendentemente dal metodo utilizzato per ordinarlo. Poi il
il ricercatore dovrebbe scegliere sistematicamente il numero richiesto di elementi da
totali cumulativi. I numeri effettivi così scelti non rifletterebbero tuttavia il
elementi individuali, ma indicherebbero a quale cluster e quanti da
essi devono essere scelti utilizzando un campionamento casuale semplice o un campionamento sistematico.

L'esito di tale campionamento è equivalente a quello di un campione casuale semplice.

Il metodo è anche meno ingombrante ed è anche relativamente meno costoso.
Pertanto, un ricercatore deve passare attraverso varie fasi di conduzione
ricerca una volta che il problema di interesse è stato selezionato. metodologia di ricerca

familiarizza un ricercatore con i complessi metodi scientifici di conduzione

ricerche che producono risultati affidabili utili ai decisori politici,
governo, industrie ecc. nella presa di decisioni.
Raccolta dati

Introduzione:
È importante per un ricercatore conoscere le fonti di dati che egli
richieste per scopi diversi. I dati non sono altro che informazioni. Ci sono
due fonti di informazione o dati - Dati primari e Dati secondari. Primario
i dati si riferiscono ai dati raccolti per la prima volta, mentre i dati secondari si riferiscono

ai dati che sono già stati raccolti e utilizzati in precedenza da qualcuno o

alcuna agenzia. Ad esempio, le statistiche raccolte dal Governo dell'India
relativo alla popolazione è un dato primario per il Governo dell'India poiché esso
è stato raccolto per la prima volta. Successivamente, quando gli stessi dati vengono utilizzati da un

ricercatore per il suo studio di un particolare problema, quindi gli stessi dati diventano i

dati secondari per il ricercatore. Entrambe le fonti di informazione hanno i loro

meriti e demeriti. La selezione di una particolare fonte dipende da (a)
scopo e finalità dell'indagine, (b) disponibilità di tempo, (c) disponibilità di finanziamenti
(d) accuracy required, (e) statistical tools to be used, (f) sources of information
(dati), e (g) metodo di raccolta dei dati.

(a) Scopo e ambito dell'indagine: Lo scopo e l'ambito dei dati

la raccolta o il sondaggio dovrebbero essere chiaramente esposti fin dall'inizio. Richiede
la chiara enunciazione del problema che indica il tipo di informazione che è
necessario e l'uso per cui è necessario. Se, ad esempio, il ricercatore è
interessato a conoscere la natura della variazione dei prezzi nel tempo, sarebbe
è necessario raccogliere dati sui prezzi delle materie prime. Deve essere deciso se
sarebbe utile studiare i prezzi all'ingrosso o al dettaglio e i possibili utilizzi per
quali informazioni possono essere inserite. L'obiettivo di un'indagine può essere sia
per raccogliere informazioni specifiche relative a un problema o dati adeguati per testare un

ipotesi. La mancata esposizione chiara dello scopo dell'indagine porterà sicuramente a

confusione e spreco di risorse.
 Dopo che lo scopo dell'indagine è stato chiaramente definito, il passo successivo è
decidi l'ambito dell'indagine. L'ambito dell'indagine significa la copertura
per quanto riguarda il tipo di informazioni, l'oggetto e l'area geografica.
Ad esempio, un'indagine può riguardare l'India in generale o uno stato o un'industria.
città in cui è possibile studiare un problema particolare legato a un settore specifico.

(b) Disponibilità di tempo: - L'indagine dovrebbe essere effettuata entro un

periodo di tempo ragionevole, trascorso il quale le informazioni raccolte potrebbero diventare

obsoleto, e non avrebbe alcun significato. Ad esempio, se un produttore vuole

conoscere la domanda prevista per un prodotto appena lanciato da lui e il risultato
dell'inchiesta che la domanda sarebbe misera impiega due anni per raggiungerlo,
allora tutto lo scopo dell'indagine diventerebbe inutile perché a quel punto
avrebbe già subito una enorme perdita. Pertanto, sotto questo aspetto, le informazioni
è necessario rapidamente e quindi il ricercatore deve scegliere il tipo di indagine
di conseguenza.

(c) Disponibilità di Risorse: L'indagine dipenderà notevolmente dalla

risorse disponibili come numero di personale qualificato, la situazione finanziaria, ecc. Se
il numero di personale qualificato che svolgerà l'indagine è abbastanza sufficiente
e la disponibilità di fondi non è un problema, allora l'indagine può essere condotta
over a big area covering a good number of samples, otherwise a small sample
la dimensione andrà bene.

(d) Il grado di precisione desiderato: Decidere il grado di precisione richiesto

è un must per l'investigatore, perché l'accuratezza assoluta nel lavoro statistico è
raramente raggiunto. Questo è dovuto al fatto che (i) le statistiche si basano su stime, (ii)
gli strumenti di misurazione non sono sempre perfetti e (iii) potrebbero esserci errori non intenzionali

pregiudizio da parte dell'investigatore, enumeratore o informatore. Pertanto, un desiderio

un'accuratezza del 100% è destinata a rimanere inesaudita. Grado di accuratezza desiderato

dipende principalmente dall'oggetto di indagine. Ad esempio, quando compriamo oro,

anche una differenza di 1/10thil grammo nel suo peso è significativo, mentre lo stesso
non sarà il caso quando compriamo riso o grano. Tuttavia, il ricercatore deve
mirare a raggiungere un grado più elevato di precisione, altrimenti l'intero scopo di
la ricerca diventerebbe priva di significato.

(e) Strumenti statistici da utilizzare: Un oggetto ben definito e identificabile oppure un

gruppo di oggetti con cui le misurazioni o i conteggi in qualsiasi statistica

un'indagine è associata a quella che si chiama un'unità statistica. Ad esempio, in ambito socio-

l'indagine economica l'unità può essere un individuo, una famiglia, un nucleo familiare o un blocco

della località. Un passaggio molto importante prima dell'inizio della raccolta dei dati è definire

chiaramente le unità statistiche su cui devono essere raccolti i dati. In numero di

situazioni le unità sono fissate convenzionalmente come le unità fisiche di
misurazione, come metri, chilometri, quintali, ore, giorni, settimane, ecc.
che sono ben definiti e non necessitano di alcuna elaborazione o spiegazione.
Tuttavia, in molte indagini statistiche, in particolare relative a socio-
negli studi economici si utilizzano unità arbitrarie che devono essere chiaramente definite. Questo è

un must perché in assenza di una definizione chiara e precisa di

unità statistiche, possono essere commessi errori gravi nella raccolta dei dati nella
sensazione che potremmo raccogliere dati irrilevanti sugli articoli, che avrebbero dovuto, in

fatto, sono stati esclusi e omessi dati su determinati elementi che avrebbero dovuto essere

Questo porterà infine a conclusioni fallaci.

(f) Fonti di Informazione (dati): Dopo aver deciso riguardo all'unità, un ricercatore
deve decidere riguardo alla fonte da cui le informazioni possono essere ottenute o
raccolti. Per qualsiasi indagine statistica, l'investigatore può raccogliere i dati prima
manualmente o può utilizzare i dati di altre fonti pubblicate, come pubblicazioni
delle organizzazioni governative/semigovernative o riviste e magazine
ecc.
(g) Metodo di Raccolta Dati: -Non c'è problema se i dati secondari sono
utilizzato per la ricerca. Tuttavia, se i dati primari devono essere raccolti, deve essere presa una decisione

si deve determinare se (i) utilizzare il metodo del censimento o (ii) la tecnica del campionamento per

raccolta dati. Nel metodo del censimento, si procede a un'enumerazione totale, cioè tutte le unità

di un universo devono essere investigati. Ma nella tecnica del campionamento, ispezioniamo o

studiare solo una frazione rappresentativa e adeguata della popolazione e

dopo aver analizzato i risultati dei dati campione traiamo conclusioni riguardo a
caratteristiche della popolazione. La selezione di una tecnica particolare diventa
difficile perché dove il metodo di popolazione o censimento è più scientifico e
Il 100% di accuratezza può essere raggiunto attraverso questo metodo, scegliere questo diventa

difficile perché richiede tempo, richiede più manodopera ed è molto costoso.

Pertanto, per un singolo ricercatore o per una piccola istituzione si dimostra essere
inadatto. D'altra parte, il metodo campione richiede meno tempo, è meno laborioso
e meno costoso, ma un'accuratezza del 100% non può essere raggiunta con questo metodo
a causa degli errori di campionamento e non campionamento legati a questo metodo. Pertanto, un

il ricercatore deve essere molto cauto e attento nella scelta di un particolare

metodo.
Metodi di raccolta dei dati primari:
I dati primari possono essere ottenuti applicando uno dei seguenti metodi:
1. Interviste personali dirette.
2. Interviste orali indirette.
3. Informazioni dai corrispondenti.
4. Metodi di questionari inviati per posta.

5. Programma inviato attraverso gli enumeratori.

1. Interviste personali dirette: Viene stabilito un contatto faccia a faccia con il

informatori (persone da cui ottenere le informazioni) ai sensi di questo

metodo di raccolta dati. L'intervistatore fa loro domande pertinenti al
raccoglie e raccoglie le informazioni desiderate. Pertanto, se una persona vuole raccogliere

dati sulle condizioni di lavoro dei lavoratori della Tata Iron and Steel
Azienda, Jamshedpur, andrebbe alla fabbrica, contatterebbe i lavoratori e
ottenere le informazioni desiderate. Le informazioni raccolte in questo modo sono prima
mano e anche originale nel carattere. Ci sono molti meriti e demeriti di questo
metodo, che sono discussi come segue:
Meriti:
1. Spesso i partecipanti sono felici di fornire le informazioni richieste
da loro quando contattati personalmente e quindi la risposta è incoraggiante.
2. Le informazioni raccolte attraverso questo metodo sono normalmente più accurate
perché l'intervistatore può chiarire i dubbi degli informatori su certi
domande e quindi ottenere informazioni corrette. Nel caso in cui l'intervistatore

teme che l'informatore non stia fornendo informazioni accurate, potrebbe

interrogalo e cerca di ottenere così le informazioni.
3. Questo metodo offre anche la possibilità di ottenere supplementi
informazioni dall'informatore, perché durante l'intervista è possibile
fare alcune domande supplementari che potrebbero essere più utili in seguito.
4. Potrebbero esserci alcune domande che l'intervistatore troverebbe
difficile chiedere direttamente, ma con un po' di tatto, può mescolarsi così
domande con gli altri e ottenere le informazioni desiderate. Può girare il
questions keeping in mind the informant’s reaction. Precisely, a delicate
situation can usually he handled more effectively by a personal interview
rispetto ad altre tecniche di sondaggio.
5. L'intervistatore può adattare la lingua in base allo stato e
livello educativo della persona intervistata, e così può evitare
inconvenienti e fraintendimenti da parte dell'informatore.

Svantaggi:

Questo metodo può risultare costoso se il numero di informatori è elevato

e l'area è ampiamente diffusa.

2. C'è una maggiore possibilità di pregiudizio e parzialità personale con questo metodo poiché

rispetto ad altri metodi.

3. Gli intervistatori devono essere adeguatamente formati ed esperti; altrimenti

potrebbero non essere in grado di ottenere le informazioni desiderate. Non addestrati o poco

intervistatori addestrati possono rovinare l'intero lavoro.

[Link] method is more time taking as compared to others. This is because

le interviste possono essere svolte solo quando è comodo per gli informatori. Pertanto, se

le informazioni devono essere ottenute dai membri lavoratori delle famiglie,

le interviste dovranno essere tenute la sera o nel fine settimana. Anche durante
la sera solo un'ora o due possono essere utilizzate per colloqui e quindi, il lavoro
potrebbe dover essere continuato per un lungo periodo di tempo, o un gran numero di persone potrebbe

devono essere impiegati, il che può comportare spese enormi.

Conclusione:
Anche se ci sono alcuni svantaggi in questo metodo di raccolta dei dati, comunque non possiamo

dire che non è utile. La questione è che questo metodo è adatto per
indagini di campo intensive piuttosto che estensive. Pertanto, dovrebbe essere utilizzato solo in

quei casi in cui è desiderato uno studio intensivo di un campo limitato.

In the present time of extreme advancement in the communication system,
l'investigatore invece di andare di persona e condurre un faccia a faccia
l'intervista può anche ottenere informazioni telefonicamente. Un buon numero di
i sondaggi vengono condotti ogni giorno da giornali e canali televisivi
inviando la risposta sia tramite e-mail che SMS. Questo metodo è diventato molto
popolare al giorno d'oggi poiché è meno costoso e la risposta è estremamente rapida.
Ma questo metodo presenta alcuni gravi difetti, come (a) poche persone
possiedere un telefono o una televisione e quindi un numero limitato di persone può essere

approcciati con questo metodo, (b) solo poche domande possono essere poste al telefono o

tramite la televisione, (c) i rispondenti possono dare risposte vaghe e avventate

perché le risposte al telefono o tramite SMS dovrebbero essere molto brevi.
2. Interviste Orali Indirette: Sotto questo metodo di raccolta dati, il
l'investigatore contatta terze parti generalmente chiamate 'testimoni' che sono in grado di
di fornire informazioni necessarie. Questo metodo è generalmente adottato quando il
Le informazioni da ottenere sono di natura complessa e gli informatori non sono
inclini a rispondere se avvicinati direttamente. Ad esempio, quando il ricercatore è
cercando di ottenere dati sulla dipendenza da droghe o sull'abitudine di bere alcolici, c'è un'alta

probabilità che la persona dipendente non fornisca i dati desiderati e quindi

disturberà l'intero processo di ricerca. In questa situazione, prendere l'aiuto di tali
persone o agenzie o vicini che li conoscono bene diventa necessario.
Poiché queste persone conoscono bene la persona, possono fornire i dati desiderati.
Comitati e Commissioni di Inchiesta nominati dal Governo generalmente
adottare questo metodo per ottenere le opinioni delle persone e tutti i dettagli possibili dei fatti

relativo all'indagine.
Sebbene questo metodo sia molto popolare, la sua correttezza dipende da un certo numero di

fattori che sono discussi di seguito:

1. La persona o le persone o l'agenzia il cui aiuto è richiesto deve essere di comprovata
integrità; altrimenti qualsiasi pregiudizio o esperienza da parte loro non porterà al risultato corretto

l'informazione e l'intero processo di ricerca diventeranno inutili.

2. La capacità degli intervistatori di estrarre informazioni dai testimoni attraverso mezzi

di domande appropriate e controinterrogatorio.

3. Potrebbe accadere che a causa di tangenti, nepotismo o altri motivi particolari
coloro che stanno raccogliendo le informazioni le danno una svolta tale da renderle corrette

non si arriva a conclusioni.

Pertanto, per il successo di questo metodo è necessario che la prova di
una persona sola non è considerata affidabile. Opinioni di altre persone e correlate
le agenzie dovrebbero anche essere verificate per trovare la posizione reale. La massima attenzione deve essere prestata.

essere esercitati nella selezione di queste persone perché è sulle loro opinioni che
si giungono a conclusioni finali.
3. Informazioni dai corrispondenti: L'investigatore nomina agenti locali
o corrispondenti in diversi luoghi per raccogliere informazioni secondo questo metodo.
Questi corrispondenti raccolgono e trasmettono le informazioni all'ufficio centrale.
dove i dati vengono elaborati. Questo metodo è generalmente adottato dai giornali
agenzie. I corrispondenti che sono assegnati in diversi posti forniscono informazioni
riguardo a eventi come incidenti, rivolte, scioperi, ecc., alla sede centrale. Il
I corrispondenti sono generalmente personale retribuito o a volte possono essere onorari.

anche i corrispondenti. Questo metodo è generalmente adottato anche dal governo

dipartimenti in tali casi in cui è necessario raccogliere informazioni regolari da un
ampia area. Ad esempio, nella costruzione di un indice dei prezzi all'ingrosso
Le informazioni regolari vengono ottenute da corrispondenti nominati in diverse aree.
Il maggiore vantaggio di questo metodo è che è economico e appropriato per
investigazione estesa. Ma una parola di cautela è che potrebbe non garantire sempre
risultati accurati a causa dei pregiudizi e dei bias personali dei corrispondenti.
Come già detto, questo metodo è adatto e adottato in quei casi in cui il
le informazioni devono essere ottenute a intervalli regolari da una vasta area.

4. Metodo del questionario inviato: Con questo metodo, un elenco di domande

relativo al sondaggio noto come 'Questionario' è preparato e
inviato ai vari informatori per posta. A volte anche il ricercatore stesso
contatta i rispondenti e ottiene le risposte relative a vari
domande nel questionario. Il questionario contiene domande e
fornisce spazio per le risposte. Viene fatta una richiesta agli informatori tramite un

covering letter to fill up the questionnaire and send it back within a specified
Il questionario può essere classificato sulla base di:
i. Il grado in cui il questionario è formalizzato o strutturato.
ii. Il travestimento o la mancanza di travestimento del questionario e
iii. Il metodo di comunicazione utilizzato.

Quando non viene utilizzato alcun questionario formale, gli intervistatori adattano le loro domande.

ad ogni intervista mentre si svolge. Potrebbero anche cercare di suscitare risposte tramite

metodi indiretti, come mostrare immagini su cui il rispondente commenta.

Quando un ricercatore segue una sequenza prescritta di domande, viene definito come
studio strutturato. D'altra parte, quando non c'è una sequenza di domande prescritta
esiste, lo studio non è strutturato.
Quando i questionari sono costruiti in modo tale che l'obiettivo sia chiaro
ai rispondenti quindi questi questionari sono noti come non mascherati;
d'altra parte, quando l'obiettivo non è chiaro, il questionario è uno camuffato.
Sulla base di queste due classificazioni, possono esserci quattro tipi di studi.
distinto
i. Strutturato non camuffato
ii. Non camuffato non strutturato,
iii. Strutture mascherate e
iv. Non strutturato mascherato.

Ci sono alcuni meriti e demeriti o limitazioni di questo metodo di dati

collezione di cui si parla di seguito:
Meriti:
Il metodo del questionario per la raccolta dei dati può essere facilmente adottato dove il

il campo di indagine è molto vasto e gli informatori sono sparsi su un

ampia area geografica.
Questo metodo è relativamente economico e veloce, a condizione che gli informatori
rispondi in tempo.
3. Questo metodo si è dimostrato superiore rispetto ad altri metodi come
colloqui personali o metodo telefonico. Questo perché quando le domande
riguardanti la natura personale o quelli che richiedono una reazione da parte della famiglia sono

presentato agli informatori, c'è la possibilità che si sentano imbarazzati in

rispondendo loro.
Svantaggi:
Questo metodo può essere adottato solo dove gli informatori sono alfabetizzati
persone affinché possano comprendere le domande scritte e prestare il
risposte per iscritto.
2. Comporta una certa incertezza riguardo alla risposta. Cooperazione da parte di
Gli informatori possono essere difficili da presumere.

3. The information provided by the informants may not be correct and it may
essere difficile verificare l'accuratezza.

Tuttavia, seguendo le linee guida fornite di seguito, questo metodo può essere reso

più efficace
 I questionari dovrebbero essere redatti in modo tale da non
diventare un onere ingiustificato per i convenuti; altrimenti i convenuti potrebbero non
restituiscili indietro.

io. Deve essere affrancato un francobollo postale prepagato

ii. Il campione dovrebbe essere grande

iii. Dovrebbe essere adottato in tali indagini dove ci si aspetta che il

I rispondenti restituirebbero il questionario a causa del proprio interesse
nell'inchiesta.
iv. Dovrebbe essere preferito in tali richieste dove potrebbe esserci un legale
costrizione a fornire le informazioni.

5. Schedules sent through Enumerators: Another method of data collection is

inviare i programmi tramite gli enumeratori o gli intervistatori. Gli enumeratori
contattare gli informatori, ottenere risposte alle domande contenute in un programma e
compilarli con la propria scrittura nel modulo del questionario. C'è differenza
tra questionario e programma. Il questionario si riferisce a un dispositivo per
ottenere risposte a domande utilizzando un modulo che il rispondente compila
se stesso, mentre Programma è il nome di solito attribuito a un insieme di domande che
vengono chieste in una situazione faccia a faccia con un'altra persona. Questo metodo è gratuito

dalla maggior parte delle limitazioni del metodo del questionario inviato per posta.

Meriti:
I principali meriti o vantaggi di questo metodo sono elencati di seguito:

i. Può essere adottato nei casi in cui gli informatori siano analfabeti.
ii.C'è molto poco spazio per la non risposta poiché gli enumeratori si recano di persona.

to obtain the information.

iii. Le informazioni ricevute sono più affidabili poiché l'accuratezza delle dichiarazioni può

essere controllato da domande supplementari dove necessario.

 Anche questo metodo, come altri, non è esente da difetti o limitazioni.
Le principali limitazioni sono elencate di seguito:

Demerits:
i. Rispetto ad altri metodi di raccolta di dati primari, questo metodo è
piuttosto costoso poiché gli enumeratori sono generalmente persone retribuite.

il successo del metodo dipende in larga misura dalla formazione impartita a

gli enumeratori.
iii. L'intervista è un lavoro molto specializzato e richiede esperienza e formazione.
Molti statistici tendono a trascurare questo aspetto estremamente importante
parte del processo di raccolta dati e questo porta a interviste sbagliate.
Senza buone interviste, gran parte delle informazioni raccolte è di dubbia valenza.
valore.
iv. L'intervista non è solo un lavoro qualificato, ma richiede anche un grande grado di
politeness and thus the way the enumerators conduct the interview would
influenzare i dati raccolti. Quando vengono poste domande da un numero di
Diversi intervistatori, è possibile che ci siano variazioni nelle personalità di
gli intervistatori causeranno variazioni nelle risposte ottenute. Questo
la variazione non sarà ovvia. Pertanto, devono essere fatti tutti gli sforzi per rimuovere

tanta variazione quanto possibile a causa dei diversi intervistatori.

Dati secondari: Come già detto, i dati secondari sono quei dati che hanno
già stato raccolto e analizzato da qualche agenzia precedente per uso proprio, e
in seguito gli stessi dati vengono utilizzati da un'agenzia diversa. Secondo

[Link], “Una fonte primaria è una pubblicazione in cui i dati sono

pubblicato dalla stessa autorità che li ha raccolti e analizzati. Un secondario
la fonte è una pubblicazione, che riporta i dati raccolti da altri
autorità e per cui altri sono responsabili.
Fonti di dati secondari: - Le varie fonti di dati secondari possono essere
diviso in due ampie categorie:
1. Fonti pubblicate, e
2. Fonti inedite.

1. Fonti Pubblicate: Le agenzie governative, internazionali e locali

pubblicare dati statistici, e tra essi sono spiegati di seguito:

(a) Pubblicazioni internazionali: Ci sono alcune istituzioni internazionali e

corpi come il F.M.I, la B.M.R.I, l'I.C.A.F.E e l'U.N.O che pubblicano regolarmente e

rapporti occasionali su questioni economiche e statistiche.

(b) Pubblicazioni ufficiali dei governi centrale e statali: Diverse

i dipartimenti del governo centrale e statale pubblicano regolarmente rapporti su un
numero di soggetti. Raccogliono informazioni aggiuntive. Alcuni dei punti importanti
{"publications are: The Reserve Bank of India Bulletin, Census of India, Statistical":"le pubblicazioni sono: Bollettino della Reserve Bank of India, Censimento dell'India, Statistico"}

Astrazioni degli Stati, Statistiche Agricole dell'India, Giornale del Commercio Indiano, ecc.

(c) Pubblicazioni semi-ufficiali: istituzioni semi-governative come i Municipi

Le corporationi, i consigli distrettuali, i panchayati, ecc. pubblicano rapporti relativi a

diverse questioni di interesse pubblico.

(d) Pubblicazioni di Istituti di Ricerca: Istituto Statistico Indiano (I.S.I)
Consiglio Indiano per la Ricerca Agricola (I.C.A.R), Statistiche Agricole Indiane
L'Istituto di Ricerca (I.A.S.R.I), ecc. pubblica i risultati delle loro ricerche
programmi.
(e) Pubblicazioni di varie Istituzioni Commerciali e Finanziarie
(f) Rapporti di vari Comitati e Commissioni nominati da
Il governo come il rapporto del comitato Raj sulla tassazione agricola, Wanchoo
Il rapporto del comitato su tassazione e denaro nero, ecc. è anche importante
fonti di dati secondari.
(g) Riviste e giornali: Riviste e giornali sono molto importanti
e una potente fonte di dati secondari. Materiali attuali e importanti su
le statistiche e i problemi socio-economici possono essere ottenuti da riviste e
giornali come Economic Times, Commerce, Capital, Indian Finance, Mensile
Statistiche del commercio ecc.

2. Fonti inedite: I dati inediti possono essere ottenuti da molti

fonti non pubblicate come registri mantenuti da vari enti pubblici e privati
uffici, le tesi dei numerosi ricercatori nelle università o
istituzioni ecc.

Precauzioni nell'uso dei dati secondari: poiché i dati secondari sono già stati
È altamente auspicabile che si effettui un'adeguata analisi di tali dati.
prima che vengano utilizzati dall'investigatore. Infatti, l'utente deve essere particolarmente cauto

mentre si utilizzano dati secondari. In questo contesto il Prof. Bowley sottolinea giustamente che

I dati secondari non dovrebbero essere accettati per il loro valore nominale.” Il motivo è
quei dati potrebbero essere errati sotto molti aspetti a causa di pregiudizi, dimensioni inadequate del

campione, sostituzione, errori di definizione, errori aritmetici ecc. Anche se c'è

nessun errore tali dati potrebbero non essere appropriati e adeguati per lo scopo del

La richiesta. Il parere del Prof. Simon Kuznet a riguardo è di grande importanza.

Secondo lui, "Il grado di affidabilità della fonte secondaria deve essere
valutato dalla fonte, il compilatore e la sua capacità di produrre corretti
le statistiche e gli utenti tendono anch'essi, per lo più, ad accettare una serie in particolare
uno emesso da un'agenzia governativa al suo valore nominale senza indagare il suo
affidabilità.
 Pertanto, prima di utilizzare i dati secondari, i ricercatori dovrebbero
considera i seguenti fattori:
4. L'idoneità dei dati: L'investigatore deve soddisfare se stesso che i dati
disponibili sono adatti allo scopo di indagine. Può essere giudicato dal
natura e ambito dell'attuale indagine con l'indagine originale. Per
esempio, se l'oggetto della presente indagine è studiare la tendenza nel commercio al dettaglio

prezzi, e se i dati forniscono solo prezzi all'ingrosso, tali dati sono

inadeguato.
(a) Adeguatezza dei dati: se i dati sono idonei per lo scopo dell'indagine
poi dobbiamo considerare se i dati siano utili o adeguati per il
analisi presentata. Può essere studiata in base all'area geografica coperta da
La richiesta originale. Il periodo per il quale sono disponibili i dati è molto importante

elemento. Nell'esempio sopra, se il nostro obiettivo è studiare il prezzo al dettaglio

tendenza dell'India, e se i dati disponibili coprono solo la tendenza dei prezzi al dettaglio in

lo Stato del Bihar, allora non servirebbe allo scopo.

(b) Affidabilità dei dati: L'affidabilità dei dati è fondamentale. Senza la quale non c'è
nessun significato nella ricerca. L'affidabilità dei dati può essere testata scoprendo
l'agenzia che ha raccolto tali dati. Se l'agenzia ha utilizzato metodi appropriati
nella raccolta di dati, si possono fare affidamenti sulle statistiche.

Non è sufficiente avere cesti di dati a disposizione. Infatti, i dati in forma grezza sono
nient'altro che un pugno di materie prime in attesa di un adeguato trattamento affinché possano
può diventare utile. Una volta che i dati sono stati ottenuti da fonti primarie o secondarie

Fonte, il passo successivo in un'inchiesta statistica è modificare i dati ossia

scrutinize the same. The chief objective of editing is to detect possible errors and
irregolarità. Il compito di editing è altamente specializzato e richiede grande
cura e attenzione. La negligenza in questo rispetto può rendere inutili i risultati di
uno studio altrimenti prezioso. Modifica dei dati raccolti da registri interni e
Le fonti pubblicate sono relativamente semplici, ma i dati raccolti da un sondaggio necessitano

editing eccessivo.
Durante la modifica dei dati primari, le seguenti considerazioni dovrebbero essere tenute a mente

mind:
I dati devono essere completi sotto ogni aspetto.
2. I dati devono essere accurati
3. I dati devono essere coerenti, e
4. I dati devono essere omogenei.

I dati per possedere le caratteristiche sopra menzionate devono subire il

stesso tipo di editing di cui si discute di seguito:
5. Modifica per completezza: Durante la modifica, l'editore dovrebbe assicurarsi che ciascuno

il programma e il questionario sono completi in tutti i suoi aspetti. Dovrebbe occuparsi di questo.

le risposte a ciascuna e ogni domanda sono state fornite. Se alcune domande

non vengono risposte e se sono di vitale importanza, gli informatori dovrebbero essere
contattato di nuovo sia personalmente che tramite corrispondenza. Anche dopo tutto il
sforzi può accadere che alcune domande rimangano senza risposta. In tal caso
domande, l'editore dovrebbe contrassegnare 'Nessuna risposta' nello spazio fornito per le risposte

e se le domande sono di vitale importanza, allora il programma o il questionario

dovrebbe essere lasciato perdere.

1. Modifica per coerenza: Al momento della modifica dei dati per coerenza,
l'editore dovrebbe vedere che le risposte alle domande non sono contraddittorie in
natura. Se sono risposte mutuamente contraddittorie, dovrebbe cercare di ottenere il
risposte corrette sia facendo riferimento al questionario che contattando,
ovunque possibile, l'informatore di persona. Ad esempio, se tra gli altri, due
questions in questionnaire are (a) Are you a student? (b) Which class do you
studio e la risposta alla prima domanda è 'no' e alla seconda 'decimo' poi ci
è una contraddizione e dovrebbe essere chiarita.
2. Editing per accuratezza: L'affidabilità delle conclusioni dipende fondamentalmente

sulla correttezza delle informazioni. Se le informazioni fornite sono errate,

le conclusioni non possono mai essere valide. È quindi necessario che l'editore veda
che le informazioni siano accurate in ogni aspetto. Se l'imprecisione è dovuta a
errori aritmetici, può essere facilmente rilevato e corretto. Ma se la causa di
l'inesattezza è un'informazione errata fornita, può essere difficile verificarla e un
Un esempio di questo tipo è l'informazione relativa al reddito, all'età, ecc.

3. Modifica per omogeneità: L'omogeneità significa la condizione in cui

tutte le domande sono state comprese nello stesso senso. L'editore deve controllare
tutte le domande per un'interpretazione uniforme. Ad esempio, riguardo alla questione di
reddito, se alcuni informatori hanno fornito il reddito mensile, altri il reddito annuale
e ancora altri redditi settimanali o addirittura redditi giornalieri, nessun confronto può essere fatto

Fatto. Pertanto, diventa un dovere essenziale del redattore verificare che il

Le informazioni fornite dalle varie persone sono omogenee e uniformi.

Scelta tra Dati Primari e Dati Secondari: Come abbiamo già visto, ci sono
ci sono molte differenze nei metodi di raccolta dei dati primari e secondari.
I dati primari che devono essere raccolti originariamente comportano un intero schema di
piano che inizia con le definizioni di vari termini utilizzati, unità da impiegare,
tipo di indagine da condurre, grado di precisione mirato ecc. Per il
raccolta di dati secondari, una semplice compilazione dei dati esistenti sarebbe
sufficiente. Una scelta adeguata tra il tipo di dati necessari per qualsiasi particolare
è necessario effettuare un'indagine statistica dopo aver preso in considerazione la natura,
obiettivo e ambito dell'indagine; il tempo e le finanze a disposizione di
l'agenzia; il grado di precisione mirato e lo stato dell'agenzia
(sia di un governo - statale o centrale - o di un'istituzione privata di un individuo).
Nell'utilizzo dei dati secondari, è meglio ottenere i dati dalla fonte primaria.
per quanto possibile. Facendo così, ci salveremmo almeno dagli errori
di trascrizione che potrebbero essere inavvertitamente infiltrati nella fonte secondaria.

Inoltre, la fonte principale ci fornirà anche una discussione dettagliata su

la terminologia utilizzata, le unità statistiche impiegate, la dimensione del campione e il
tecnica di campionamento (se è stato utilizzato il metodo di campionamento), metodi di raccolta dati

raccolta e analisi dei risultati e possiamo assicurarci se questi sarebbero

soddisfare il nostro scopo.

Oggigiorno, in un gran numero di indagini statistiche, i dati secondari sono

generalmente usato perché dati pubblicati relativamente affidabili su un gran numero di

diversi settori sono ora disponibili nelle pubblicazioni dei governi, privati
organizzazioni e istituzioni di ricerca, agenzie, periodici e riviste ecc.
In effetti, i dati primari vengono raccolti solo se non esistono dati secondari.
adatto all'indagine in corso. In alcune delle indagini entrambi
Possono essere utilizzati dati primari così come dati secondari.

SUMMARY:
Ci sono due tipi di dati, primari e secondari. I dati che vengono raccolti
I dati di prima mano sono chiamati dati primari e i dati che sono già stati raccolti
e utilizzati da qualcuno sono chiamati dati secondari. Ci sono due metodi di
collecting data: (a) Survey method or total enumeration method and (b) Sample
metodo. Quando un ricercatore va a indagare tutte le unità dell'argomento, è
chiamato metodo di indagine. D'altra parte, se lui/lei ricorre a indagare solo
alcune unità dell'argomento e fornisce il risultato sulla base di quello, è conosciuto come
metodo di sondaggio campione. Ci sono diverse fonti per raccogliere Dati Primari e
Dati secondari. Alcune delle fonti importanti di dati primari sono—Diretti
Interviste personali, interviste orali indirette, informazioni da corrispondenti,
Metodo del questionario inviato per posta, programmi inviati attraverso enumeratori e così via.
Sebbene tutte queste fonti o metodi di dati primari abbiano i loro meriti relativi
e svantaggi, un ricercatore dovrebbe utilizzare un particolare metodo con molta attenzione. Ci sono

ci sono fondamentalmente due fonti per raccogliere dati secondari - (a) Fonti pubblicate e
(b) Fonti non pubblicate. Le fonti pubblicate sono come pubblicazioni di diversi
enti governativi e semi-governativi, istituti di ricerca e
agenzie ecc. mentre le fonti non pubblicate sono come i registri mantenuti da
diversi dipartimenti governativi e tesi non pubblicate di diversi
università ecc. L'editing dei dati secondari è necessario per diversi scopi poiché
– modifica per completezza, modifica per coerenza, modifica per accuratezza e
modifica per omogeneità.

È sempre un compito difficile per il ricercatore scegliere tra primaria

e dati secondari. Anche se i dati primari sono più autentici e accurati, il tempo,
il denaro e il lavoro coinvolti nell'ottenimento di questi spingono più spesso il ricercatore a

andare per i dati secondari. Ci sono una certa quantità di dubbi al riguardo.
autenticità e idoneità, ma dopo l'arrivo di molti governi e sem
agenzie governative e alcune istituzioni private nel campo della raccolta dati,
la maggior parte delle preoccupazioni nella mente del ricercatore sono state rimosse.
Metodi spiegati

Introduzione:
Oggi il questionario è ampiamente utilizzato per la raccolta di dati nella ricerca sociale.
è uno strumento ragionevolmente equo per raccogliere dati da grandi, diversi e variegati

gruppi sociali sparsi. Il questionario è il mezzo di comunicazione

tra l'investigatore e i rispondenti. Secondo Bogardus, un
il questionario è un elenco di domande inviato a un certo numero di persone per le loro risposte

e che ottiene risultati standardizzati che possono essere tabulati e trattati

statisticamente. Il Dizionario dei Termini Statistici lo definisce come un “gruppo di o
sequenza di domande progettate per estrarre informazioni su un argomento o sequenza
di soggetti dalle informazioni.” Un questionario dovrebbe essere progettato o redatto
con la massima cura e cautela affinché tutte le informazioni rilevanti ed essenziali
per l'indagine possono essere raccolti senza alcuna difficoltà, ambiguità e
vaghezza. La redazione di un buon questionario è un lavoro altamente specializzato e
richiede grande cura, abilità, saggezza, efficienza ed esperienza. Nessuna regola ferrea
una regola può essere stabilita per progettare o redigere un questionario. Tuttavia, in questo

connessione, i seguenti punti generali possono essere tenuti a mente:

1. La dimensione del questionario dovrebbe essere piccola: un ricercatore dovrebbe cercare di

è meglio mantenere il numero di domande il più ridotto possibile, tenendo presente che
natura, obiettivi e ambito dell'indagine. Il tempo del rispondente non dovrebbe essere
sprecato chiedendo domande irrilevanti e poco importanti. Un gran numero di
le domande comporterebbero più lavoro per l'investigatore e quindi potrebbero causare ritardi

da parte sua nel raccogliere e sottomettere le informazioni. Un gran numero di

domande inutili possono infastidire il rispondente e lui potrebbe rifiutarsi di

cooperare. Un questionario ragionevole dovrebbe contenere da 15 a 25 domande a

grande. Se un numero ancora maggiore di domande è necessario in qualsiasi indagine, allora il

Il questionario dovrebbe essere suddiviso in varie sezioni o parti.

2. Le domande dovrebbero essere chiare: Le domande dovrebbero essere facili, brevi,

unambiguous, non-offending, courteous in tone, corroborative in nature and to

il punto, in modo che rimanga molto margine di indovinare da parte dei rispondenti.

3. Le domande dovrebbero essere organizzate in una sequenza logica: Logico

l'organizzazione delle domande riduce una grande quantità di lavoro inutili da parte del

ricercatore perché non solo facilita il lavoro di tabulazione ma anche non

lasciare qualsiasi possibilità di omissioni o commissioni. Ad esempio, per scoprire se una persona

possiedi una televisione, l'ordine logico delle domande sarebbe: Possiedi una
{"domanda":"televisione? Quando l'hai comprata? Qual è la marca? Quanto ti è costata?"}
La sua prestazione è soddisfacente? L'hai mai portato in assistenza?

4. Le domande dovrebbero essere semplici da comprendere: parole vaghe come buono,

bad, efficient, sufficient, prosperity, rarely, frequently, reasonable, poor, rich

etc., should not be used since these may be interpreted differently by different
persone e come tale potrebbero dare informazioni inaffidabili e fuorvianti. Allo stesso modo

l'uso di parole con doppio significato come prezzo, attività, capitale, reddito ecc.
dovrebbe essere evitato.

5. Le domande dovrebbero essere complete e facilmente rispondibili: Domande

dovrebbero essere progettati in modo tale da essere facilmente comprensibili e semplici
rispondere per i partecipanti. Non dovrebbero essere noiosi né gravosi
la memoria dei rispondenti. Allo stesso tempo, domande che coinvolgono la matematica
calcoli come percentuali, rapporti ecc., non dovrebbero essere richiesti.
6. Non dovrebbero essere poste domande di natura personale e sensibile: Ciò
ci sono alcune domande che disturbano i rispondenti e lui/lei potrebbe essere timido o
irritato nell'ascoltare domande del genere. Pertanto, ogni sforzo dovrebbe essere fatto per

evita domande del genere. Ad esempio, 'cucini tu stesso o cucina tua moglie?'
‘O bevi?’ Domande del genere infastidiranno certamente i rispondenti e quindi saranno
evitato a ogni costo. Se inevitabile, allora il massimo grado di cortesia dovrebbe essere
usato.

7. Tipi di domande: Sotto questo titolo, le domande del questionario possono

essere classificati come segue:
(a) Domande chiuse: Le domande chiuse sono quelle in cui le risposte possibili sono

suggerito dai redattori del questionario e il rispondente è tenuto a

segnane uno. Le domande chiuse possono essere ulteriormente suddivise nelle seguenti
forms:
(i) Domande alternative semplici: In questo tipo di domande, il rispondente deve
choose from the two clear cut alternatives like ‘Yes’ or ‘No’, ‘Right or Wrong’
ecc. Tali domande sono anche chiamate domande dicotomiche. Questa tecnica può
essere applicato con eleganza a situazioni in cui esistono due alternative nette.
(ii) Domande a scelta multipla: Spesso diventa difficile definire un
alternativa chiara e, di conseguenza, in una situazione del genere risposte aggiuntive
tra Sì e No, come Non so, Nessuna opinione, Occasionalmente, Informalmente,
Raramente ecc. sono aggiunti. Ad esempio, per scoprire se una persona fuma o
bevande, le seguenti risposte a scelta multipla possono essere utilizzate:

Fumi?
(a)Sì regolarmente [ ] No, mai [ ]
(c) Occasionalmente [ ] (d) Raramente []
Le domande a scelta multipla sono molto facili e comode per i rispondenti.
rispondere. Tali domande risparmiano tempo e facilitano anche la tabulazione. Questo metodo

dovrebbe essere usato se esistono solo alcune risposte alternative selezionate a un particolare

domanda.

8. Le domande suggestive dovrebbero essere evitate: Domande come ‘Perché usi un

un particolare tipo di auto, diciamo l'auto Maruti, dovrebbe preferibilmente essere formulato in due

domande-
(i)Quale auto usi?
(ii) Perché lo preferisci?
Dà una guida fluida [ ]
Dà più chilometraggio [ ]
È più economico [ ]
È senza manutenzione [ ]

9 Controlli incrociati: Il questionario dovrebbe essere progettato in modo da fornire

controlli interni sulla precisione delle informazioni fornite dai rispondenti

includendo alcune domande collegate almeno rispetto a questioni che sono
fondamentale per l'inchiesta.

10 Pre-testare il Questionario: Sarebbe pratico in ogni senso provare

compilare il questionario su scala ridotta prima di utilizzarlo per l'indagine data su un
grande scala. Questo è stato trovato estremamente utile nella pratica. Il dato
il questionario può essere migliorato o modificato alla luce degli svantaggi,
mancanze e problemi affrontati dall'investigatore nel pre-test.

11 Una Lettera di Presentazione: Una lettera di presentazione dagli organizzatori dell'inchiesta

dovrebbe essere incluso insieme al questionario per gli scopi riguardanti

definizioni, unità, concetti utilizzati nel questionario, per raccogliere le informazioni del rispondente

fiducia, busta preaffrancata nel caso di questionario inviato, menzionare

about award or incentives for the quick response, a promise to send a copy of the
survey report etc.

SELEZIONE
Sebbene il campionamento non sia una novità, la teoria del campionamento è stata sviluppata.

recentemente. La gente sapeva o meno, ma ha utilizzato la tecnica di campionamento in

la loro vita quotidiana. Ad esempio, una casalinga cuoce una piccola quantità di riso per
verifica se è stato cucinato bene e fornisce il risultato generalizzato riguardo al
riso intero che bolle nel recipiente. Il risultato ottenuto è per lo più del 100%
corretto. In un altro esempio, quando un medico vuole esaminare il sangue per eventuali
deficienza, richiede solo poche gocce di sangue del paziente e le esamina. Il
il risultato raggiunto è nella maggior parte dei casi corretto e rappresenta l'intero importo di

sangue disponibile nel corpo del paziente. In tutti questi casi, ispezionando alcuni,
credono semplicemente che i campioni diano un'idea corretta della popolazione.
La maggior parte delle nostre decisioni si basa sull'esame di pochi elementi soltanto, cioè

studi campione. Nelle parole di Croxton e Cowdon, “Potrebbe essere troppo costoso
o troppo lungo per tentare sia un completamento che un quasi completamento
copertura in uno studio statistico. Inoltre, per arrivare a conclusioni valide, potrebbe non essere

è necessario enumerare tutto o quasi tutto di una popolazione. Possiamo studiare un

campione estratto da una grande popolazione e se quel campione è adeguatamente
rappresentante della popolazione, dovremmo essere in grado di arrivare a validi
conclusioni.
Secondo Rosander, "Il campione ha molti vantaggi rispetto a un censimento".
o enumerazione completa. Se progettato con attenzione, il campione non è solo
notevolmente più economico ma potrebbe dare risultati che sono solo accurati e
a volte più accurati di quelli di un censimento. Da qui un'attenta progettazione
il campione potrebbe effettivamente essere migliore di un censimento mal pianificato e mal eseguito.

Merits:
1. Risparmia tempo: Il metodo di campionamento per la raccolta dei dati risparmia tempo perché

vengono raccolti e lavorati meno articoli. Quando i risultati sono richiesti con urgenza,
questo metodo è molto utile.
2. Riduce i costi: Poiché vengono studiati solo pochi e selezionati articoli in
campionamento, c'è una riduzione del costo del denaro e una riduzione in termini di uomini

ore.
3. Risultati più affidabili possono essere ottenuti: Attraverso il campionamento, più

risultati affidabili possono essere ottenuti perché (a) ci sono minori probabilità di campionamento

errori statistici. Se c'è un errore di campionamento, è possibile stimare e controllare

i risultati.(b) Persone altamente esperte e addestrate possono essere impiegate per
elaborazione scientifica e analisi di dati relativamente limitati e possono usare
la loro alta conoscenza tecnica e ottenere risultati più accurati e affidabili.
4. Fornisce informazioni più dettagliate: poiché risparmia tempo, denaro e
il lavoro, ulteriori informazioni dettagliate possono essere raccolte in un'indagine campionaria.

5. A volte l'unico metodo su cui fare affidamento è il campionamento: a volte è così

succede che si debba dipendere solo dal metodo di campionamento perché se il

La popolazione sotto studio è finita, il metodo di campionamento è l'unico metodo da utilizzare.

Ad esempio, se il sangue di qualcuno deve essere esaminato, diventerà fatale prendere

tutto il sangue fuori dal corpo e studiare in base al conteggio totale
metodo.
6. Convenienza amministrativa: L'organizzazione e l'amministrazione di
I campioni di indagine sono facili per le ragioni che sono state discusse in precedenza.
Sebbene tutte queste fonti o metodi di dati primari abbiano i loro meriti relativi
e svantaggi, un ricercatore dovrebbe utilizzare un particolare metodo con molta attenzione. Ci sono

ci sono fondamentalmente due fonti per raccogliere dati secondari - (a) Fonti pubblicate e
(b) Fonti non pubblicate. Le fonti pubblicate sono come pubblicazioni di diversi
enti governativi e semi-governativi, istituti di ricerca e
agenzie ecc. mentre le fonti non pubblicate sono come i registri mantenuti da
diversi dipartimenti governativi e tesi non pubblicate di diversi
università ecc. L'editing dei dati secondari è necessario per diversi scopi poiché
– modifica per completezza, modifica per coerenza, modifica per accuratezza e
modifica per omogeneità.

È sempre un compito difficile per il ricercatore scegliere tra primaria

e dati secondari. Anche se i dati primari sono più autentici e accurati, il tempo,
il denaro e il lavoro coinvolti nell'ottenimento di questi spingono più spesso il ricercatore a

andare per i dati secondari. Ci sono una certa quantità di dubbi al riguardo.
autenticità e idoneità, ma dopo l'arrivo di molti governi e sem
agenzie governative e alcune istituzioni private nel campo della raccolta dati,
la maggior parte delle preoccupazioni nella mente del ricercatore sono state rimosse.
2. Omogeneità: I campioni selezionati dall'universo dovrebbero avere similari
la natura e non dovrebbe avere alcuna differenza rispetto all'universo.
3. Campioni adeguati: Per avere un campione più affidabile e rappresentativo
risultato, un buon numero di articoli devono essere inclusi nel campione.
4. Ottimizzazione: Tutti gli sforzi devono essere fatti per ottenere i risultati massimi sia

in termini di costo e di efficienza. Se la dimensione del campione è maggiore, c'è

migliore efficienza e allo stesso tempo il costo è più alto. Una dimensione adeguata del campione

è mantenuto al fine di ottenere risultati ottimizzati in termini di costi ed efficienza.

Test di ipotesi:
Come parte dell'indagine, i campioni vengono prelevati dalla popolazione e
I risultati sono derivati per aiutare a prendere decisioni. Ma tali decisioni comportano un
elemento di incertezza che causa decisioni sbagliate. L'ipotesi è un'assunzione
che può essere vero o falso riguardo a un parametro della popolazione. Ad esempio, se lanciamo un
lanciare una moneta 200 volte, potremmo ottenere 110 teste e 90 croci. In questo momento, siamo interessati a

testare se la moneta è equa o meno.

Pertanto, possiamo condurre un test per giudicare l'importanza della differenza di
campionamento o altro. Per eseguire un test di significato, i seguenti
la procedura deve essere seguita:
1. Inquadrare l'Ipotesi: Per verificare l'assunzione, che si basa su
studio campione, raccogliamo dati e scopriamo la differenza tra il campione
valore e il valore della popolazione. Se non viene trovata alcuna differenza o la differenza

è molto piccolo allora il valore ipotetico è corretto. Generalmente due ipotesi

sono costruiti, e se uno viene trovato corretto, l'altro viene rifiutato.
(a) Ipotesi nulla: La selezione casuale dei campioni dal dato
la popolazione rende validi per noi i test di significato. Per applicare qualsiasi test di
significato abbiamo prima stabilito un'ipotesi - una dichiarazione definitiva su
parametro/i della popolazione. Tale ipotesi statistica, che è sottoposta a test, è
di solito un'ipotesi di assenza di differenza e quindi è chiamata ipotesi nulla. È
di solito indicato con Ho. Nelle parole del Prof. R.A. Fisher "L'ipotesi nulla è il
ipotesi che viene testata per una possibile rifiuto sotto l'assunzione che
è vero.
(b) Ipotesi alternativa. Qualsiasi ipotesi che sia complementare alla
l'ipotesi nulla è chiamata un'ipotesi alternativa. Di solito è denotata da H1. È
è molto importante dichiarare esplicitamente l'ipotesi alternativa in relazione a qualsiasi
ipotesi nulla H0perché l'accettazione o il rifiuto di Hois meaningful only
se viene testato rispetto a un'ipotesi rivale. Ad esempio, se vogliamo testare il
ipotesi nulla che la popolazione abbia una media specificata µ0(dire), cioè, H0:µ=µ
quindi l'ipotesi alternativa potrebbe essere:
(i) H1:µ≠µ0(cioè, µ>µ0o µ<µ0)
(ii) H1: µ>µ0 (iii) H1: µ<µ0
 L'ipotesi alternativa (i) è conosciuta come un'alternativa a due code e il
Le alternative in (ii) e (iii) sono conosciute come alternative a coda destra e a coda sinistra.
Di conseguenza, i test di significatività corrispondenti sono chiamati a due code, a destra-
test a due code e test a sinistra rispettivamente.

L'ipotesi nulla consiste in un solo valore di parametro ed è

di solito semplice mentre l'ipotesi alternativa è di solito composita.

Tipi di errori nel test delle ipotesi: come già detto, l'induttivo
l'inferenza consiste nell'arrivare a una decisione di accettare o rifiutare un'ipotesi nulla
(Ho) dopo aver ispezionato solo un campione da esso. Di conseguenza un elemento di rischio - il rischio

è coinvolta la presa di decisioni sbagliate. In qualsiasi procedura di test, i quattro possibili

le decisioni mutuamente disgiunte ed esaustive sono:

(i) Rifiuta Ho quando in realtà non è vero, cioè quando Ho è falso.
(ii) Accetta Ho quando è vero.
(iii) Rifiuta Ho quando è vero.
(iv) Accetta Ho quando è falso.
Le decisioni in (i) e (ii) sono decisioni corrette mentre le decisioni in
(iii) e (iv) sono decisioni sbagliate. Queste decisioni possono essere espresse nel
seguente tabella dicotomica:
Decisione dal campione

Rifiuta Ho Accetta Ho

Stato Vero
Ho Vero Sbagliato Corretto
Errore di Tipo I

Io ho falso Corretto Sbagliato

(H1True) Errore di Tipo II.
 Pertanto, nel test delle ipotesi siamo propensi a commettere due tipi di
errori. L'errore di rifiutare Ho quando Ho è vero è noto come errore di tipo I e
l'errore di accettare Ho quando Ho è falso è noto come Errore di Tipo II.
Ad esempio, nel Controllo Qualità Industriale, mentre si ispeziona la qualità di un
lotto prodotto, l'Inspectore commette un Errore di Tipo I quando rifiuta un lotto buono
e commette un errore di tipo II quando accetta un lotto difettoso.

SUMMARY
Oggigiorno il metodo del questionario per la raccolta dei dati è diventato molto popolare.

è uno strumento molto potente per raccogliere i dati richiesti nel minor tempo possibile e

con poche spese. È scientifico anche. Ma la redazione del questionario è molto

lavoro qualificato e attento. Pertanto, ci sono requisiti e elementi essenziali.
che dovrebbero essere seguite al momento della redazione del questionario. Esse includono
il seguente viz., (i) la dimensione del questionario dovrebbe essere piccola, (ii) domande
dovrebbe essere molto chiaro nella comprensione, (iii) le domande dovrebbero essere poste in modo logico

ordine, (iv) le domande dovrebbero avere un significato semplice ecc. A parte questo, multiplo
le domande a scelta dovrebbero essere poste. Il questionario dovrebbe essere pre-testato prima

andare per la raccolta finale dei dati. Le informazioni fornite devono essere verificate.
qualsiasi informazione falsa o insufficiente. Dopo tutte queste formalità sono stati
completato, una nota di accompagnamento dovrebbe accompagnare il questionario spiegando

vari scopi, design, unità e incentivi.

Ci sono due modi di indagine: indagine censuaria e indagine campionaria.

quali dati possono essere raccolti. Un'indagine censuaria significa una totale enumerazione cioè,

raccolta di dati da ogni singola unità dell'universo, mentre il sondaggio campionario

si concentra sulla raccolta di dati da alcune unità dell'universo selezionate
scientificamente per lo scopo. Poiché il metodo del censimento richiede più tempo,
costoso e laborioso, diventa impraticabile fare affidamento su di esso. Pertanto,
sample survey is preferred which is scientific, less expensive, less time taking
e anche meno laborioso.
Ma ci sono vantaggi e svantaggi di questo metodo che sono dettagliati di seguito:
Merits- It reduces cost, saves time and is more reliable. It provides
informazioni più dettagliate e a volte è l'unico metodo su cui fare affidamento per
convenienza amministrativa e scientificamente.
Svantaggi - A volte i campioni potrebbero non essere rappresentativi e potrebbero dare

conclusioni illusorie. C'è mancanza di esperti e a volte è più difficile

rispetto al metodo del censimento, poiché potrebbero sorgere pregiudizi personali e il

la determinazione delle dimensioni del campione potrebbe essere molto difficile.

A parte questi, ci sono alcuni elementi essenziali del campionamento che devono essere

seguite. Esse sono: I campioni devono essere rappresentativi, i campioni devono essere

omogeneo e il numero di campioni deve essere adeguato. Quando un ricercatore

ricorre al campionamento, intende raccogliere alcuni dati che lo aiuterebbero a
estrarre i risultati e infine prendere una decisione. Quando prende una decisione, è sulla

base dell'ipotesi che è precisamente un'assunzione e è soggetta a due tipi di

errori - Errore di Tipo I ed Errore di Tipo II. Quando un ricercatore rifiuta un corretto

ipotesi, commette un errore di tipo I e quando accetta un'ipotesi sbagliata egli

commette un errore di tipo II. Il ricercatore dovrebbe cercare di evitare entrambi i tipi di errori ma

commettere un errore di tipo II è più dannoso che commettere un errore di tipo I.

Progettazione della ricerca

Introduzione
Il significato dell'esperimento risiede nel processo di esaminare la verità di
un'ipotesi statistica legata a qualche problema di ricerca. Ad esempio, un
il ricercatore può condurre un esperimento per esaminare il nuovo sviluppato
medicina. L'esperimento è di due tipi: esperimento assoluto e esperimento comparativo

experiment. When a researcher wants to determine the impact of a fertilizer on

il rendimento di un raccolto è un caso di esperimento assoluto. D'altra parte, se lui
vuole determinare l'impatto di un fertilizzante rispetto all'impatto di
un altro fertilizzante, l'esperimento sarà quindi chiamato comparativo
esperimento. Normalmente, un ricercatore conduce un esperimento comparativo quando lui
parla dei progetti di esperimenti.

Il disegno della ricerca può essere di tre tipi:

(a) Progettazione della ricerca nel caso di ricerca descrittiva e diagnostica

studi
(b) Progettazione della ricerca nel caso di studi di ricerca esplorativa, e
(c) Design della ricerca nel caso di studi di ricerca per testare ipotesi.
Qui ci occupiamo principalmente del terzo, che è la progettazione della ricerca
nel caso di studi di ricerca sulla verifica delle ipotesi.

Design della ricerca nel caso di studi di ricerca su test delle ipotesi:
Gli studi di ricerca sui test di ipotesi sono generalmente conosciuti come studi sperimentali.
Questo è uno studio in cui un ricercatore mette alla prova l'ipotesi delle relazioni causali

tra le variabili. Questo tipo di studio richiede alcune procedure che non
ridurre solo il bias e aumentare l'affidabilità, ma permetterà anche di trarre inferenze
sulla causalità. La maggior parte delle volte, gli esperimenti soddisfano questi requisiti. Prof.

Fisher è considerato il pioniere di questo tipo di studi (studi sperimentali).

Ha svolto un lavoro pionieristico quando lavorava al Rothamsted Experimental
Stazione in Inghilterra che era un centro per la ricerca agricola. Mentre lavoravo
lì, il prof. Fisher ha scoperto che dividendo i lotti in diversi blocchi e poi
condurre esperimenti in ciascuno di questi blocchi qualunque informazione sia
raccolti e le inferenze tratte da essi si sono rivelate più affidabili. Questo
fu dove fu ispirato a sviluppare alcuni design sperimentali per il test
ipotesi riguardanti le indagini scientifiche. Al giorno d'oggi, l'esperimento
Il design è utilizzato nelle ricerche relative a quasi ogni disciplina del sapere.
Il Prof. Fisher ha enunciato tre principi dei disegni sperimentali:
Il Principio di Replicazione
(2) Il principio di randomizzazione e
(3) Il Principio del Controllo Locale.

(1)The Principle of Replication:

Secondo questo principio, l'esperimento dovrebbe essere ripetuto più di
una volta. Pertanto, ogni trattamento è applicato in molte unità sperimentali invece che in una sola.

In questo modo si aumenta l'accuratezza statistica degli esperimenti. Ad esempio,

supponiamo di esaminare l'effetto di due varietà di grano.
Di conseguenza, dividiamo il campo in due parti e coltiviamo una varietà in una parte.
e l'altra varietà nell'altra. Poi confrontiamo il rendimento delle due parti
e trarre conclusioni su questa base. Ma se dobbiamo applicare il principio di
la replicazione di questo esperimento, quindi prima dividiamo il campo in diverse parti,
crescere una varietà in metà di queste parti e l'altra varietà nelle rimanenti
parti. Poi raccogliamo i dati del rendimento delle due varietà e traiamo conclusioni
confrontando lo stesso. Il risultato così ottenuto sarà più affidabile in
confronto con la conclusione che traiamo senza applicare il principio di
replicazione. L'intero esperimento può essere ripetuto più volte per un miglioramento
risultati.
(2) Il principio di randomizzazione:
Quando conduciamo un esperimento, il principio della randomizzazione
ci fornisce una protezione contro gli effetti di fattori estranei mediante
randomizzazione. Questo significa che questo principio indica che il ricercatore
dovrebbe progettare o pianificare l'esperimento in modo tale che le variazioni causate da
I fattori estranei possono essere tutti riuniti sotto l'intestazione generale di 'caso'.
Ad esempio, quando un ricercatore coltiva una varietà di grano, diciamo, nel primo
metà delle parti di un campo e l'altra varietà che coltiva nell'altra metà, allora es
è possibile che la fertilità del suolo possa essere diversa nella prima metà in
confronto con l'altra metà. Se è così, il risultato del ricercatore non è realistico.
In questa situazione, può assegnare la varietà di grano da coltivare in diversi
parti del campo sulla base di alcune tecniche di campionamento casuale, cioè, potrebbe
applicare il principio di randomizzazione e proteggersi dagli effetti del
fattori estranei. Pertanto, utilizzando il principio della randomizzazione, può
disegna una stima migliore dell'errore sperimentale.

(3). Il Principio del Controllo Locale:

Questo è un altro principio importante dei disegni sperimentali. Sotto questo
principio, il fattore estraneo che è la fonte nota di variabilità è reso
variare deliberatamente su un intervallo il più ampio possibile. Questo deve essere fatto in

in modo tale che la variabilità che causa possa essere misurata e quindi eliminata
dall'errore sperimentale. L'esperimento dovrebbe essere pianificato in modo tale
che il ricercatore può eseguire un'analisi della varianza a due vie, nella quale il
La variabilità totale dei dati è suddivisa in tre componenti attribuite a
trattamenti (varietà di grano in questo caso), il fattore estraneo (fertilità del suolo in
questo caso) e errore sperimentale. In breve, attraverso il principio di controllo locale
possiamo eliminare la variabilità dovuta a fattori estranei dall'esperimento
errore.
Tipi di design sperimentale e controllo
I disegni sperimentali si riferiscono al quadro di struttura di un
esperimento e come tale ci sono diversi design sperimentali. In generale,
I disegni sperimentali sono classificati in due categorie ampie: informale
progetti sperimentali e progetti sperimentali formali. Sperimentale informale
i progetti sono quei progetti che normalmente utilizzano una forma di analisi meno sofisticata

basato sulle differenze nelle magnitudini, mentre i disegni sperimentali formali

offrono un controllo relativamente maggiore e utilizzano procedure statistiche precise per l'analisi.

Di seguito sono discusse importanti progettazioni sperimentali:

(1) Progetti sperimentali informali:

(i) Prima e dopo senza design di controllo
(ii) Solo dopo con la progettazione del controllo

(iii) Prima e dopo con design di controllo

(2) Progettazioni sperimentali formali:

(i) Disegno completamente randomizzato (generalmente chiamato design C.R.)
(ii) Progetto di blocco randomizzato (generalmente chiamato progetto R.B)

(iii) Disegno a quadrato latino (generalmente chiamato disegno L.S)

(iv) Progetti fattoriali.

(1) Prima e dopo senza design di controllo:

In questo design, viene selezionato un singolo gruppo di test o area e il dipendente
La variabile viene misurata prima dell'introduzione del trattamento. Poi il trattamento è
introdotto e la variabile dipendente viene misurata nuovamente dopo che il trattamento è avvenuto

è stato introdotto. L'effetto del trattamento sarebbe uguale al livello del

fenomeno dopo il trattamento meno il livello del fenomeno prima del
trattamento. Pertanto, il progetto può essere presentato nel seguente modo:
 Area di prova Livello del fenomeno Trattamento Livello del fenomeno
Prima del trattamento (X) introdotto dopo il trattamento(Y)

Effetto del trattamento = (Y) - (X)

La principale difficoltà di un tale design è che con il passare del tempo

possono esserci notevoli variazioni estranee nel suo effetto terapeutico.

(2) Solo dopo con design di controllo:

Due gruppi o aree vengono selezionati in questo design e il trattamento è
introdotto solo nell'area di prova. Poi la variabile dipendente viene misurata in
entrambi le aree contemporaneamente. L'impatto del trattamento viene valutato sottraendo il
valore della variabile dipendente nell'area di controllo rispetto al suo valore nell'area di test.

Il design può essere presentato nel seguente modo:

Test area: Trattamento Letvinetlroofdpuhcendomenon dopo il Trattamento (Y) Livello del fenomeno
Senza trattamento (Z)

Area di controllo:

Treatment Effect = (Y)-(Z)

L'assunzione di base in questo tipo di design è che le due aree siano identiche
rispetto al loro comportamento nei confronti del fenomeno considerato. Se questo
l'assunzione non è vera, c'è la possibilità che vi sia variazione estranea che entra
nell'effetto del trattamento.

(3)Prima e dopo con design di controllo:

 In questo design, vengono selezionate due aree e la variabile dipendente è
misurati in entrambe le aree per un periodo di tempo identico prima del trattamento.
Successivamente, il trattamento è introdotto solo nell'area di prova, e il dipendente
variabile id misurata sia per che in un periodo di tempo identico dopo l'introduzione
del trattamento. L'effetto del trattamento è determinato sottraendo il
cambiamento nella variabile dipendente nell'area di controllo dal cambiamento nel
variabile dipendente nell'area di test. Questo design può essere mostrato nel seguente modo:
Periodo di tempo I Periodo di Tempo II

Area di prova: Livello del fenomeno Trattamento Livello del fenomeno

Prima del trattamento (X) introdotto dopo il trattamento (Y)

Area di controllo: Livello del fenomeno Livello di fenomeno
Senza trattamento senza trattamento
(A) (Z)
Effetto del trattamento = (Y-X)-(Z-A)

Questo design è superiore ai due design precedenti perché evita elementi estranei.
variazione risultante sia dal passare del tempo che dalla non comparabilità di
le aree di riposo e controllo. Ma a volte, a causa della mancanza di dati storici o di un
nell'area di controllo comparabile, dovremmo preferire selezionare uno dei primi due informali

design dichiarati sopra.

(2) Progetto Sperimentale Formale

(i) Progettazione completamente randomizzata: -

Questo design coinvolge solo due principi, ovvero il principio di replicazione.

e il principio della randomizzazione dei disegni sperimentali. Tra tutti gli altri
i progetti sono i più semplici e facili perché la loro procedura e analisi sono
semplice. La caratteristica importante di questo design è che i soggetti sono
assegnati casualmente ai trattamenti sperimentali. Ad esempio, se il ricercatore
ha 20 soggetti e se desidera testarne 10 sotto il trattamento A e 10 sotto
nel trattamento B, il processo di randomizzazione fornisce a ogni possibile gruppo di 10 soggetti

selezionato da un insieme di 20 con una pari opportunità di essere assegnato al trattamento A

e trattamento B. L'analisi della varianza a un fattore (ANOVA a un fattore) viene utilizzata per

analizzare un tale design.

(ii) Progettazione a blocchi randomizzati:-

Il design R. B. è un miglioramento rispetto al design C.R. Nel design R. B.,

il principio del controllo locale può essere applicato insieme agli altri due principi
dei progetti sperimentali. Nel design R.B., i soggetti sono prima divisi in
gruppi, noti come blocchi, in modo che all'interno di ogni gruppo i soggetti siano relativamente

omogeneo rispetto a una variabile selezionata. Il numero di soggetti in un

Il blocco dato sarebbe assegnato casualmente a ciascun trattamento. I blocchi sono i livelli

nel quale manteniamo fisso il fattore estraneo, in modo che il suo contributo al totale
la variabilità dei dati può essere misurata. La principale caratteristica del design R.B. è che,

in questo, ogni trattamento appare lo stesso numero di volte in ogni blocco. Questo
il design è analizzato attraverso l'analisi della varianza a due vie (ANOVA a due vie)

tecnica.

(3) Progettazione a quadrati latini:-

Il design a quadrati latini (design L.S) è un design sperimentale che è

molto frequentemente utilizzato nella ricerca agricola. Poiché l'agricoltura dipende da
la natura in larga misura, le condizioni di ricerca e indagine in agricoltura
è diverso dagli altri studi. Ad esempio, deve essere effettuato un esperimento
attraverso i quali gli effetti dei fertilizzanti sulla resa di un certo raccolto, diciamo il grano,

è da essere giudicato. In questa situazione, la fertilità variabile del suolo in diverse

i blocchi in cui l'esperimento deve essere eseguito devono essere presi in considerazione

considerazione; altrimenti i risultati ottenuti potrebbero non essere molto affidabili

perché il risultato si manifesta non solo degli effetti dei fertilizzanti, ma anche di
l'effetto della fertilità del suolo. Allo stesso modo, potrebbe esserci l'impatto di semi variabili

del rendimento. Per superare tali difficoltà, si utilizza il design L.S. quando
ci sono due fattori estranei principali come la variazione della fertilità del suolo e
semi variabili. Il design a quadrato latino è tale che ogni fertilizzante apparirà
cinque volte ma sarà usato solo una volta in ciascuna riga e in ciascuna colonna di
design. In altre parole, in questo design, il trattamento è così assegnato tra i
trame che nessun trattamento si verifica più di una volta in una sola riga o in un'unica

colonna. Questo esperimento può essere mostrato con l'aiuto del seguente diagramma:

FERTILITY LEVEL
Io II III IV V
X1 A B C D E
X2 B C D E A
X3 C D E A B
X4 D E A B C
X5 E A B C D

Dallo schema sopra, è chiaro che nel design L.S. il campo è diviso in
tanti blocchi quanti sono le varietà di fertilizzanti. Poi, ogni blocco è nuovamente
diviso in tante parti quanti sono i tipi di fertilizzanti in modo tale che
Ciascuna delle varietà di fertilizzante è utilizzata in ciascun blocco solo una volta. L'analisi

Il design di L.S. è molto simile alla tecnica ANOVA a due vie.

3. Design fattoriale:
 I disegni fattoriali sono utilizzati negli esperimenti in cui si studiano gli effetti delle variazioni

devono essere determinati più di un fattore. Questi progetti sono usati di più in
economic and social matters where usually a large number of factors affect a
problema particolare. I disegni fattoriali sono solitamente di due tipi:

(i) Simple factorial designs and (ii) complex factorial designs.

(i) Progettazione fattoriale semplice:

Nel design fattoriale semplice, gli effetti della variazione di due fattori su
le variabili dipendenti sono considerate, ma quando un esperimento viene eseguito con più
per più di due fattori, vengono utilizzati disegni fattoriali complessi. Il disegno fattoriale semplice è

noto anche come 'design fattoriale a due fattori', mentre il design fattoriale complesso
è conosciuto come 'design multifattoriale fattoriale.

(ii) Disegni fattoriali complessi:-

Quando gli esperimenti con più di due fattori alla volta sono
condotto, coinvolge l'uso di design fattoriali complessi. Un design che
considera tre o più variabili indipendenti simultaneamente è chiamato un
progetto fattoriale complesso. Nel caso di tre fattori con un esperimento
variabile, due trattamenti e due livelli, il disegno fattoriale complesso conterrà un
total of eight cells. This can be seen through the following diagram:
Disegno fattoriale complesso 2x2x2

Variabile sperimentale
Trattamento A Trattamento B
Controllo Controllo Controllo Controllo
Variabile 2 Variabile 2 Variabile 2 Variabile 2
Livello I Livello II Livello I Livello II
Livello I Cellula 1 Cellula 3 Cellula 5 Cellula 7
 Controllo Cellula 2 Cellula 4 Cellula 6 Cellula 8
Variabile 2
Livello II

Una presentazione pittorica è data del design mostrato sopra nel seguente:

Variabile sperimentale

Trattamento Trattamento
A B
Variabile di Controllo II
Livello II

Livello I

Livello II

La cella a linea tratteggiata in questo diagramma corrisponde alla cella I di quanto sopra indicato

Design 2x2x2 e è per il trattamento A, livello I della variabile di controllo 1, e livello I

della variabile di controllo 2. Da questo design, è possibile determinare il principale
effetti per tre variabili, cioè, una sperimentale e due variabili di controllo vere.
il ricercatore può anche determinare l'interazione tra ogni possibile coppia di
variabili (queste interazioni sono chiamate 'interazioni di primo ordine') e interazione
tra variabili prese in terne (queste interazioni sono chiamate di secondo ordine
interazioni). In caso di un design 2x2x2, le interazioni di primo ordine ulteriormente date
sono possibili:
Variabile sperimentale con variabile di controllo 1 (o EV x CV 1);
Variabile sperimentale con variabile di controllo 2 (o EV x CV 2);
Variabile di controllo 1 con variabile di controllo 2 (o VC 1 x VC 2);
Ci sarà anche un'interazione di secondo ordine nel design dato (è
tra tutte e tre le variabili, cioè EV x CV 1 x CV 2).

Per determinare l'effetto principale della variabile sperimentale, il

il ricercatore deve necessariamente confrontare la media combinata dei dati nelle celle 1, 2, 3

e 4 per il Trattamento A con la media combinata dei dati nelle celle 5, 6, 7 e 8 per
Trattamento B. In questo modo l'effetto principale della variabile sperimentale, indipendente da

la variabile di controllo 1 e la variabile 2, è ottenuta. Allo stesso modo, l'effetto principale per

variabile di controllo 1, variabile sperimentale indipendente e variabile di controllo 2, è

ottenuto se confrontiamo la media combinata dei dati nelle celle 1, 3, 5 e 7 con il

media combinata dei dati nelle celle 2, 4, 6 e 8 del nostro design fattoriale 2x2x2. Su
linee simili, si può determinare l'effetto della variabile di controllo 2 indipendentemente da

variabile sperimentale e variabile di controllo 1, se la media combinata dei dati in

le celle 1, 2, 5 e 6 vengono confrontate con la media combinata dei dati nelle celle 3, 4, 7 e

8.
Per ottenere l'interazione di primo ordine, ad esempio, per EV x CV 1 in alto
nel design dichiarato, il ricercatore deve necessariamente ignorare la variabile di controllo 2 per la quale

lo scopo può sviluppare un design 2x2 dal design 2x2x2 combinando il

dati delle celle rilevanti del design successivo come mostrato nella pagina successiva:
Variabile sperimentale
Trattamento A Trattamento B
Controllo Livello I Cellule 1.3 Cellule 5,7
Variabile 1 Livello II Cells 2,4 Cellule 6,8

Allo stesso modo, il ricercatore può determinare altre interazioni di primo ordine. Il

l'analisi dell'interazione di primo ordine nel modo descritto sopra è essenzialmente

un'analisi fattoriale semplice poiché sono considerate solo due variabili alla volta e il
quelli rimanenti vengono ignorati. Ma l'analisi dell'interazione di secondo ordine
non ignorerebbe una delle tre variabili indipendenti nel caso di un 2x2x2
design. L'analisi sarebbe definita come un'analisi fattoriale complessa.

Si può, tuttavia, ricordare che il disegno fattoriale complesso non deve

non deve necessariamente essere di tipo design 2x2x2, ma può essere generalizzato a qualsiasi numero e

combinazioni di variabili indipendenti sperimentali e di controllo. Ovviamente, il

maggiore è il numero di variabili indipendenti incluse in un fattoriale complesso
design, più alta è l'ordine dell'analisi delle interazioni possibile. Ma l'overall
il compito diventa sempre più complicato con l'inclusione di più
e più variabili indipendenti nel nostro design.

I disegni fattoriali sono utilizzati principalmente a causa dei due vantaggi -

(i) Forniscono un'accuratezza equivalente (come avviene nel caso di esperimenti con
solo un fattore) con meno lavoro e come tale sono fonte di economia. Usando
nei disegni fattoriali, possiamo determinare gli effetti di due (in fattoriale semplice

design) o più (in caso di design fattoriale complesso) fattori (o variabili) in

un singolo esperimento. (ii) Permettono vari altri confronti di interesse.
Ad esempio, forniscono informazioni su effetti del genere che non possono essere ottenuti.

trattando un solo fattore alla volta. La determinazione degli effetti di interazione è

possibile nel caso di disegni fattoriali.

Conclusione
Esistono diversi disegni di ricerca e il ricercatore deve decidere in anticipo di
raccolta e analisi dei dati su quale design si rivelerebbe più
appropriato per il suo progetto di ricerca. Deve dare il giusto peso ai vari punti
come il tipo di universo e la sua natura, l'obiettivo dello studio, la lista delle fonti
o il campionamento, la precisione standard desiderata e simili quando si effettua un
decisione riguardo al design del suo progetto di ricerca.
semplice. La caratteristica importante di questo design è che i soggetti sono
assegnati casualmente ai trattamenti sperimentali. Ad esempio, se il ricercatore
ha 20 soggetti e se desidera testarne 10 sotto il trattamento A e 10 sotto
nel trattamento B, il processo di randomizzazione fornisce a ogni possibile gruppo di 10 soggetti

selezionato da un insieme di 20 con una pari opportunità di essere assegnato al trattamento A

e trattamento B. L'analisi della varianza a un fattore (ANOVA a un fattore) viene utilizzata per

analizzare un tale design.

(ii) Progettazione a blocchi randomizzati:-

Il design R. B. è un miglioramento rispetto al design C.R. Nel design R. B.,

il principio del controllo locale può essere applicato insieme agli altri due principi
dei progetti sperimentali. Nel design R.B., i soggetti sono prima divisi in
gruppi, noti come blocchi, in modo che all'interno di ogni gruppo i soggetti siano relativamente

omogeneo rispetto a una variabile selezionata. Il numero di soggetti in un

Il blocco dato sarebbe assegnato casualmente a ciascun trattamento. I blocchi sono i livelli

nel quale manteniamo fisso il fattore estraneo, in modo che il suo contributo al totale
la variabilità dei dati può essere misurata. La principale caratteristica del design R.B. è che,

in questo, ogni trattamento appare lo stesso numero di volte in ogni blocco. Questo
il design è analizzato attraverso l'analisi della varianza a due vie (ANOVA a due vie)

tecnica.

(3) Progettazione a quadrati latini:-

Il design a quadrati latini (design L.S) è un design sperimentale che è

molto frequentemente utilizzato nella ricerca agricola. Poiché l'agricoltura dipende da
la natura in larga misura, le condizioni di ricerca e indagine in agricoltura
è diverso dagli altri studi. Ad esempio, deve essere effettuato un esperimento
attraverso i quali gli effetti dei fertilizzanti sulla resa di un certo raccolto, diciamo il grano,

è da essere giudicato. In questa situazione, la fertilità variabile del suolo in diverse

come "un metodo pianificato e metodico di osservazione che comporta vincoli per migliorare

accuratezza
CARATTERISTICHE DELL'OSSERVAZIONE
L'osservazione scientifica si differenzia dagli altri metodi di raccolta dei dati

specificamente in quattro modi: (i) l'osservazione è sempre diretta mentre altri metodi
può essere diretto o indiretto; (ii) l'osservazione sul campo avviene in un contesto naturale;
(iii) l'osservazione tende ad essere meno strutturata; e (iv) produce solo il qualitativo
(e non lo studio quantitativo) che mira a scoprire le esperienze dei soggetti
e come i soggetti ne danno senso (fenomenologia) o come i soggetti
comprendere la loro vita (interpretativismo).
Lofland (1955:101-113) ha detto che questo metodo è più appropriato per
studiare stili di vita o sottoculture, pratiche, episodi, incontri, relazioni,
gruppi, organizzazioni, insediamenti e ruoli ecc. Black e Champion
(1976:330) hanno fornito le seguenti caratteristiche dell'osservazione:
Il comportamento è osservato in ambienti naturali.
Consente di comprendere eventi significativi che influenzano le relazioni sociali del
partecipanti.
Determina la realtà dalla prospettiva della persona osservata stessa.
Identifica le regolarità e le ricorrenze nella vita sociale confrontando i dati in
il nostro studio con quello di altri studi.

Inoltre, altre quattro caratteristiche sono:

L'osservazione comporta un certo controllo riguardo all'osservazione e al

significa che utilizza per registrare i dati. Tuttavia, tali controlli non esistono per il

impostazione o popolazione oggetto.

È incentrato su un'indagine priva di ipotesi.
 Evita manipolazioni nella variabile indipendente, cioè, una che dovrebbe
causare altre variabile(e) e non è causato da esse.
La registrazione non è selettiva.

Poiché a volte la tecnica di osservazione è indistinguibile da

tecnica dell'esperimento, è necessario distinguere i due.
L'osservazione comporta meno controlli rispetto alla tecnica sperimentale.
(ii) Il comportamento osservato nell'osservazione è naturale, mentre in
l'esperimento non è sempre così.
(iii) Il comportamento osservato nell'esperimento è più molecolare (di un
unità più piccola), mentre quella in osservazione è molare.

(iv) Nelle osservazioni, meno soggetti vengono seguiti per lunghi periodi di tempo
in circostanze più variegate rispetto all'esperimento.
(v) La formazione richiesta nello studio di osservazione è diretta più verso
sensibilizzando l'osservatore al flusso degli eventi, mentre la formazione negli esperimenti

serve a affinare il giudizio del soggetto.

(vi) In uno studio osservazionale, il comportamento osservato è più diffuso.
I metodi osservazionali differiscono l'uno dall'altro lungo diverse variabili o
dimensioni.

***
 Distribuzione Normale e le sue proprietà

The important properties of the normal distribution are:-

1La curva normale è "a campana" e simmetrica nella sua natura. La distribuzione
delle frequenze ai lati della massima ordinata della curva è simile
l'uno con l'altro.
1L'ordinata massima della curva normale è in x = µ. Quindi la media,
la mediana e la moda della distribuzione normale coincidono.

1Varia tra - a +
1Il valore dell'ordinata massima è 1/σ√2Π.
1I punti in cui la curva cambia da convessa a concava o viceversa sono in X
= µ ± σ.
1Il primo e il terzo quartile sono equidistanti dalla mediana.
1L'area sotto la distribuzione normale è:
a) µ ± 1σ copre il 68,27% dell'area;

b) µ ± 2σ copre il 95,45% dell'area.

c) µ ± 3σ copre il 99,73% dell'area.

68,27%

95,45%

99,73%
µ - 36 µ - 26 µ - 16 µ=0 µ + 16 µ + 26 µ + 36
- 3 - 2 -1 Z=0+1 +2 +3

11 Quando µ = 0 e σ = 1, la distribuzione normale sarà una standard

curva normale. La funzione di probabilità della curva normale standard è
1 -x2/2
P(X) = e
√2Π

La seguente tabella fornisce l'area sotto la curva di probabilità normale per

alcuni valori importanti di Z.

Distanza dalla media ordinata in Area sotto la curva

Termini di ± σ
Z = ± 0,6745 0,50
Z = ± 1.0 0.6826
Z = ± 1.96 0,95
Z = ± 2,00 0,9544
Z = ± 2,58 0,99
Z = ± 3,0 0,9973

11 Tutti i momenti dispari sono uguali a zero.

1La ricerca = 0 e la curtosi = 3 nella distribuzione normale.

Illustrazione: Trova la probabilità che il valore normale standard si trovi tra 0

e 1,5

0,4332 (43,32%)

Z = 0 Z = 1.5

Poiché la media, Z = 0.
Per trovare l'area tra Z = 0 e Z = 1.5, guarda l'area tra 0 e 1.5.
dalla tabella. È 0.4332 (area ombreggiata)
Illustrazione: I risultati di un esame particolare sono riportati di seguito in un
riassunto
Risultato Percentuale di candidati
Diplomato con distinzione 10
Superato 60
Failed 30
È noto che un candidato viene escluso se ottiene meno di 40
voti, su 100 mentre deve ottenere almeno 75 voti per poter superare con
distinzione. Determina la media e la deviazione standard della distribuzione di
segni supponendo che questo sia normale.

Soluzione:
Il 30% degli studenti ottiene voti inferiori a 40.

40 – X
Z =-----------= -0.52 (dalla tabella)
σ

30% 40% 10%

40 - X = -0.52σ-------------------------------------(i)
Il 10% degli studenti ottiene più di 75

40% area = 75 – X = 1.28 ------------ (ii)

= 75 – X = 1.28σ
Sottrai (ii) da (i)
40 – X = -0,52 σ
75 - X = 1.28 σ

-35 = -1.8 σ
35 = 1.8 σ
1.80 σ = 35
35
σ =--------= 19.4
1.80

Significare 40 – X = -0.52 x (19,4)

-X = -40 – 10.09 = 50.09
Illustrazione: I punteggi ottenuti dal candidato in un certo test sono normalmente
distribuito con media 1000 e deviazione standard 200. quale percentuale di
i candidati ricevono punteggi (i) inferiori a 800, (ii) compresi tra 800 e 1200?
(l'area sotto la curva tra Z = 0 e Z = 1 è 0,34134).
Soluzione:

X = 1000; σ = 200
X–X
Z=
σ

(i) Per X = 800

800 – 1000
Z =--------------= -1
200

Area between Z = -1 and Z = 0 is 0.34134

Area per Z = -1 = 0.5 – 0.34134 = 0.15866
Pertanto, la percentuale = 0,15866 x 100 = 15,86%

(ii) Quando, X = 1200,

1200 – 1000
Z =---------------= 1
200
L'area tra Z = 0 e Z = 1 è 0,34134
Area tra X = 400 e X = 600
cioè, Z = -1 e Z = 1 è 0,34134 + 0,34134 = 0,6826 = 68,26%
 0.6826

0,1586

800 1000 1200

3. TESTING DELLE IPOTESI

3.1 Test di significatività per campioni grandi

Il test di significatività per i campioni grandi può essere spiegato nel modo seguente
presupposti:
(i) La distribuzione del campionamento casuale delle statistiche è approssimativamente normale.

(ii) I valori campionari sono sufficientemente vicini al valore della popolazione e possono essere

utilizzato per il calcolo dell'errore standard di stima.

1. L'errore standard della media.

Nel caso di grandi campioni, quando stiamo testando la significatività della statistica, il
Il concetto di errore standard viene utilizzato. Misura solo gli errori di campionamento. Campionamento

gli errori sono coinvolti nella stima di un parametro della popolazione da un campione, invece

includere tutte le informazioni essenziali nella popolazione.

(i) quando la deviazione standard della popolazione è nota, la formula è

σp
S.E. X = ----
√n
Dove,
S.E.X = L'errore standard della media, σp deviazione standard della
popolazione, e n = Numero di osservazioni nel campione.
(ii) Quando la deviazione standard della popolazione non è nota, dobbiamo usare il
deviazione standard del campione in
calcolo dell'errore standard della media. Il
la formula è
σ (Campione)
S.E. X = ------------
√n
Dove, σ = deviazione standard del campione, e n = dimensione del campione

Illustrazione: Un campione di 100 studenti dell'Università di Pondicherry è stato preso

e la loro media è stata trovata essere di 116 libbre con una deviazione standard di 20 libbre.

Potrebbe essere il peso medio degli studenti nella popolazione di 125 libbre?

Soluzione:
Prendiamo l'ipotesi che non ci sia una differenza significativa tra il
media campionaria e la media della popolazione ipotetica.

σ 20 20
S.E. X = ---- = -------- = -------- = 2
√n √100 10

Differenza 125 – 116 9

= = = 4.5
S.E.X 2 2

Poiché la differenza è superiore a 2,58 S.E. (livello dell'1%), non potrebbe essere sorta.
a causa delle fluttuazioni del campionamento. Pertanto, il peso medio degli studenti nel
la popolazione non potrebbe essere 125 libbre.
3.2 Test di significatività per campioni ridotti
Se la dimensione del campione è inferiore a 30, allora quei campioni possono essere considerati come

campioni piccoli. Di norma, i metodi e la teoria dei grandi campioni non sono
applicabile ai piccoli campioni. I piccoli campioni vengono utilizzati nel test di un dato
ipotesi, per scoprire i valori osservati, che potrebbero essere emersi mediante campionamento
fluttuazioni rispetto ad alcuni valori forniti in anticipo. In un piccolo campione, il

La stima dell'investigatore varierà ampiamente da campione a campione. Un'inferenza

estratto da un campione più piccolo, il risultato è meno preciso rispetto all'inferenza tratta da
un risultato di un grande campione.

la distribuzione t sarà utilizzata quando la dimensione del campione è di 30 o meno e

la deviazione standard della popolazione è sconosciuta.

La formula è

( X - µ)
t =--------x √n
σ

Dove, σ = √ (X - X)2/n - 1

Illustrazione: I seguenti risultati sono ottenuti da un campione di 20 scatole di

mangoes:
Peso medio del contenuto = 490g
La deviazione standard del peso = 9 g.
Il campione potrebbe provenire da una popolazione che ha una media di 500 g?

Soluzione:
Prendiamo l'ipotesi che µ = 510 g.
 ( X - µ)
t = ------- x √n
σ
X = 500; µ = 510; σ = 10; n = 20.
500 – 510
t= x √20
10

Df = 20 – 1 = 19 = (10/9) √20 = (10/9) x 4.47 = 44.7/9 = 4.96

Df = 19, t0,01= 3.25

Il valore calcolato è inferiore al valore della tabella. Pertanto, la nostra ipotesi nulla è

accettato.

4. TEST CHI QUADRATO

I test F, t e Z si basavano sull'assunzione che i campioni fossero estratti da
popolazioni distribuite normalmente. La procedura di test richiede assunzione
riguardo al tipo di popolazione o parametri, e questi test sono conosciuti come
test parametrici
Ci sono molte situazioni in cui non è possibile fare alcun rigido
assunzione sulla distribuzione della popolazione da cui vengono prelevati i campioni
essere attratti. Questa limitazione ha portato allo sviluppo di un gruppo di
tecniche alternative conosciute come test non parametrici. Test del chi-quadro di
l'indipendenza e la bontà di adattamento è un esempio importante dell'uso di non-
test parametrici.
Sebbene la teoria non parametrica si sia sviluppata già a metà del
diciannovesimo secolo, fu solo dopo il 1945 che i test non parametrici iniziarono a essere
used widely in sociological and psychological research. The main reasons for
l'uso crescente di test non parametrici nella ricerca aziendale è:
(i) Questi test statistici sono liberi dalla distribuzione

(ii) Di solito sono più facili da gestire e comprendere rispetto a

test parametrici; e
(iii) Possono essere utilizzati con tipi di misurazioni che vietano l'uso di
test parametrici.

Il χ2il test è uno dei più semplici e ampiamente utilizzati non parametrici
test nel lavoro statistico. È definito come:
∑(O – E)2
χ2= ------------
E
Dove O = le frequenze osservate, e E = le frequenze attese.
Steps: The steps required to determine the value of χ2sono:
(i) Calcola le frequenze attese. In generale, la frequenza attesa
per qualsiasi cella può essere calcolato dalla seguente equazione:
RXC
E =
N
Dove E = Frequenza attesa, R = totale della riga della cella rispettiva, C =
il totale della colonna della rispettiva cella e N = il numero totale di osservazioni.
(ii) Prendi la differenza tra le frequenze osservate e quelle attese e
ottenere i quadrati di queste differenze. Simbolicamente, può essere rappresentato come
(O – E)2

(iii) Dividi i valori di (O – E)2ottenuto

nel passo (ii) dai rispettivi
frequenza attesa e ottenere il totale, che può essere rappresentato simbolicamente
da ∑[(O – E)2Questo dà il valore di χ2che può variare da zero a
infinito. Se χ2è zero significa che l'osservato e
frequenze attese
coincidono completamente. Maggiore è la discrepanza tra l'osservato e
maggiore sarà il valore di χ.2.

Il valore calcolato di χ2è confrontato con il valore tabellare di χ2per dato

gradi di libertà a un certo livello di significatività specificato. Se al livello dichiarato
livello, il valore calcolato di χ2è inferiore al valore della tabella, la differenza
tra teoria e osservazione non è considerato come significativo.
La seguente osservazione può essere fatta riguardo al χ2
distribution:-

(i) La somma delle frequenze osservate e attese è sempre zero.

Simbolicamente, ∑(O – E) = ∑O - ∑E = N – N = 0
(ii) Il χ2il test dipende solo dall'insieme delle frequenze osservate e attese
e sui gradi di libertà v. È un test non parametrico.
(iii) χ2la distribuzione è un'approssimazione limitante del multinomiale
distribuzione.
(iv) Anche se χ2la distribuzione è essenzialmente una distribuzione continua può
essere applicate a variabili casuali discrete le cui frequenze possono essere conteggiate e

tabulato con o senza raggruppamento.

La Distribuzione Chi-Quadrato
Per grandi dimensioni del campione, la distribuzione di campionamento di χ2può essere ravvicinato

approssimato da una curva continua conosciuta come distribuzione Chi-quadrato. Il

funzione di probabilità di χ2la distribuzione è:
F(χ2) = C (χ2)(v/2 - 1)e– x2/2
Dove e = 2.71828, v = numero di gradi di libertà, C = una costante
dipendendo solo da v.
 Il χ2la distribuzione ha solo un parametro, v, il numero di gradi di
libertà. Come nel caso della distribuzione t, c'è una distribuzione per ciascuna diversa
numero di gradi di libertà. Per un numero molto ridotto di gradi di libertà,
la distribuzione del Chi-quadro è fortemente asimmetrica a destra. Man mano che il numero di

i gradi di libertà aumentano, la curva diventa rapidamente più simmetrica. Per

per grandi valori di v, la distribuzione Chi-quadrato è approssimativamente vicina a
curva normale.
Il seguente diagramma fornisce χ2distribuzione per 1, 5 e 10 gradi di
freedom:

F(x2)

v=1

v=5
v = 10

0 2 4 6 8 10 12 14 16 18 20 22 χ2
Distribuzione χ2

È chiaro dal diagramma fornito che man mano che aumentano i gradi di libertà,
la curva diventa sempre più simmetrica. La distribuzione Chi-quadro è una
distribuzione di probabilità e l'area totale sotto la curva in ciascun chi-quadrato
La distribuzione è unità.

Proprietà di χ2distribuzione
 Le principali proprietà di χ2la distribuzione è:-

(i) la media del χ2la distribuzione è uguale al numero di gradi di libertà, cioè,
X=v
(ii) la varianza del χ2la distribuzione è il doppio dei gradi di libertà, Varianza =
2v
(iii) µ1= 0,
(iv) µ2= 2v
(v) µ3= 8v,
(vi) µ4= 48v + 12v2.
µ3264v28
(vii) β1= --- =-------= --
µ22 8v3 v

µ4 48v + 12v2 12
(v) β1µ3= ---- = --------------- = 3 + ---

µ22 4v2 v

I valori della tavola di χ2sono disponibili solo fino a 30 gradi di libertà.

Per gradi di libertà superiori a 30, la distribuzione di √2χ2approssima il
distribuzione normale. Per gradi di libertà superiori a 30, l'approssimazione
è accettabile chiudere. La media della distribuzione √2χ2è √2v - 1, e il
la deviazione standard è uguale a 1. Pertanto, l'applicazione del test è semplice, per
deviazione di √2χ2da √2v – 1 può essere interpretato come un deviante normale con unità
deviazione standard. Cioè,
Z = √2χ2- √ 2v – 1
Metodo alternativo per ottenere il valore di χ2
In una tabella 2x2 dove le frequenze delle celle e i totali marginali sono come segue:

a b (a+b)
 c d (c+d)
(a+c) (b+d) N

N è la frequenza totale e ad il prodotto incrociato più grande, il valore di χ2

può essere facilmente ottenuta dalla seguente formula:
N (ad – bc)2
χ2 = o
(a + c) (b + d) (c + d) (a + b)

Con le correzioni di Yate

N (ab - bc - ½N)2
χ2=
(a + c) (b + d) (c + d) (a + b)

Condizioni per applicare χ2test:

Le principali condizioni considerate per l'impiego del χ2test are:

(i) N deve essere per garantire la somiglianza tra la distribuzione teoricamente corretta e
la nostra distribuzione campionaria di χ2.

(ii) Nessuna frequenza teorica della cella dovrebbe essere piccola quando le frequenze attese sono

troppo piccolo. Se è così, allora il valore di χ2sarà sopravvalutato e porterà a

troppe rigettazioni dell'ipotesi nulla. Per evitare di fare errori
nelle inferenze, viene seguita una regola generale secondo cui la frequenza attesa di meno di 5 in
una cella di una tabella di contingenza è troppo piccola per essere utilizzata. Quando la tabella contiene

più di una cella con una frequenza attesa inferiore a 5 quindi aggiungere con il
frequenza precedente o successiva in modo che la somma risultante sia di 5 o più.
 Tuttavia, in questo modo riduciamo il numero di categorie di dati e guadagneremo
meno informazioni dalla tabella di contingenza.

(iii) I vincoli sulle frequenze delle celle, se presenti, devono essere lineari, cioè devono
non coinvolgere potenze quadrate e superiori delle frequenze come ∑O = ∑E = N.

Usi di χ2 test:

I principali usi del test χ2 sono:

(i) χ2test come un test di indipendenza. Con l'aiuto di χ2 test, possiamo trovare
verificare se due o più attributi siano associati o meno. Supponiamo che noi
abbiamo N osservazioni classificate in base ad alcuni attributi. Possiamo chiedere

se gli attributi sono correlati o indipendenti. Così, possiamo scoprire se

c'è qualche associazione tra il colore della pelle del marito e della moglie. Per esaminare

gli attributi che sono associati, formuliamo l'ipotesi nulla che ci sia
nessuna associazione contro un'ipotesi alternativa e che c'è un'associazione
tra gli attributi sotto studio. Se il valore calcolato di χ2è inferiore a
valore della tabella a un certo livello di significatività, diciamo che il risultato del

l'esperimento non fornisce prove per dubitare dell'ipotesi. D'altra parte

mano, se il valore calcolato di χ2è maggiore del valore della tabella a un certo livello
significativo, i risultati dell'esperimento non supportano l'ipotesi.

(ii) χ2test come test di bontà di adattamento. Ciò è dovuto al fatto che consente
ciò per accertare quanto appropriatamente le distribuzioni teoriche come la binomiale,
Poisson, Normale, ecc., adattano distribuzioni empiriche. Quando una frequenza ideale
la curva, sia essa normale o di altro tipo, è adattata ai dati, ci interessa
nel verificare quanto bene questa curva si adatti ai fatti osservati. Un test del
La concordanza dei due può essere effettuata semplicemente per ispezione, ma tale test è

ovviamente inadeguato. La precisione può essere garantita applicando il χ2test.

(iii) χ2 test come un test di omogeneità. Il χ2test

di omogeneità è un
estensione del test del chi-quadro per l'indipendenza. I test di omogeneità sono
designed to determine whether two or more independent random samples are
estratti dalla stessa popolazione o da popolazioni diverse. Invece di uno
campione come usiamo con il problema dell'indipendenza ora avremo 2 o più
campioni. Ad esempio, potremmo essere interessati a scoprire se o meno
studenti universitari di vari livelli, cioè gruppi di reddito medio e povero più ricco
sono omogenei nelle prestazioni nell'esame.
Illustrazione: In una campagna anti-diabete in una certa area, un particolare
la medicina, si dice che x è stata somministrata a 812 persone su una popolazione totale di

3248. Il numero di casi di diabete è mostrato qui sotto:

Trattamento Diabete No Diabetes Total
Medicina x 20 792 812
Nessuna Medicina x 220 2216 2436
Totale 240 3008 3248
Discuss the usefulness of medicine x in checking malaria.

Soluzione: Supponiamo l'ipotesi che la chinina non sia efficace nel controllare
diabete. Applicando χ2test :
(A) X (B) 240 x 812
L'aspettativa di (AB) = ------------ =------------------= 60
N 3248
O E1cioè, la frequenza attesa corrispondente alla prima riga e alla prima colonna è 60.
la massa delle frequenze attese sarà:
60 752 812
 180 2256 2436

240 3008 3248

O E (O – E)2 (O – E)2/E
20 60 1600 26.667
220 180 1600 8.889
792 752 1600 2.218
2216 2256 1600 0.709
[∑(O – E)2/E] = 38.593

χ2= [∑(O – E)2/E] = 38.593

v = (r – 1) (c – 1) = (2 – 1) (2 – 1) = 1
per v = 1, χ2 0,05= 3.84

Il valore calcolato di χ2è maggiore del valore della tabella. L'ipotesi è

rifiutato. Quindi il farmaco x è utile per controllare la malaria.

Illustrazione: In un esperimento sull'immunizzazione del bestiame dalla tubercolosi, il

i seguenti risultati sono stati ottenuti:

Colpito Non colpito

Inoculated 10 20
Non vaccinato 15 5

Calcola χ2e discutere l'effetto dei vaccini nel controllare la suscettibilità a

tubercolosi (5% valore di χ2per un grado di libertà = 3.84).
Soluzione: Poniamo l'ipotesi che il vaccino non sia efficace in
controllare la suscettibilità alla tubercolosi. Applicando χ2test:

N(ad – bc)2 50 (11x5 – 20x15)2

χ2= = 8,3
(a+b) (c+d)(a+c)(b+d) 30x20x25x25

Poiché il valore calcolato di χ2è maggiore del valore della tabella l'ipotesi è
non è vero. Pertanto, concludiamo che il vaccino è efficace nel controllare
suscettibilità alla tubercolosi.
ANALISI DELLA VARIANZA (ANOVA)
Introduzione
Per la presa di decisioni manageriali, a volte è necessario effettuare test di
significato. L'analisi della varianza è uno strumento efficace per questo scopo. Il
L'obiettivo dell'analisi della varianza è testare l'omogeneità delle medie di
campioni diversi.
Definizione
Secondo R.A. Fisher, "L'analisi della varianza è la separazione della varianza"
attribuibile a un gruppo di cause rispetto alla varianza attribuibile ad altri gruppi.
Assunzioni dell'ANOVA
La tecnica dell'ANOVA è principalmente utilizzata per l'analisi e l'interpretazione di
dati ottenuti dagli esperimenti. Questa tecnica si basa su tre aspetti importanti
presupposti, vale a dire

1. The parent population is normal.

2. Il componente di errore è distribuito normalmente con media zero e
varianza costante.
3. I vari effetti sono di natura additiva.
La tecnica dell'ANOVA consiste essenzialmente nel partizionare la varianza totale
in un esperimento sui componenti di diverse fonti di variazione. Questi
Le fonti di variazione sono dovute a fattori controllati e fattori incontrollati.
Poiché la variazione nei dati del campione è caratterizzata attraverso mezzi di molti

componenti della variazione, può essere rappresentato simbolicamente nella matematica

forma chiamata modello lineare per i dati campione.
Classificazione dei modelli
I modelli lineari per i dati campione possono essere ampiamente classificati in tre tipi come

segue:
1. Modello ad effetti casuali

2. Modello a effetti fissi

3. Modello a effetti misti

 In qualsiasi modello a componenti di varianza, il componente di errore ha sempre

effetti casuali, poiché si verificano in modo puramente casuale. Tutti gli altri
I componenti possono essere misti o casuali.
Modello ad effetti casuali

Un modello in cui ciascuno dei fattori ha un effetto casuale (incluso l'effetto di errore)
è chiamato un modello a effetti casuali o semplicemente un modello casuale.

Modello a effetti fissi

Un modello in cui ciascuno dei fattori ha effetti fissi, ma solo l'effetto dell'errore
è casuale è chiamato un modello a effetti fissi o semplicemente un modello fisso.

Modello a effetti misti

Un modello in cui alcuni dei fattori hanno effetti fissi e altri hanno
gli effetti casuali sono chiamati modello ad effetti misti o semplicemente modello misto.

Di seguito, ci limiteremo a un modello ad effetti fissi.

In un modello a effetti fissi, l'obiettivo principale è stimare gli effetti e
trova la misura di variabilità tra ciascuno dei fattori e infine per trovare il
variabilità tra gli effetti degli errori.
La tecnica ANOVA si basa principalmente sul modello lineare che
dipende dai tipi di dati utilizzati nel modello lineare. Ci sono diversi tipi di
dati in ANOVA, a seconda del numero di fonti di variazione ossia,
Dati classificati unidirezionali,

Dati classificati bidirezionali,

…
dati classificati m-way.
Dati classificati unidirezionali

Quando l'insieme delle osservazioni è distribuito su diversi livelli di un singolo

fattore, quindi fornisce dati classificati unidirezionali.
ANOVA per dati classificati unidirezionali

Lascia
y denotare il jthosservazione corrispondente all'ithlivello del fattore A e
ij

Yijla variabile casuale corrispondente.

Definire il modello lineare per i dati campione
ottenuto da
sperimentare con l'equazione
y  a e
⎛ io 1, 2,...,k⎞
⎜ ⎟
ij io ij
j 1, 2,...,n
⎝ io⎠

dove
rappresenta l'effetto medio generale che è fisso e che rappresenta

le condizioni generali delle unità sperimentali,aio denota l'effetto fisso dovuto

a methlivello di
il fattore A (i=1,2,…,k) e quindi la variazione due toaio
(i=1,2,…,k) è detto controllo.
L'ultimo componente del modelloijis the random variable. It is called the error

componente e fa lo Yijuna variabile casuale. La variazione in eio è dovuto a

j

tutti i fattori incontrollati e eijè indipendentemente, identicamente e normalmente

2
distribuito con media zero e varianza costante .
Per la realizzazione della variabile casuale Yij,considera
yio definito da
j

y  a e ⎛i 1, 2,...,k ⎞
⎜ ⎟
ij io ij
j 1, 2,...,n
⎝ io⎠

Il valore atteso dell'osservazione generale yio nelle unità sperimentali è

j

dato da
E(yij) per tutti i 1, 2,...,k
io

con
yij io  eij, doveijis the random error effect due to uncontrolled factors

(cioè, solo a causa del caso).

Qui possiamo aspettarci
io per tutti i 1, 2,...,k, se non c'è variazione dovuta a
fattori di controllo. Se non è così, abbiamo
 io
per tutti i 1, 2,...,k
cioè, i  per tutti i 1, 2,...,k
0
Supponiamoi aio.
Poi abbiamo io  per tutti i 1, 2,...,k
aio
In sostituzione per io
nell'equazione sopra, il modello lineare si riduce a

y  a e ⎛ io 1, 2,...,k (1)
⎞
⎜ ⎟
ij io ij
j 1, 2,...,n
⎝ i⎠

L'obiettivo dell'ANOVA è testare l'ipotesi nulla

Ho: io
per tutti i 1, 2,..., oHo:aio 0per tutti i 1, 2,...,k. Per trasportare
k
in questo test, dobbiamo stimare i parametri sconosciuti
,
per tutti i 1, 2,..., secondo il principio dei minimi quadrati. Questo può essere fatto da
aio
k
minimizzando la somma residua dei quadrati definita da
E e2
ij
ij
(y  a)2,
ij io
ij

utilizzando (1). Le equazioni normali possono essere ottenute derivando parzialmente E

rispetto a andaio
per tutti i 1, 2,... e uguagliando i risultati a zero.
Otteniamo k

G N  nioaio (2)
io

e Ti = + niaio, i = 1,2,…,k (3)

nio
dove N = nk. Vediamo che il numero di variabili (k+1) è più di
numero di equazioni indipendenti (k). Quindi, secondo il teorema su un sistema di lineari
dalle equazioni, segue che una soluzione unica per questo sistema non è possibile.

Tuttavia, facendo l'assunzione che = 0 , possiamo ottenere un

n io a i o
io
soluzione unica per e unio(i = 1,2,…,k). Utilizzando questa condizione nell'equazione (2),
otteniamo
 G N
G
cioè
N

Pertanto la stima di è dato da µ (4)(4)

G
N
Ancora dall'equazione (2), abbiamo

Tio
 aio
nio
Tio
Pertanto, unio 
nio
Pertanto, la stima di unioè dato da

aµ T µ io

io

nio
cioè, aµ TioG
 (5)(5)
i
nioN

Sostituendo le stime dei minimi quadrati di µe a

io
µ nella somma residua di
quadrati, otteniamo
E (yij  µ a $)
io
2

ij

Dopo aver eseguito alcuni calcoli e utilizzato le equazioni normali (2) e (3)
otteniamo
⎛ G 2 ⎞ ⎛ T2G2 ⎞
E y 2
  io 
⎜ io N ⎟ ⎜ n N ⎟ (6)
⎝ ij ⎠ ⎝ io io ⎠
Il primo termine nel membro destro dell'equazione (6) è chiamato il totale corretto della somma di

quadrati mentre yio2 si chiama la somma totale quadratica non corretta.

ij

Per misurare la variazione dovuta al trattamento (fattore controllato), noi

considera l'ipotesi nulla che tutti gli effetti del trattamento siano uguali. cioè,
 Ho: 1 2 ... k

cioè, Ho: per tutti i  k

io  0 per tutti i i    k
cioè, Ho: 0
io
i.e.,Ho:aio
y e ⎛ io 1, 2,...,k⎞
⎜ ⎟
ij ij
j 1, 2,...,n
⎝ io⎠

Procedendo come prima, otteniamo la somma dei quadrati residui per questo ipotetico
modello come
⎛ 2 ⎞ G2
E1 ⎜ y ⎟
ij (7)
N
⎝ ij ⎠
In realtà,
E1contiene la variazione dovuta sia al trattamento che all'errore. Pertanto una
La misura della variazione dovuta al trattamento può essere ottenuta da "E1 E”. Usando (6)
e (7), otteniamo
k 2 2
T
io G
E1 E n  N (8)
io 1 io

L'espressione in (8) è di solito chiamata la somma dei quadrati del trattamento corretta
k
Tio2 è chiamato sommatoria dei quadrati del trattamento non corretta. Qui lo
mentre il termine
i 1 i n
G 2
si può notare che è un fattore di correzione (chiamato anche termine di correzione).
N
Poiché Eis è basato su N-k osservazioni libere, ha N - k gradi di libertà (df).
Allo stesso modo, poiché
E1si basa su N -1 osservazioni gratuite, E1has N -1 degrees of
libertà. Quindi
E1 ha k -1 gradi di libertà.
E
Quando in realtà l'ipotesi nulla è vera, se la rifiutiamo sulla base di
il valore stimato nella nostra analisi statistica, ci stiamo impegnando nel Tipo - I
er ror. La probabilità di commettere questo errore è chiamata livello di
significato, denotato da . Il t test della null hy pothesisHopotrebbe essere
eseguito dal test F. Per dato , w abbiamo
TrMSS Trss dF
F :F .
EMSS Ess k1,Nk

d
F
cioè, segue la distribuzione F con gradi di libertà k-1 e N-k.
Tutti questi valori sono rappresentati sotto forma di una tabella chiamata tabella ANOVA,
furnished di seguito.

Tabella ANOVA per dati classificati unidimensionali

Fonte di Gradi di Somma dei quadrati Media dei Quadrati Rapporto di varianza

Variazione libertà (SS) (MS) F

Tra il
E1 E QT MT
QT F :
livello del M
k-1 T
T
ME
fattore k T 2 2
io G
k 1
 Fk1,Nk
(Trattamento) io nio N

QE:
All'interno del livello N-k QE -
M
Per sottrazione E
del fattore (Errore) N k

G2
Total N-1 Q yij - -
ij N

Rapporto di varianza

Il rapporto di varianza è il rapporto tra la varianza maggiore e la varianza minore. È

chiamato anche il coefficiente F. Abbiamo
F = Maggiore varianza / Minore varianza.
 Ci riferiamo alla tabella dei valori F a un livello di significatività desiderato. . In generale,
è considerato come il 5%. Il valore della tabella è riferito come il valore teorico o il
valore atteso. Il valore calcolato è riferito come valore osservato.
Inferenza
Se il valore osservato di F è inferiore al valore atteso di F (cioè, Fo< F)
e per

il livello di significatività dato , allora l'ipotesi nulla Hoè accettato. In

in questo caso, concludiamo
e che non ci sia alcun segno differenza significativa tra il
effetti del trattamento.

D'altra parte, se t
il valore osservato di F è maggiore del valore atteso
di F (cioè, il livello di significato datoballo ,
Fo Fe) per t quindi l'ipotesi nulla
in tal caso, concludiamo chetutte le tr
Hoè rifiutato. In questo gli effetti del trattamento non sono

uguale.
Nota: Se il valore calcolato di F e il valore tabellare di F sono uguali, possiamo provare.

un altro valore di .
Problema 1
Di seguito sono riportati i dettagli delle vendite effettuate da tre venditori in tre
campagne porta a porta.
Venditore Vendite in campagna porta a porta
A 8 9 5 10
B 7 6 6 9
C 6 6 7 5
Costruire un tavolo ANOVA e scoprire se c'è qualche significato significativo
differenza nelle prestazioni dei venditori.
Soluzione:
Metodo I (Metodo diretto) :
 A 8 9 510 32
B 7 6 6 9 28

C 6 6 7 5 24

32
Campioneean
m for A : A 8

Media campionaria per B :

28
B 7

Media campionaria per C :C

24
6

numero di elementi di campione = Numero di elementi per A + Numero di elementi per

Numero totale
B + No.
di articoli perr C

= 4
32 
lesX
tutti i campioni

Somma dei quadrati delle deviazioni per A:

A Un A A 8  A

A2
8 0 0
9 1 1
5 -3 9
10 2 4
14

Somma dei quadrati delle deviazioni per B:

B B B B 7  B B2 
7 0 0
6 -1 1
6 -1 1
 9 2 4
6

Somma dei quadrati delle deviazioni per C:

C C C C 6  C C
2
6 0 0
6 0 0
7 1 1
5 -1 1
2
Somma dei quadrati delle deviazioni interne

varieties =  A A2   B B2   C C2 

= 14 + 6 + 2
= 22

Somma dei quadrati delle deviazioni per la varianza totale:

Venditore Vendite Vendite -X= Vendite – 7  Sales  7 2

 A 8 1 1
A 9 2 4
A 5 -2 4
A 10 3 9
B 7 0 0
B 6 1 1
B 6 1 1
B 9 2 4
C 6 1 1
C 6 1 1
C 7 0 0
C 5 2 4
30

Tabella ANOVA
Fonte di variazione Gradi di libertà Somma dei quadrati di Varianza
deviazioni
8
Tra le varietà 3-1=2 8 4
2
22
All'interno delle varietà 12 - 3 = 9 22 2.44
9
Totale 12 - 1 = 11 30

Calcolo del valore F:

Maggiore Varianza 4.00
F = Varianza Minore 2.44 1.6393

Gradi di libertà per una maggiore varianza df1 = 2

 =
Gradi di libertà per una varianza più piccola df2

9
Prendiamo il livello di significatività come il 5%
Il valore tabellare di F = 4,26

Inferenza:
Il valore calcolato di F è inferiore a th e il valore tabellare di F. Pertanto, l'null
l'ipotesi è accettata. Si conclude che non c'è una differenza significativa in
le prestazioni dei venditori, al 5% di livello di significatività.
Metodo II (Metodo abbreviato):
A = 32, B = 28, C = 24.
T= Somma di tutti gli elementi del campione

A B C
32 28 24
84
N = Numero totale di elementi in tutti i campioni = 4 + 4 + 4 = 12

2 842
Correction Factor = T 588
N 12
valori serviti come segue:
aree delle osservazioni
Calcola la somma dei quadrati

Sales Person X X2
 A 8 64
9 81
A 5 25
A 10 100
A 7 49
B 6 36
B 6 36
B 9 81
B 6 36
C 6 36
C 7 49
C 5 25
C
618

Somma dei quadrati delle deviazioni per la varianza totale = X2fattore di correzione

= 618 - 588 = 30.

Somma dei quadrati delle deviazioni per la varianza tra campioni

 A 2  B 2  C 2
   CF
N1 N2 N3
322282242
4  4  4  588
1024 784 576
4  4  4  588
256196144 588
8
Tabella ANOVA
Fonte di Gradi di Somma dei quadrati di Varianza
 variazione Libertà deviazioni
Tra varietà 3-1 = 2 8 8
4
2
All'interno delle varietà 12 – 3 = 9 22 22
2,44
9
Totale 12 - 1 = 11 30

Si deve notare che le tabelle ANOVA nei metodi I e II sono una e la

stesso. Per i passaggi successivi del calcolo del valore F e dell'interpretazione,
fare riferimento al metodo I.

Problema 2
Di seguito sono riportati i dettagli delle aree alla base degli appartamenti in proprietà offerti

da 3 aziende edilizie A, B, C. Usa l'analisi della varianza per determinare se

c'è qualche differenza significativa nelle aree delle fondazioni degli appartamenti.
Società Immobiliare Superficie del plinto degli appartamenti

A 1500 1430 1550 1450

B 1450 1550 1600 1480
C 1550 1420 1450 1430

Usa l'analisi della varianza per determinare se c'è una differenza significativa
nelle aree di zoccolo degli appartamenti.
Nota: Poiché le cifre fornite sono elevate, lavorare con esse sarà difficile.
Pertanto, utilizziamo i seguenti fatti:
i. Il rapporto di varianza è indipendente dal cambiamento di origine.

ii. Il rapporto di varianza è indipendente dalla variazione della scala.

Nel problema in esame, i numeri variano da 1420 a 1600. Quindi

seguiamo un metodo chiamato il metodo di codifica. Prima di tutto, sottraiamo 1400 da
ogni elemento. Otteniamo i seguenti dati trasformati:
 Azienda Misura trasformata
A 100 30 150 50
B 50
150 100 80
C 150 20 50 30

Successivamente, dividi ogni voce per 10.

I dati trasformati sono riportati di seguito.

Azienda Misura trasformata

A 10 3 15 5
B 5 15 10 8
C 15 2 5 3
Lavoriamo con questi dati trasformati. Abbiamo

A=10+3+15+5=33
B 5+15+10+8=38
C=15+2+5+3=25
T A BC
33 38 25
96
N = Numero totale di elementi in tutti i campioni = 4 + 4 + 4 = 12
T2 962
Correction Factor = 768
N 12
Calcola la somma dei quadrati dei valori osservati come segue:
Azienda X X2
 A 10 100
A 3 9
A 15 225
A 5 25
B 5 25
B 15 225
B 10 100
B 8 64
C 15 225
C 2 4
C 5 25
C 3 9
1036

Somma dei quadrati delle deviazioni per la varianza totale =

X2fattore di correzione

= 1036 – 768 = 268

Somma dei quadrati delle deviazioni per la varianza tra campioni
 A 2  B 2  C 2
   CF
N1 N2 N3
332382252
4  4  4  768
1089 1444 625
4  4  4  768
272,25 361156,25 768
789,5 768
21,5
Tabella ANOVA
Fonte di variazione Degrees of Freedom Sum of squares Varianza
 di deviazioni
Tra varietà 3-1 = 2 21,5 21.5
10.75
2
All'interno delle varietà 12 - 3 = 9 264.5 24.65
27,38
9
Total 12 - 1 = 11 268
Calcolo del valore F:
Maggiore Varianza 27.38
F = Variazione Minore 10.75 2.5470

Gradi di libertà per una maggiore varianza df1 =

9 Gradi di libertà per varianza minore df2  

=2
Il valore tabellare di F al 5% di livello di significatività = 19,38

Inferenza:
Poiché il valore calcolato di F è inferiore al valore tabellare di F, l'ipotesi nulla
l'ipotesi è accettata e si conclude che non c'è differenza significativa
nelle aree di base delle appartamenti in proprietà offerte dalle tre aziende,
al livello di significatività del 5%.

Problema 3
Un manager finanziario ha raccolto le seguenti informazioni sulle performance
di tre schemi finanziari.
Fonte di variazione Gradi di libertà Somma dei quadrati delle deviazioni
Trattamenti 5 15
Residuo 2 25
Totale (corretto) 7 40

Interpreta le informazioni ottenute da lui.

 Nota: ‘Trattamenti’ significa ‘Tra varietà’.
'Residuo' significa 'All'interno delle varietà' o 'Errore'.

Soluzione:
Numero di schemi = 3 (dato che 3 - 1 = 2)
Numero totale di campioni = 8 (poiché 8 – 1 = 7)
Calcoliamo la varianza.
15
Varianza tra varietà = 7.5
2
25
Variazione tra le varietà = 5
5
Maggiore Varianza 7.5
F = Minore variazione 5 1.5

 df1=
Gradi di libertà per una maggiore varianza  2
 = 5
Gradi di libertà per una varianza minore df2
df2/df1 1 2 3 4 5 6 7 8 9 10
1 Il valore
4052.1 4999.5totale di F5624.5
5403.3 al 5% di significatività
5763.6 = 5.79 5981.0
5858.9 5928.3 6022.4 6055.8
2 98.5 99,0 99,1 99,2 99,2 99.3 99.3 99,3 99.3 99,3
3
Inferenza:34.1 30,8 29,4 28,7 28,2 27,9 27.6 27,4 27.3 27,2
4 21.1 18,0 16.6 15.9 15,5 15.2 14,9 14.7 14.6 14.5
Poiché il valore calcolato di F è inferiore al valore tabellare di F, accettiamo il
5 16.2 13.2 12.0 11.3 10.9 10.6 10.4 10.2 10.1 10.0
ipotesi nulla
13.7
e concludere
10.9
che non
9.7 9.1
c'è una
8.7
differenza
8.4
significativa
8.2 8.1
nel7.9 7.8
6
performance
7 12.2dei tre 9.5
schemi finanziari.
8.4 7.8 7.4 7.1 6.9 6.8 6.7 6.6
8 11.2 8.6 7,5 7.0 6.6 6.3 6.1 6.0 5.9 5.8
9 10,5 8.0 6.9 6.4 6.0 5.8 5.6 5.4 5.3 5.2
10 10.0 7.5 6.5 5.9 5.6 5.3 5.2 5.0 4.9 4,8
11 9.6 7.2 6.2 5.6 5.3 5,0 4.8 4,7 4.6 4.5
12 9,3 6.9 5,9 5.4 5.0 4.8 4.6 4.4 4.3 4.2
Tabella Statistica-1: Valori F al livello di significatività dell'1%
13 9.0 6.7 5.7 5.2 4.8 4,6 4.4 4.3 4.1 4.1
14 8.8 6.5 5.5 5.0 4.6 4.4 4.2 4.1 4.0 3.9
df1gradi di 15
libertà per8.6
maggiore
6.3 varianza
5.4 df2:4.8 4.5 4.3 4.1 4.0 3,8 3.8
16 8,5 6.2 5.2 4.7 4.4 4.2 4.0 3.8 3,7 3,6
8.4 minor6.1
17 per una
gradi di libertà 5.1
varianza 4.6 4.3 4.1 3.9 3.7 3.6 3.5
18 8.2 6.0 5.0 4.5 4.2 4.0 3.8 3.7 3.5 3.5
19 8.1 5.9 5.0 4.5 4.1 3,9 3.7 3.6 3.5 3.4
20 8.0 5.8 4.9 4.4 4.1 3.8 3.6 3.5 3.4 3.3
21 8.0 5.7 4.8 4.3 4.0 3.8 3.6 3.5 3.3 3.3
22 7.9 5.7 4.8 4.3 3.9 3.7 3.5 3.4 3.3 3.2
23 7.8 5.6 4.7 4.2 3.9 3.7 3.5 3.4 3.2 3.2
 24 7.8 5.6 4.7 4.2 3.8 3.6 3.4 3.3 3.2 3.1
25 7.7 5.5 4.6 4.1 3.8 3.6 3.4 3.3 3.2 3.1
26 7.7 5.5 4,6 4.1 3.8 3.5 3.4 3.2 3.1 3.0
27 7.6 5.4 4.6 4.1 3.7 3.5 3.3 3.2 3.1 3.0
28 7.6 5.4 4.5 4.0 3.7 3.5 3.3 3.2 3.1 3.0
29 7.5 5.4 4.5 4.0 3.7 3.4 3.3 3.1 3.0 3.0
30 7.5 5.3 4.5 4.0 3.6 3.4 3.3 3.1 3.0 2,9

Tabella Statistica-2: Valori F al livello di significatività del 2,5%

df1gradi di libertà per una maggiore varianza

df2gradi di libertà per una varianza minore

df2/df1 1 2 3 4 5 6 7 8 9 10
1 647.7 799.5 864.1 899.5 921.8 937.1 948.2 956.6 963,2 968,6
2 38.5 39,0 39.1 39,2 39.2 39.3 39.3 39,3 39,3 39.3
3 17.4 16.0 15,4 15.1 14.8 14.7 14.6 14.5 14.4 14.4
4 12.2 10,6 9.9 9.6 9.3 9.1 9.0 8,9 8.9 8.8
5 10,0 8.4 7,7 7.3 7.1 6.9 6.8 6.7 6.6 6,6
6 8.8 7.2 6,5 6.2 5.9 5.8 5.6 5.5 5.5 5.4
7 8.0 6,5 5.8 5.5 5.2 5.1 4.9 4.8 4.8 4.7
8 7,5 6,0 5.4 5.0 4.8 4.6 4.5 4.4 4.3 4.2
9 7.2 5.7 5.0 4,7 4.4 4.3 4.1 4.1 4.0 3.9
10 6.9 5.4 4.8 4.4 4.2 4.0 3.9 3.8 3.7 3,7
11 6.7 5.2 4.6 4.2 4.0 3.8 3.7 3.6 3.5 3.5
12 6.5 5.0 4.4 4.1 3.8 3.7 3.6 3.5 3.4 3.3
13 6.4 4,9 4.3 3.9 3.7 3.6 3.4 3.3 3.3 3.2
14 6.2 4.8 4.2 3.8 3.6 3.5 3.3 3.2 3.2 3.1
15 6.1 4.7 4.1 3.8 3.5 3.4 3.2 3.1 3.1 3.0
 16 6.1 4.6 4.0 3.7 3.5 3.3 3.2 3.1 3.0 2.9
17 6.0 4.6 4.0 3.6 3.4 3.2 3.1 3.0 2.9 2.9
18 5.9 4.5 3.9 3.6 3.3 3.2 3.0 3.0 2.9 2.8
19 5.9 4,5 3.9 3.5 3.3 3.1 3.0 2,9 2.8 2.8
20 5.8 4.4 3.8 3,5 3.2 3.1 3.0 2.9 2.8 2.7
21 5.8 4.4 3.8 3.4 3.2 3.0 2.9 2.8 2.7 2.7

22 5.7 4.3 3.7 3.4 3.2 3.0 2.9 2.8 2,7

2.7

23 5.7 4.3 3.7 3,4 3.1 3.0 2.9 2.8 2.7

2.6

24 5.7 4.3 3.7 3.3 3.1 2.9 2.8 2.7 2.7

2.6

25 5,6 4.2 3.6 3.3 3.1 2.9 2.8 2.7 2.6

2.6

26 5.6 4.2 3.6 3.3 3.1 2.9 2.8 2.7 2.6

2.5

27 5.6 4.2 3.6 3.3 3.0 2.9 2.8 2.7 2.6

2.5
28 2.6
5.6 4.2 3.6 3.2 3.0 2.9 2.7 2.6 2.5

29 5.5 4.2 3.6 3.2 3.0 2.8 2.7 2.6 2.5

2.5

30 5.5 4.1 3.5 3.2 3.0 2,8 2.7 2.6 2.5

2.5

Tabella Statistica-3: Valori F al 5% di livello di significatività

df1gradi di libertà per una maggiore varianza

df2gradi di libertà per varianza minore

df2/df1 1 2 3 4 5 6 7 8 9 10
1 161.4 199.5 215.7 224.5 230.1 233.9 236.7 238.8 240.5 241.8
2 18,5 19.0 19.1 19.2 19.2 19.3 19.3 19.3 19.3 19.3
3 10.1 9.5 9.2 9.1 9.0 8,9 8.8 8.8 8.8 8.7
4 7.7 6.9 6.5 6.3 6.2 6.1 6.0 6.0 5.9 5.9
5 6.6 5.7 5.4 5.1 5.0 4,9 4.8 4.8 4.7 4.7
6 5.9 5.1 4.7 4.5 4.3 4.2 4.2 4.1 4.0 4.0
7 5.5 4.7 4.3 4.1 3.9 3.8 3.7 3.7 3.6 3.6
8 5.3 4.4 4.0 3.8 3.6 3.5 3.5 3.4 3.3 3.3
9 5.1 4.2 3.8 3.6 3.4 3.3 3.2 3.2 3.1 3.1
10 4.9 4.1 3.7 3.4 3.3 3.2 3.1 3.0 3,0 2.9
11 4.8 3.9 3.5 3.3 3.2 3.0 3.0 2.9 2.8 2.8
12 4.7 3.8 3.4 3.2 3.1 2.9 2.9 2.8 2.7 2.7
13 4.6 3.8 3.4 3.1 3.0 2.9 2.8 2.7 2.7 2.6
14 4.6 3,7 3.3 3.1 2,9 2.8 2.7 2.6 2.6 2.6
15 4,5 3.6 3.2 3.0 2,9 2.7 2.7 2.6 2.5 2.5
16 4.4 3.6 3.2 3.0 2.8 2.7 2.6 2,5 2.5 2.4
17 4.4 3.5 3.1 2.9 2.8 2.6 2.6 2.5 2.4 2.4
18 4.4 3.5 3.1 2.9 2.7 2.6 2.5 2.5 2.4 2.4
19 4.3 3.5 3.1 2.8 2.7 2.6 2.5 2.4 2.4 2.3
20 4.3 3.4 3.0 2.8 2.7 2.5 2.5 2.4 2.3 2.3
21 4.3 3.4 3.0 2.8 2.6 2.5 2.4 2.4 2.3 2.3
22 4.3 3.4 3.0 2.8 2.6 2.5 2.4 2.4 2.3 2.3
23 4.2 3.4 3.0 2.7 2.6 2.5 2.4 2.3 2.3 2.2
24 4.2 3.4 3.0 2.7 2.6 2.5 2.4 2.3 2.3 2.2
25 4.2 3.3 2.9 2.7 2.6 2.4 2.4 2.3 2.2 2.2
26 4.2 3.3 2,9 2,7 2.5 2.4 2.3 2.3 2.2 2.2
27 4.2 3.3 2.9 2.7 2.5 2.4 2.3 2.3 2.2 2.2
28 4.1 3.3 2.9 2.7 2,5 2.4 2.3 2.2 2.2 2.1
29 4.1 3.3 2.9 2.7 2.5 2.4 2.3 2.2 2.2 2.1
30 4.1 3.3 2.9 2.6 2,5 2.4 2.3 2.2 2.2 2.1
 Tabella Statistica-4: Valori F al livello di significatività del 10%

df1gradi di libertà per maggiore varianza df2:

gradi di libertà per varianza minore

df2/df1 1 2 3 4 5 6 7 8 9 10
1 39.8 49.5 53.5 55,8 57,2 58.2 58,9 59.4 59,8 60,1
2 8.5 9.0 9.1 9.2 9.2 9.3 9.3 9.3 9.3 9.3
3 5.5 5.4 5.3 5.3 5.3 5.2 5.2 5.2 5.2 5.2
4 4.5 4.3 4.1 4.1 4.0 4,0 3.9 3.9 3.9 3.9
5 4.0 3.7 3.6 3.5 3.4 3.4 3.3 3.3 3.3 3.2
6 3.7 3.4 3.2 3.1 3.1 3.0 3.0 2,9 2.9 2,9
7 3.5 3.2 3.0 2,9 2.8 2.8 2.7 2.7 2,7 2.7
8 3.4 3.1 2.9 2.8 2.7 2.6 2,6 2.5 2.5 2,5
9 3.3 3.0 2.8 2,6 2.6 2.5 2.5 2.4 2.4 2.4
10 3.2 2.9 2.7 2.6 2.5 2.4 2.4 2.3 2.3 2.3
11 3.2 2,8 2.6 2,5 2.4 2.3 2.3 2.3 2.2 2.2
12 3.1 2.8 2.6 2.4 2.3 2.3 2.2 2.2 2.2 2.1
13 3.1 2.7 2,5 2.4 2.3 2.2 2.2 2.1 2.1 2.1
14 3.1 2.7 2.5 2.3 2.3 2.2 2.1 2.1 2.1 2.0
15 3.0 2.6 2.4 2.3 2.2 2.2 2.1 2.1 2.0 2.0
16 3.0 2.6 2.4 2.3 2.2 2.1 2.1 2.0 2.0 2.0
17 3.0 2.6 2.4 2.3 2.2 2.1 2.1 2.0 2.0 2.0
18 3.0 2.6 2.4 2.2 2.1 2.1 2.0 2.0 2.0 1.9
19 2.9 2.6 2.3 2.2 2.1 2.1 2.0 2.0 1.9 1,9
20 2.9 2.5 2.3 2.2 2.1 2.0 2.0 1.9 1.9 1.9
21 2.9 2.5 2.3 2.2 2.1 2.0 2.0 1.9 1.9 1.9
22 2.9 2.5 2.3 2.2 2.1 2.0 2.0 1.9 1,9 1.9
23 2.9 2.5 2.3 2.2 2.1 2.0 1.9 1.9 1.9 1.8
24 2,9 2.5 2.3 2.1 2.1 2.0 1.9 1.9 1.9 1.8
25 2.9 2.5 2.3 2.1 2.0 2.0 1.9 1.9 1.8 1.8
26 2.9 2.5 2.3 2.1 2.0 2.0 1.9 1.9 1.8 1.8
27 2.9 2,5 2.2 2.1 2.0 2.0 1.9 1.9 1.8 1.8
28 2.8 2,5 2.2 2.1 2.0 1.9 1.9 1.9 1.8 1.8
29 2.8 2.4 2.2 2.1 2.0 1.9 1.9 1.8 1.8 1.8
30 2.8 2.4 2.2 2.1 2.0 1.9 1.9 1.8 1.8 1.8
CHE COS'È UN RAPPORTO?

Un rapporto è un documento scritto su un argomento particolare, che trasmette

informazioni e idee e possono anche fare raccomandazioni. I rapporti spesso formano
la base per decisioni cruciali. Inaccurate, incomplete e mal scritte
i rapporti non riescono a raggiungere il loro scopo e riflettono sulla decisione, che
alla fine sarà fatto. Questo sarà anche il caso se il rapporto è eccessivamente lungo,
gergale e/o privo di struttura. Un buon rapporto può essere scritto mantenendo il
tenendo a mente le seguenti caratteristiche:

1. Tutti i punti nel rapporto devono essere chiari per il lettore previsto.
2. Il rapporto dovrebbe essere conciso con informazioni mantenute al necessario

minimo e organizzato logicamente sotto varie intestazioni e sottotitoli.

3. Tutte le informazioni dovrebbero essere corrette e supportate da prove.

4. Tutti i materiali pertinenti devono essere inclusi in un rapporto completo.

Scopo del rapporto di ricerca

1. Why am I writing this report? Do I want to inform/ explain/
persuadere, o in effetti tutti questi.
2. Chi leggerà questo rapporto? Manager / accademici /
ricercatori! Cosa sanno già? Cosa devono sapere? Ci sono già
di loro hanno certe attitudini o pregiudizi?
3. Quali risorse abbiamo? Ho accesso a un computer? Ho
Hai abbastanza tempo? Può aiutarmi qualcuno dei miei colleghi?

4. Pensa al contenuto del tuo rapporto - cosa metterò

Quali sono i miei temi principali? Quanto dovrebbe essere il testo e quanto dovrebbe
Essere le illustrazioni?
Struttura di un Report
I vari framework possono essere utilizzati a seconda del contenuto del
rapporto, ma in generale si applicano le stesse regole. Introduzione, metodo, risultati e

discussione con riferimenti o bibliografia alla fine, e un abstract all'inizio

l'inizio potrebbe formare la struttura.
STRUTTURA DI UN RAPPORTO
Struttura la tua scrittura attorno al framework IMR&D e farai
assicurati di avere un inizio, una parte centrale e una conclusione nel tuo rapporto.

Io Introduction Why did I do this research? (inizio)

M Metodo Cosa ho fatto e come ci sono arrivato (centro)
farlo?
R Risultati What did I find? (centro)
E
D Discussione Cosa significa tutto questo? (fine)

Cosa devo mettere nella parte iniziale?

COPERTINA Title of project, Sub–title (where
appropriato), Data, Autore, Organizzazione,
Logo
SFONDO Storia (se presente) dietro il progetto

RICONOSCIMENTO L'autore ringrazia le persone e le organizzazioni che

aiutato durante il progetto

SOMMARIO (a volte chiamato una versione condensata di un rapporto - delinea)
abstract della sinossi) salient points, emphasizes main conclusions
e (dove appropriato) il principale
raccomandazioni. N.B questo è spesso
difficile da scrivere e si suggerisce che tu
scrivilo per ultimo.
INDICE Un elenco a colpo d'occhio che informa il lettore
cosa c'è nel rapporto e a quale pagina
numero(i) per trovarlo.
ELENCO DELLE TABELLE Come sopra, specificamente per le tabelle.

LISTA DEGLI APPENDICI Come sopra, specificamente per gli allegati.

INTRODUZIONE L'autore ambienta la scena e dichiara il suo/il suo

intenzioni.
OBIETTIVI E SCOPI OBIETTIVI - obiettivi generali dell'audit/progetto,

dichiarazione ampia di intenti. OBIETTIVI –

cose specifiche che ci si aspetta di fare/consegnare (ad es.

risultati attesi)

Cosa metto nella parte centrale?

METODO Passi di lavoro; cosa è stato fatto - come, da

chi, quando?
RISULTATI/ECCEZIONI Presentazione onesta dei risultati,
se questi erano come previsto o meno.
dare il fatti, incluso qualunque
incoerenze o difficoltà
incontrato
Cosa metto nella parte finale?
DISCUSSIONE Spiegazione dei risultati. (potresti voler)
tieni a mente l'analisi SWOT e pensa a
your project’s strengths, weakness, opportunities
and threats, as you write)
CONCLUSIONI L'autore collega i risultati/conclusioni con il
punti esposti nell'introduzione e si sforza di
raggiungere chiaro, semplicemente dichiarato e imparziale
 conclusioni. Assicurati che siano completamente supportate

dalla evidenza e dagli argomenti del corpo principale di

la tua revisione/progetto.

RACCOMANDAZIONI L'autore afferma quali azioni specifiche dovrebbero essere

presi, da chi e perché. Devono sempre essere

collegato al futuro e dovrebbe sempre essere
realistico. Non farli a meno che non venga chiesto.

RIFERIMENTI Una sezione di un rapporto, che fornisce dettagli completi

delle pubblicazioni menzionate nel testo, o da

which extracts have been quoted.
APPENDICE Lo scopo di un'appendice è quello di supplementare il
informazioni contenute nel corpo principale di
rapporto.

RELATORI PRATICI VS. RELATORI ACCADEMICI

Report pratici:
Nel mondo pratico degli affari o del governo, un rapporto trasmette un
informazioni e (talvolta) raccomandazioni da un ricercatore che ha
ha indagato un argomento in dettaglio. Un rapporto come questo sarà solitamente richiesto
da persone che hanno bisogno delle informazioni per uno scopo specifico e il loro

la richiesta può essere scritta in termini di riferimento o nel breve. qualunque cosa la

rapporto, è importante esaminare le istruzioni per ciò che è richiesto. A

un rapporto di questo tipo si differenzia da un saggio in quanto è progettato per fornire

informazioni che verranno utilizzate, piuttosto che lette dalle persone

interessati alle idee per il loro stesso valore. Per questo motivo, ha un approccio diverso

struttura e layout.

Rapporti Accademici:
 Un rapporto scritto per un corso accademico può essere pensato come un
simulazione. Possiamo immaginare che qualcuno voglia il rapporto per un pratico
scopo, anche se stiamo davvero scrivendo il rapporto come un esercizio accademico per
valutazione. Le idee teoriche saranno più in evidenza in un rapporto accademico
che in uno pratico. A volte un rapporto sembra servire a fini accademici e
scopi pratici. Gli studenti in tirocinio presso le organizzazioni spesso devono
produrre un rapporto per l'organizzazione e per la valutazione sul corso.
Sebbene il lavoro preparatorio per entrambi sarà correlato, nella pratica, il rapporto che
student produces for academic assessment will be different from the report
prodotto per l'organizzazione, poiché i bisogni di ciascuno sono diversi.

RELATORE DI RICERCA: PRELIMINARI

Non ha senso lasciare tutta la tua scrittura fino alla fine. C'è sempre
la possibilità che ci vorrà molto più tempo di quanto prevedi e non lo farai
avere abbastanza tempo. Potrebbe anche esserci pressione sui programmi di elaborazione testi disponibili

mentre altri studenti cercano di completare i propri rapporti. È saggio iniziare a scrivere.
alcuni aspetti della tua ricerca man mano che procedi. Ricorda che non hai
scrivere il tuo rapporto nell'ordine in cui sarà letto. Spesso è più facile cominciare
con la sezione del metodo. Lascia l'introduzione e l'abstract per ultimi. Il
l'uso di un elaboratore di testi rende molto semplice modificare e riorganizzare
ciò che hai scritto mentre la tua ricerca progredisce e le tue idee cambiano. Il
ogni processo di scrittura aiuterà le tue idee a svilupparsi. Ultimo ma non meno importante
almeno, chiedi a qualcuno di correggere il tuo lavoro.

STRUTTURA DI UN RAPPORTO DI RICERCA

Un rapporto di ricerca ha una struttura e un layout diversi rispetto a un
rapporto di progetto. Un rapporto di ricerca è per riferimento ed è spesso piuttosto lungo
documento. Deve essere chiaramente strutturato affinché i lettori possano trovare rapidamente il
informazioni richieste. Deve essere pianificato con attenzione per assicurarsi che il
Le informazioni fornite nel rapporto sono collocate sotto le intestazioni corrette.

PARTI DEL RAPPORTO DI RICERCA

Cover sheet: This should contain some or all of the following:

Titolo completo del rapporto
Nome del ricercatore
Nome dell'unità di cui il progetto fa parte
Nome dell'istituzione
Data/Anno.

Title page:Full title of the report.

Il tuo nome
Acknowledgement:A thank you to the people who helped you.
Contenuti
Elenco delle tabelle

I titoli e i sottotitoli utilizzati nel rapporto devono essere forniti con il loro
numeri di pagina. Ogni capitolo dovrebbe iniziare su una nuova pagina. Utilizzare una coerenza

sistema nel dividere il rapporto in parti. Il più semplice potrebbe essere utilizzare capitoli per

ogni parte principale e suddividerle in sezioni e sottosezioni. 1, 2, 3 ecc.

possono essere utilizzati come i numeri per ogni capitolo. Le sezioni del capitolo 3 (per

esempio) sarebbe 3.1, 3.2, 3.3, e così via. Per ulteriori suddivisioni di un sotto-
Sezione puoi usare 3.2.1, 3.2.2, e così via.
Sommario Esecutivo o Introduzione:
Questo presenta una panoramica dell'intero rapporto. Dovrebbe permettere al lettore di vedere

in anticipo, cosa c'è nel rapporto. Questo include ciò che ti sei proposto di fare, come
la revisione della letteratura è focalizzata e ristretta nella tua ricerca, la relazione del
metodologia che hai scelto per i tuoi obiettivi, un riepilogo delle tue scoperte e

analisi dei risultati

BODY
Obiettivi e Scopi
Perché hai fatto questo lavoro? Qual era il problema che stavi affrontando?

investigando? Se non stai includendo la revisione della letteratura, menziona il specifico

ricerche che sono rilevanti per il tuo lavoro.
Revisione della letteratura

Questo dovrebbe aiutare a collocare la tua ricerca in un contesto di sfondo e a

spiega la sua importanza. Includi solo i libri e gli articoli che si riferiscono direttamente

al tuo argomento. Devi essere analitico e critico, e non semplicemente descrivere il

opere che hai letto.
Metodologia
La metodologia si occupa dei metodi e dei principi utilizzati in un'attività.
in questo caso di ricerca. Nel capitolo della metodologia, spiega il/i metodo/i che hai utilizzato/i

per la ricerca e perché pensavi fossero i più appropriati. Puoi,

ad esempio, basarsi principalmente su dati secondari o potresti avere
hai raccolto i tuoi dati. Dovresti spiegare il metodo di raccolta dei dati,
materiali utilizzati, soggetti intervistati o luoghi visitati. Fornisci un dettagliato
racconto di come e quando hai svolto la tua ricerca e spiega perché lo hai fatto
utilizzato il metodo/s particolare/i, piuttosto che altri metodi. Inclusa in questo capitolo
dovrebbe esserci un esame delle questioni etiche, se ce ne sono.

Risultati o Scoperte
What did you find out? Give a clear presentation of your results. Show
i dati essenziali e i calcoli qui. Puoi utilizzare tabelle, grafici e figure.
Analisi e Discussione
Interpreta i tuoi risultati. Cosa ne deduci? Come li fai
confronta con quelli di altri che hanno condotto ricerche in quest'area? L'accuratezza
delle tue misurazioni/risultati dovrebbe essere discusso e le carenze, se presenti, nella
il disegno della ricerca dovrebbe essere menzionato.

Conclusioni
Cosa concludi? Riassumi brevemente le principali conclusioni che
you discussed under "Results." Were you able to answer some or all of the
domande che hai sollevato nei tuoi obiettivi e scopi? Non lasciarti tentare di
trarre conclusioni che non sono supportate dalle tue prove. Nota il
deviazione/e dai risultati attesi e qualsiasi mancato raggiungimento di tutto ciò che avevi

sperato.
Recommendations
Fai le tue raccomandazioni, se necessario. Le suggerimenti per l'azione e
dovrebbe essere condotta ulteriore ricerca.

Appendice
Potresti non aver bisogno di un appendice, oppure potresti averne bisogno di diverse. Se hai

nei questionari utilizzati, è consueto includere una copia vuota nell'appendice. Tu

potrebbe includere dati o calcoli, non forniti nel testo, che sono necessari, o
utile, per ottenere il massimo beneficio dal tuo rapporto. Potrebbero esserci mappe, disegni,

fotografie o piani che desideri includere. Se hai utilizzato speciali

attrezzatura, puoi includere informazioni su di essa.
Il plurale di un appendice è appendici. Se un'appendice o appendici
sono necessari, progettali con attenzione in modo che i tuoi lettori li trovino
comodo da usare.
Riferimenti
 Elenca tutte le fonti a cui ti sei riferito nel corpo del rapporto.
può utilizzare il modello prescritto dall'American Psychological Association, o qualsiasi altro

altro standard riconosciuto a livello internazionale.

REVISIONE DELLA LETTERATURA

Nel caso di piccoli progetti, questo potrebbe non essere sotto forma di una revisione critica

della letteratura, ma questo è spesso richiesto ed è una parte standard di più ampie
progetti. A volte agli studenti viene chiesto di scrivere una Revisione della Letteratura su un argomento

come un'opera a sé stante. Nella sua forma più semplice, la revisione della letteratura
è un elenco di libri e altre fonti rilevanti, ciascuno seguito da una descrizione e
comment on its relevance.
La revisione della letteratura dovrebbe dimostrare che hai letto e analizzato
la letteratura pertinente al tuo argomento. Dalle tue letture, potresti ottenere idee
riguardo ai metodi di raccolta e analisi dei dati. Se la revisione fa parte di un progetto,
sarà necessario collegare le tue letture alle questioni del progetto, e mentre
Descrivendo le letture, dovresti applicarle al tuo argomento. Una recensione dovrebbe
includere solo studi rilevanti. La revisione dovrebbe fornire al lettore un
immagine di il stato di conoscenza in il soggetto.
La tua ricerca letteraria dovrebbe stabilire quali siano state le ricerche precedenti.

realizzato nell'area tematica. In linea generale, ci sono tre tipi di fonti

che dovresti consultare:
1. Materiale introduttivo;
Articoli di riviste e
3. Libri.

To get an idea about the background of your topic, you may consult one or
più libri di testo al momento appropriato. È una buona pratica rivedere in
stadi cumulativi - cioè, non pensare di poter fare tutto in una volta sola. Tieni un
un attento resoconto di ciò che hai cercato, come sei andato a riguardo, e il
citazioni esatte e numeri di pagina delle tue letture. Prendi appunti mentre procedi.
Prendi appunti adeguati su tutto ciò che leggi e annota i metodi di
indagini. Assicurati di mantenere un riferimento completo, completo di pagina
numeri. Dovrai trovare il tuo equilibrio tra prendere appunti che sono
troppo lungo e dettagliato, e altri troppo brevi per essere utili. È meglio scrivere il tuo
note in frasi e paragrafi completi, perché la ricerca ha dimostrato che
è più probabile che tu capisca le tue note in seguito se sono scritte in un modo
che altre persone comprenderebbero. Tieni le tue note da fonti diverse
e/o riguardo a diversi punti su schede indice separate o su fogli separati di
carta. Farai principalmente letture di base mentre cerchi di decidere sul tuo
argomento. Puoi scansionare e prendere appunti sugli abstract o sui riassunti del lavoro in

l'area. Poi fai un lavoro più approfondito di lettura più tardi, quando sei più
sicuro di quello che stai facendo. Se il tuo progetto dura diversi mesi, sarebbe
sarebbe consigliabile verso la fine controllare se ci sono novità e aggiornamenti recenti

riferimenti.

REFERENCES

Ci sono molti metodi per citare il tuo lavoro; alcuni dei più
quelli comuni sono lo Stile Numerato, l'American Psychological Association
Stile e il Metodo Harvard, con molte altre variazioni. Usa solo quello.
sei più familiare e a tuo agio. Dettagli di tutte le opere a cui si fa riferimento
dovresti essere dato nella sezione di riferimento.
LA PRESENTAZIONE DEL REPORT

Illustrazioni ben realizzate e appropriate migliorano la presentabilità di

un rapporto. Con i pacchetti informatici di oggi, quasi tutto è possibile.
Tuttavia, gli istogrammi, i diagrammi a barre e i grafici a torta sono ancora i tre 'fondamentali'.

I lettori amano le informazioni illustrate, perché sono più facili da assorbire e sono più
memorabile. Le illustrazioni sono utili solo quando sono più facili da comprendere di
parole o cifre e devono essere pertinenti al testo. Usa l'algoritmo
inclusi per aiutarti a decidere se utilizzare o meno un'illustrazione. Dovrebbero
non essere mai inclusi per il loro stesso bene, e non esagerare; troppi
le illustrazioni distraggono l'attenzione dei lettori