ຄູ່ມືສະຖິຕິ ພື້ນຖານ1

ທ຋ິ ຾ີ ກ້ : ຽປ຺າຓີ n1  n2  10. 1  10  25%  2,5 2  10  20%  2 ຅າກຘູຈ (5.4) ຽປ຺າແຈ້ p1  p2  1  2  2,5  2  0,5  0,05 n1 n2 10 10 10  p1  p2  0,05 ໝາງທໞາບັຈຉາຘໞທຌ຃ໞາ຃ທາຓ຾ຉກຉໞາຄ຅າກກາຌຌ໣າເຆ້ຑະຖັຄຄາຌແຓ້ຒືຌຂບຄຘບຄຊາຌະ຃ບຍ຃຺ທ ຾ຓ່ຌ 0,05 ນືົ 5%. 5.3 ກາຌຎະຽຓຌີ ຃າໞ ຾ຍຍນທາໞ ຄ (Interval Estimation). ຘູຌ຋ບຌ ຑ຺ຓຓະຘບຌ. ຘະຊີຉິຑືໄຌຊາຌ (1999). ແຈ້ເນ້຃໣າຌິງາຓທໞາ: ກາຌຎະຽຓີຌ຃ໞາ຾ຍຍ ນທໞາຄ ຾ຓ່ຌກາຌຎະຽຓີຌທໞາ ຑາຕາຓີຽຉີ  ຅ະດູນ່ ທໞາຄເຈ ? ຃າໞ ກະຉທຄ຋ີໃ  ຅ະດູ່ເຌນທາໞ ຄ຋ໃ຃ີ າຈແທ້ ຽຑິໃຌຽບີໄຌທໞາຖະຈັຍ຃ທາຓຘ າ຃ັຌ ຾ຖະ ຘັຌງາຖັກຈໟທງ . ຽຑຌໃິ ຽບຌໄີ (1-) ທາໞ ຖະຈຍັ ຆໞທຄຽຆືບໃ ໝັຌໄ . 5.3.1 ກາຌຎະຽຓີຌ຃ໞາຘະຽຖງ່ ຂບຄຎະຆາກບຌ຾ຍຍນທາໞ ຄ (Estimating the average population of the vacuum) ຽຓືໃບປູ້຃ໞາຏັຌຎ່ຼຌຂບຄຎະຆາກບຌ 2 , ນທໞາຄ຋ີໃຎະຽຓີຌ຃ໞາຘະຽຖ່ງ  ຃ໞາຘະຽຖ່ງຂບຄຎະຆາກບຌ ຈໟທງຖະຈັຍ຃ທາຓຽຆບໃື ໝັໄຌ (1-).100% ຾ຓ່ຌ: X  Z /2     X  Z /2  (5.3.1) n n ຉທ຺ ດາ່ ຄ 1. ໜໟາຉໟາຄຂບຄແຓ້຋ໞບຌດູ່຿ປຄຽຖືໃບງ຾ນ່ຄໜຶໃຄ ຾ຓ່ຌຓີກາຌ຅ັຈ຾຅ຄຎ຺ກະຉິ ຈໟທງ຃ໞາຏັຌຎ່ຼຌ ຓາຈຉະ ຊາຌ 25.1 ຽຓບືໃ ຽຖືບກຽບ຺າແຓ຋້ ໞບຌບບກຓາ 10 ຋ໞບຌ ຽຆິຄໃ ຓີໜໟາຉໟາຄຈໃຄັ ຌ:ໄີ 102, 97, 101, 103, 101 98, 99, 104, 103, 98 ຅ໃ຺ຄຎະຽຓຌີ (ຆບກນານທາໞ ຄ຋ີໃກທຓ) ໜໟາຉໟາຄຘະຽຖ່ງຂບຄແຓ້຋ໞບຌ຋ີໃທັຈ຾຋ກ຅າກ຿ປຄຽຖືໃບງ຾ນ່ຄຌໄີ ຈໟທງຖະຈຍັ ຃ທາຓຽຆໃືບໝຌໄັ 95%. 93

ທ຋ິ ີ຾ກ້: ໜໟາຉາໟ ຄຘະຽຖງ່ ຂບຄແຓ຋້ ໞບຌ຋ໃີຽຖບື ກຓາ຾ຓ່ຌ: X1 10 Xi  1  X1  X2  X3  ...  X10 10 i 1 10  102  97 101 ...  98  1006  100.6 10 10  X  100.6 (຅າກຉາຉະຖາຄ)  =1-0.95 = 0.05  Z / 2  Z0.025  1.96 ຈັໃຄຌຌໄັ , ຅າກຘູຈ (5.3.1) ຾ຓ່ຌຽປາ຺ ແຈ:້ 100.6 1.96 25.1    100.6 1.96 25.1 10 10 85    116.2 ໝາງ຃ທາຓທາໞ ໜໟາຉໟາຄຘະຽຖ່ງຂບຄແຓ້຋ບໞ ຌດ຿ູ່ ປຄຽຖໃືບງ຾ນ່ຄຌີໄ ຾ຓຌ່ ດ່ຖູ ະນທາໞ ຄ 85 ຾ຖະ 116.2 ຆຶໃຄຂ໣ໄຓູຌ ຌໄີຽຆືບໃ ຊືແຈຈ້ ໟທງຖະຈັຍ຃ທາຓຽຆໃືບໝັຌໄ 95%. # ຊໟາຍ໣ປໃ ູ຃້ ໞາຏຌັ ຎຼ່ ຌຂບຄຎະຆາກບຌ ຾ຖະ ຂະໜາຈຂບຄຉ຺ທ຾຋ຌ ໜໟບງກໞທາ 30 (n<30), ນທໞາຄ ຋ີຎໃ ະຽຓຌີ ຃າໞ ຘະຽຖ່ງຂບຄຎະຆາກບຌ ຈທໟ ງຖະຈັຍ຃ທາຓຽຆືໃບໝໄຌັ (1-α)100% ຾ຓຌ່ : X  t /2 (n 1) s    X  t /2 (n 1) s (5.3.2) n n ຉທ຺ ດ່າຄ 2. ຅າກຉ຺ທດ່າຄ 1 ຘ຺ຓຓຸຈທໞາຍ໣ໃປູ້ ຃ໞາຏັຌຎ່ຼຌຓາຈຉະຊາຌ຅຺ໃຄຎະຽຓີຌ຃ໞາຘະຽຖ່ງຂບຄ ທ຋ິ ຾ີ ກ:້ ຎະຆາກບຌ (ຆບກນທາໞ ຄ຋ກໃີ ທຓ) ຈທໟ ງຖະຈຍັ ຃ທາຓຽຆືໃບໝຌັໄ 95%. ຅າກຉທ຺ ດ່າຄ 1 ຽປ຺າຓີ : n=10 ; X 100.6 ຾ຖະ 1n 1 [102 100.62  97 100.62  101100.62  ...  98 100.62 ] n 1 i1  s  2 9 Xi  X  0.245  s  0.245 α =1-0.95 = 0.05  t /2 (n 1)  t0.025(9)  2.262 ຅າກຉາຉະຖາຄ ຈໃຄັ ຌັໄຌ, ຅າກຘຈູ (2) ຽປ຺າ຅ະແຈ:້ 94

100.6  2.262 0.245    100.6  2.262 0.245 10 10 ໝາງ຃ທາຓທໞາ ໜໟາຉໟາຄຘະຽຖ່ງຂບຄແຓ້຋ໞບຌດູ່຿ປຄຽຖືໃບງ຾ນ່ຄຌີໄ ຾ຓ່ຌດູ່ຖະນທໞາຄ 98.85 ຾ຖະ 102.35 ຆຄໃຶ ຂ໣ໄຓຌູ ຌຽີໄ ຆືໃບຊືແຈ້ຈໟທງຖະຈັຍ຃ທາຓຽຆືບໃ ໝັຌໄ 95%. # ຽຓໃບື ຍ໣ປໃ ູ້຃າໞ ຏຌັ ຎຼ່ ຌຂບຄຎະຆາກບຌ ຾ຖະ ຂະໜາຈຂບຄຉ຺ທ຾຋ຌຍ໣ໃນຖຸຈ 30 (n 30) ນທໞາຄ຋ໃີ ຎະຽຓີຌ ຃າໞ ຘະຽຖ່ງຂບຄຎະຆາກບຌ ຈທໟ ງຖະຈັຍ຃ທາຓຽຆືໃບໝັຌໄ (1-α)100% ຾ຓ່ຌ: X  Z /2 s    X  Z /2 s (5.3.3) n n 5.3.2 ກາຌຎະຽຓຌີ ຃າໞ ຏຌັ ຎຼ່ ຌຂບຄຎະຆາກບຌ຾ຍຍນທາໞ ຄ (Estimation of the change in the population) ຽຑໃືບຎະຽຓຌີ ຃ໞາ຃ທາຓຏັຌຎ່ຼຌຂບຄຎະຆາກບຌ຾ຍຍນທາໞ ຄ ຈທໟ ງຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ (1-α)100% ຾ຓຌ່ ຽຑິຌໃ ຌ໣າເຆ້ຘູຈ: n 1s2  2  n 1s2 (5.3.4) x2 /2 n 1  x2 1 / 2 n 1 ຉ຺ທດ່າຄ 3. ຽຑຌໃິ ແຈ້ທັຈ຾຋ກຍ໣ຖິຓາຈແຓ້຋ບໞ ຌ 10 ຋ບໞ ຌຽຆໃຄິ ຾ຉຖ່ ະ຋ໞບຌ຾ຓ່ຌຓຍີ ຖ໣ ຓິ າຈຈັໃຄຌ:ໄີ 3.24 3.21 3.25 3.30 3.21 3.29 3.25 3.20 3.26 ຅຺ໃຄຎະຽຓີຌນທໞາຄ ຋ີໃກທຓ ຃ໞາ຃ທາຓຏັຌຎ່ຼຌຍ໣ຖິຓາຈແຓ້຋ໞບຌ ຈໟທງຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ 95%. ທິ຋ີ຾ກ້: ຌາ໣ ເຆ້ຘູຈ:   s2  1 n 2; n  10, n 1 i1 Xi  X X1 n Xi  1 3.24  3.21 3.25  ...  3.26  3.243 n i 1 10  X  3.243,  s2  1 3.24  3.242  3.21 3.242  3.25  3.242  ...  3.24  3.262  11.567 9  s2  11.567, ປທູ້ ໞາ: α =1-0.95=0.05 ຽປາ຺ ແຈ້: 95

x2 /2 ( )  x2 25(9)  19.023 (຅າກຉາຉະຖາຄ) 0.0 x12 / 2 ( )  x02.975(9)  2.700 ຈຄັໃ ຌັຌໄ , ຅າກຘູຈ (4) ຾ຓ່ຌຽປາ຺ ແຈ:້ 911.567   2  911.567 19.023 2.7 ໝາງ຃ທາຓທໞາ຃ໞາ຃ທາຓຏັຌຎ່ຼຌຂບຄຍ໣ຖິຓາຈແຓ້຾ຓ່ຌ ດູ່ຖະນທໞາຄ 5.472 ຾ຖະ 38.557 ຈໟທງ ຖະຈຍັ ຃ທາຓຽຆບໃື ໝັໄຌ 95%. 5.3.3 ກາຌຎະຽຓຌີ ບຈັ ຉາຘໞທຌຂບຄຎະຆາກບຌ຾ຍຍນທາໞ ຄ (Estimating the proportion of the population of the vacuum) ຽຑືໃບຎະຽຓີຌບັຈຉາຘໞທຌຂບຄຎະຆາກບຌ ຋ີໃຘັຌງາຖັກຈໟທງ p, ຈໟທງຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ (1- α)100%, ຾ຓ່ຌຌ໣າເຆ້ຘຈູ : pˆ  Z / 2 pˆ 1 pˆ   p  pˆ  Z / 2 pˆ1 pˆ  (5.3.5) n n ຽຆຄໃິ pˆ   ຾ຓ່ຌບຈັ ຉາຘໞທຌຂບຄຉທ຺ ຾຋ຌຂະໜາຈ n. n ຾ຖະ X ຾ຓຌ່ ຅໣າຌທຌຉທ຺ ຾຋ຌ຋ີໃຽກີຈຽນຈກາຌ຋ຽີໃ ປາ຺ ຘ຺ຌເ຅. ຉ຺ທດາ່ ຄ 4. ຽຓືໃບກທຈກາກາຌຎະກບຍຽບກະຘາຌຂບຄຍ໣ຖິຘັຈ຾ນ່ຄໜຶໃຄ຅໣າຌທຌ 144 ຾ນ່ຄ ຑ຺ຍທໞາ ຓີ ທິ຋ີ຾ກ້: ຍ໣ຖິຘັຈ຋ີຓໃ ຽີ ບກະຘາຌຍ຃ໃ໣ ຍ຺ ຊທໟ ຌ຅າ໣ ຌທຌ 54 ຾ນ່ຄ . ຅ໃ຺ຄຎະຽຓຌີ ບັຈຉາຘທໞ ຌຂບຄຍ໣ຖຘິ ັຈ຋ີຓໃ ຽີ ບກະຘາຌຍ໣ໃ຃຺ຍ ຈໟທງຖະຈຍັ ຃ທາຓຽຆບືໃ ໝັຌໄ 95%. ຅າກຍ຺ຈຽຖກຽປາ຺ ຓີ: N =144; x =54, (1-α).100% = 95%, pˆ    54  0.375, n 144   1 0.95  0.05    0.025, 2 ຅າກຉາຉະຖາຄປູ້ທໞາ Z0.025 = -1.96 ຾ຖະ ຅າກຘຈູ (5) ຅ະແຈ:້ 96

0.375 1.96 0.375 0.625  p  0.375 1.96 0.375 0.625 144 144 0.296  p  0.454 ໝາງ຃ທາຓທໞາບັຈຉາຘໞທຌຂບຄຖ຺ຈ຋ີໃຓີຽບກະຘາຌຍ໣ໃ຃຺ຍ ຾ຓ່ຌດູ່ຖະນທໞາຄ 0.296 ຾ຖະ 0.454 ຈໟທງຖະ ຈຍັ ຃ທາຓຽຆບືໃ ໝໄັຌ 95%. 5.4 ຂະໜາຈຂບຄຉທ຺ ຾຋ຌ (Sample size) ນທາໞ ຄ຋ຽໃີ ປາ຺ ແຈຎ້ ະຽຓີຌຏາໞ ຌຓາ ຾ຓ່ຌແຈ຃້ າ໣ ຌທຌເຌຽຄືໃບຌແຂ຋ີໃທໞາ ປູ້ຂະໜາຈຂບຄຉ຺ທ ຾຋ຌ, ຾ຉ່ຉ຺ທ ຅ຄິ ຽປ຺າ ຉໟບຄແຈ້ກ໣າຌ຺ຈຂະໜາຈຂບຄຉ຺ທ຾຋ຌ ຽຑືໃບເນ້ຏ຺ຌຂບຄກາຌຎະຽຓີຌ ຘບຈ຃ໞບຄກັຍຖະຈັຍ຃ທາຓຽຆືໃບ ໝໄັຌ຋ຽີໃ ປາ຺ ຉໟບຄກາຌ ຾ຖະ ຽຑືໃບເນຘ້ ບຈ຃ບໞ ຄກຍັ ຃ໞາຏຈິ ຈຼໞ ຄ e ຽຆຄິໃ ຽປ຺າຓີ: Â e 5.4.1 ຂະໜາຈຂບຄຉທ຺ ຾຋ຌຘາ໣ ຖຍັ ກາຌຎະຽຓຌີ ຃າໞ ຘະຽຖງ່ (Sample size for average estimate) ຽຓືໃບຽຖບື ກຉ຺ທ຾຋ຌຂະໜາຈ: n   Z /2 2 (5.4.1) e ຽຑືບໃ ຎະຽຓີຌ຃າໞ ຘະຽຖ່ງຂບຄຎະຆາກບຌຈໟທງຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ(1-)100% ຅ະຓີ຃ໞາຏິຈຈໞຼຄຍໃ໣ ຽກຌີ : e  Z /2  (5.4.2) n ຉທ຺ ດ່າຄ 5. ຽຓບໃື ຽຖບື ກຉທ຺ ຾຋ຌຂະໜາຈ 50 ຓາຎະຽຓີຌ຃ໞາຘະຽຖ່ງ ຈໟທງຖະຈັຍ຃ທາຓຽຆືໃບ ໝັໄຌ 95% ທ຋ິ ຾ີ ກ້: ແຈ້ນທໞາຄ຾ຓ່ຌ 23.5  2.88 ຽນັຌທໞານທໞາຄຌີໄກໟທາຄຽກີຌແຎ ຽຑືໃບເນ້ນທໞາຄຌີໄກທຓຽບ຺າ຃ໞາ ຘະຽຖງ່ ຾຃ຍຖ຺ຄ ຿ຈງເນຓ້ ີ຃າໞ ຏິຈຈໞຼຄຍໃຽ໣ ກຌີ 1. ຊາຓທາໞ ຉບໟ ຄເຆຂ້ ະໜາຈຉ຺ທ຾຋ຌຽ຋າໃ຺ ເຈ.? ປູທ້ າໞ :   1 0.95  0.05   0.025  Z 0.0 2 5  1.96 2 ຅າກຍ຺ຈຽຖກປທູ້ ໞາ: e  Z /2   2.88 n    2.88. 50  10.35. 1.96 ຈຄໃັ ຌຌໄັ , ຂະໜາຈຂບຄຉ຺ທ຾຋ຌ ຽຑໃບື ຽປຈັ ເນນ້ ທໞາຄ຋ກີໃ ທຓ຃ໞາຘະຽຖ່ງຌີໄ຾຃ຍຖ຺ຄ຿ຈງເນ້ຓີ຃ໞາຏິຈ ຈໞຼຄ ຍໃ໣ຽກີຌ1 ຾ຓ່ຌຌ໣າເຆຘ້ ູຈ (5.4.2) ຽປ຺າ຅ະແຈ້: n   Z / 2. 2   1.96 10.35 2  414.709  415 e  1   n  415. 97

5.4.2 ຂະໜາຈຂບຄຉ຺ທ຾຋ຌຘາ໣ ຖຍັ ກາຌຎະຽຓຌີ ບຈັ ຉາຘທໞ ຌ (Sample dimensions for the ratio estimation) ຈໟທງຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ (1-)100% ຂະໜາຈຂບຄຉ຺ທ຾຋ຌ ຋ີໃເຆ້ເຌກາຌຎະຽຓີຌ຃ໞາ ຂບຄ p ບຈັ ຉາຘທໞ ຌຂບຄຎະຆາກບຌ຾ຓຌ່ : n  pˆ 1 pˆ  Z /2 2 (5.4.3) e ຽຑໃບື ເນ້຃ໞາຏຈິ ຈໞຼຄຍໃຽ໣ ກຌີ : e  Z /2 pˆ 1 pˆ  (5.4.4) n ຽນຌັ ທໞາ: n  1  Z / 2 2 (5.4.5) 4 e  ຾ຓ່ຌຂະໜາຈຂບຄຉ຺ທ຾຋ຌ຋ີເໃ ນງຘໞ ຸຈຘ໣າຖັຍຎະຽຓີຌ p, ຽຆິໃຄ 1/4 ຾ຓຌ່ ຃ໞາເນງຘໞ ຈຸ ຂບຄ pˆ 1 pˆ  ຉດ຺ າ່ ຄ 6. ຏູ້ຏະຖິຈຘິຌ຃ໟາດີໃນ໣ໄໜຶໃຄດາກປູ້ບັຈຉາຘໞທຌຏູ້ຌ໣າເຆ້ຘິຌ຃ໟາຂບຄຉ຺ຌ ຊາຓທໞາຖາທຉໟບຄ ຽຖືບກ ຉ຺ທ຾຋ຌ ຂະໜາຈຽ຋຺ໃາເຈ ຅ິໃຄ຅ະແຈ້ຖະຈັຍ຃ທາຓຽຆືໃບ ໝັໄຌເຌກາຌຎະຽຓີຌ 95% ຾ຖະ ຃ໞາຏຈິ ຈຼໞ ຄຍ໣ໃຽກີຌ 0.08.? ທິ຋຾ີ ກ້: ຅າກຍ຺ຈຽຖກປູ້ທໞາ: e = 0.08;  = 0.05; ຅າກຉາຉະຖາຄຽປາ຺ ປູ້ທໞາ Z0.025=1.96. ຌ໣າເຆ້ຘຈູ (11) ຽປ຺າແຈ້: n  1  Z /2 2  1  1.96 2  600.25  150.06  150 4  e  4  0.08  4  n  150. 98

5.4.3 ກາຌ຃໣າຌທຌຂະໜາຈກຓຸ່ ຉ຺ທດ່າຄ (Calculating the sample size) ຘາ໣ ນັຍົ ຘຈູ ກາຌ຃າ໣ ຌທຌຂະໜາຈຂບຄກຸ່ຓຉ຺ທດາ່ ຄຓີນົາງທ຋ິ ຈີ ໃັຄຌ:ໄີ 1. ກາຌກ໣າຌ຺ຈຂະໜາຈຂບຄກ່ຓຸ ຉທ຺ ດ່າຄ຿ຈງເຆ້ຽກຌຘໞທຌປໟບງ ຽຎັຌທ຋ິ ີກາຌ຋ີໃຄາໞ ງທ຋ິ ໜີ ຄໃຶ ຿ຈງ ຋຅ໃີ ະຉໟບຄປູ້຅໣າຌທຌຎະຆາກບຌ຋ີຂໃ ໟບຌຂໟາຄ຾ຌ່ຌບຌກບໞ ຌ ຾ຖທ້ ຃າ໣ ຌທຌ຅າ໣ ຌທຌກຓຸ່ ຉ຺ທ ດ່າຄ ຅າກຽກຌຂາໟ ຄຖຸ່ຓຌີ:ໄ ຂະໜາຈຂບຄກຸຓ່ ຉ຺ທດາ່ ຄ (Sample size) ຽຎຌັ ຘິໃຄຘ໣າ຃ັຌ຋ຏໃີ ູ້ທແິ ຅ຉໟບຄກ໣າຌ຺ຈເນ້ຽໝາະຘ຺ຓ ຾ຖະ ຓີ຃ທາຓຽຎັຌ ຉທ຺ ຾຋ຌ຋ໃີຈຂີ ບຄຎະຆາກບຌຍບໞ ຌຽປັຈທຼກຘກຶ ຘາ ຽຑບໃື ຅ະຆໞທງເນ້ຏ຺ຌກາຌທິແ຅ຓີ຃ທາຓໜໟາ ຽຆໃບື ຊື ຈຄັໃ ຌຌໄັ ຅ຄໃຶ ຽກີຈ຃າ໣ ຊາຓທາໞ ຂະໜາຈຂບຄກຓຸ່ ຉທ຺ ດ່າຄຽ຋຺ໃາເຈ຅ຶໃຄ຅ະຽປັຈເນ້ຏ຺ຌກາຌທິແ຅ຓີ຃ທາຓຽຆືໃບ ຊແື ຈ້ ຆຄຶໃ ຃ທາຓ຅ຄິ ຾ຖທ້ ຍ໣ໃຓີກຈ຺ ຽກຌ຾ໜ້ຌບຌ ຉາງຉທ຺ ທໞາ຅ະຉໟບຄເຆຂ້ ະໜາຈກຸຓ່ ຉ຺ທດ່າຄ຅າ໣ ຌທຌຽ຋຺ໃາເຈ ແຈ້ ຓີຏຘູ້ ະຽໜີທ຋ິ ກີ າຌກາ໣ ຌຈ຺ ຂບຄຉ຺ທດ່າຄແທ້ນຖາງທິ຋ີຈໟທງກັຌ ຽຆັໃຌ: ກາຌກ໣າຌ຺ຈຽກຌຘໞທຌປໟບງຂບຄຎະຆາ ກບຌ, ກາຌເຆຉ້ າຉະຖາຄຘ໣າຽຖຈັ ປູຍ ນຖກື າຌເຆ້ຘຈູ ຃໣າຌທຌ ຆຶໃຄຏ້ທູ ິແ຅ຘາຓາຈ ຽຖືບກຉາຓ຃ທາຓຽໝາະຘ຺ຓ ກ່ຓຸ ຉ຺ທດາ່ ຄ (Sample groups) ໝາງຽຊິຄຍາຄຘທໞ ຌຂບຄຎະຆາກບຌ຋ຊໃີ ກື ຽຖືບກຓາ ຽຎັຌຉ຺ທ຾຋ຌ ຂບຄຎະຆາກບຌ ຍໞບຌ຋໣າກາຌຘຶກຘາ ກາຌເຆກ້ ຸຓ່ ຉ຺ທດ່າຄຂະໜາຈຌໟບງ຅ະຽປັຈເນ້ຓີ຿ບກາຈຽກີຈ຃ທາຓ຃າຈ ຽ຃ບໃື ຌນຖາງ ຾ຖະ ກາຌເຆ້ຂະໜາຈກຓຸ່ ຉ຺ທດາ່ ຄເນງໞ຅ະຓີ຿ບກາຈຽກີຈ຃ທາຓ຃າຈຽ຃ືໃບຌຌໟບງ ຽຌືໃບຄ຅າກ ຂະໜາຈກຓຸ່ ຉທ຺ ດາ່ ຄເນງໞເນ້ຂ໣ໄຓຌູ ຋຋ໃີ ຼໞ ຄກ຺ຄ ກາຌ຃ິຈແຖ່຋າຄຘະຊິຉຓິ ີ຃ທາຓຊກື ຉບໟ ຄນຖາງກທໞາກຸ່ຓຉ຺ທດ່າຄ ຂະໜາຈຌບໟ ງ ກຓຸ່ ຉ຺ທດາ່ ຄງໃຄິ ຓີຂະໜາຈເນງໞນຖາງຽ຋຺ໃາເຈ ຃ທາຓ຃າຈຽ຃ືໃບຌ຅າກກາຌຘຸ່ຓ຅ະຖຸຈຌໟບງຖ຺ຄ ຾ຉ່ຽຓໃືບຽຊຄິ ຅ຸຈໜຶໃຄ຾ຓຌ່ ຅ະຽຑຓໃີ ຂະໜາຈຂບຄກຸ່ຓຉທ຺ ດ່າຄເນເ້ ນງໞຂືໄຌບີກ຾ຉ່ ຃ທາຓ຃າຈຽ຃ືໃບຌກ໣ໃຖຸຈຖ຺ຄ ຍໃ໣ ນຖາງ (Kerlinger, 1972: 61 ບາໟ ຄເຌ ຑທຄຖຈັ ຋ະທີຖັຈ 2543:91) ຈັຄໃ ປູຍ຋ີ 32 ນຖາງ ຃ທາຓ຃າຈຽ຃ໃືບຌ ຌບໟ ງ ຅໣າຌທຌກ່ຓຸ ຉ຺ທດາ່ ຄ ນຖາງ ປູຍ຋:ີ 32 ຃ທາຓຘ໣າຑຌັ ຖະນທາໞ ຄ຃ທາຓ຃າຈຽ຃ບໃື ຌເຌກາຌຘຸ່ຓຉທ຺ ດ່າຄກັຍຂະໜາຈຂບຄກຸ່ຓຉ຺ທດາ່ ຄ ຾ນຖໞຄ຋ໃີຓາ: ຽ຃ີຖິຄຽ຅ີ(Kerlinger, 1972: 61 ບໟາຄເຌ ຑທຄຖຈັ ຋ະທຖີ ຈັ , 2543:91) 99

ກາຌກາ໣ ຌຈ຺ ຂະໜາຈຂບຄກຓຸ່ ຉ຺ທດາ່ ຄ ກາຌກ໣າຌ຺ຈຂະໜາຈຂບຄກ່ຓຸ ຉທ຺ ດ່າຄທາໞ ຃ທຌຓີຂະໜາຈຽ຋຺ໃາເຈຌັໄຌ ຏູ້ທິແ຅຃ທຌ຃໣າຌຶຄຽຊິຄຘິໃຄຉໞາຄໂ ນຖາງດາ່ ຄຓາຎະກບຍກັຌ (Librero, 1985 ບາໟ ຄເຌ ຋ຌິ ຌະທຈຸ ຽບກະກຸຌ, 2543) ຈັຄໃ ຌ:ີໄ 1) ຃າໞ ເຆ້຅າໞ ງ, ຽທຖາ, ຾ປຄຄາຌ ຾ຖະ ຽ຃ບໃື ຄຓື຋ີໃເຆ້ເຌກາຌຽກັຍຖທຍຖທຓຂ໣ໄຓູຌ຅າກກຸ່ຓຉ຺ທດ່າຄ ຌຌໄັ ທາໞ ຓີ ຑ຋໣ ຅ໃີ ະຽປັຈເນ້ແຈ້ ນຖື ຍ໣ໃ ຾ຖະ ກບຍ຃າໞ ຑຼຄເຈ 2) ຂະໜາຈຂບຄຎະຆາກບຌ ຊໟາຎະຆາກບຌຓີຂະໜາຈເນງໞ ຓີ຃ທາຓ຅໣າຽຎັຌຉໟບຄຽຖືບກກຸ່ຓຉ຺ທ ດາ່ ຄ, ຊາໟ ຎະຆາກບຌຓີຂະໜາຈຌບໟ ງ ຾ຖະ ຘາຓາຈ຋຅ໃີ ະຘຶກຘາແຈ຃້ ທຌ຅ະຘກຶ ຘາ຅າກຎະຆາກບຌ຋ຄັ ນຓ຺ ຈ 3) ຃ທາຓຽໝືບຌກັຌ ຊໟາຎະຆາກບຌຓີ຃ທາຓ຃ືກັຌນຖາງ຃ທາຓ຾ຉກຉໞາຄຂບຄຘະຓາຆິກຓີຌໟບງ ຌັໄຌ຃ື ຃ທາຓຎັໃຌຎ່ທຌເຌກຸ່ຓຉ຺ທດ່າຄຓີຌໟບງກ໣ໃເຆ້ກຸ່ຓຉ຺ທດ່າຄຂະໜາຈຌໟບງແຈ້ ຾ຉ່ຊໟາຎະຆາກບຌຓີ ຖັກຘະຌະຍ໣ໃຽໝືບຌກັຌ ຃ທາຓ຾ຉກຉໞາຄຂບຄຘະຓາຆກິ ຓີນຖາງ ຃ທາຓຎັໃຌຎທ່ ຌເຌກຸຓ່ ຓີນຖາງ ຅໣າຽຎັຌຉໟບຄ ເຆ້ກຸ່ຓຉ຺ທດາ່ ຄຂະໜາຈເນງໞ ຽຑບືໃ ເນ້຃ທຍ຃ຸຓ຃ຸຌຖັກຘະຌະຉາໞ ຄໂ ຂບຄຎະຆາກບຌ 4) ຃ທາຓ຾ຓຌ່ ງ໣າຆຈັ ຽ຅ຌ ຊາໟ ຉໟບຄກາຌ຃ທາຓ຾ຓຌ່ ງ໣າຆຈັ ຽ຅ຌເຌຽຖືໃບຄ຋ີໃ຅ະຘຶກຘາ຃຺ໄຌ຃ທໟາ ຉໟບຄ ເຆ້ກຓຸ່ ຉທ຺ ດາ່ ຄ ຂະໜາຈເນງໞ ຃ື ງຄິໃ ຂະໜາຈຂບຄກຸ່ຓຉທ຺ ດ່າຄເນງນໞ ຖາງຽ຋າໃ຺ ເຈ ຏ຺ຌກາຌຘຶກຘາງິໃຄຓີ຃ທາຓ ຾ຓ່ຌງາ໣ ນຖາງຂໄຌື ຽ຋຺າໃ ຌັໄຌ 5) ຃ທາຓ຃າຈຽ຃ືໃບຌ຅າກກາຌຘຓຸ່ ຉ຺ທດ່າຄ ຃ທາຓ຃າຈຽ຃ືໃບຌ຋ີໃງບຓເນ້ຽກີຈຂຶໄຌແຈ້຅າກກາຌຘຸ່ຓ ຉທ຺ ດາ່ ຄ ຿ຈງ຋ໃທ຺ ແຎ຾ຖ້ທ ຓກັ ຅ະງບຓເນຽ້ ກຈີ ຃ທາຓ຃າຈຽ຃ໃບື ຌແຈ້ 1% ນຖື 5% (ຘັຈຘໞທຌ 0.01 ນຖື 0.05) ຾ຖະ ງຄັ ຂໄຌຶ ດູ່ກຍັ ຃ທາຓຘາ໣ ຃ຌັ ຂບຄຽຖໃືບຄ຋ຉໃີ ບໟ ຄກາຌຘຶກຘາຈທໟ ງ, ຊໟາຍັຌນາຓີ຃ທາຓຘ໣າ຃ັຌນຖາງ ກ໣ໃ຃ທຌເນ້ຽກີຈ຃ທາຓ຃າຈຽ຃ືໃບຌຌໟບງ຋ີໃຘຸຈ ຽຆັໃຌ: 1% ຾ຉ່ຊໟາຓີ຃ທາຓຘ໣າ຃ັຌຌໟບງກ໣ໃບາຈງບຓເນ້ຽກີຈ ຃ທາຓ຃າຈຽ຃ືໃບຌແຈ້ ຽຆໃັຌ: 5% ຽຎຌັ ຉ຺ໄຌ. 6) ຃ທາຓຽຆໃບື ໝໄັຌ ຏທູ້ ແິ ຅ຉໟບຄກ໣າຌ຺ຈ຃ທາຓຽຆືໃບນຓັໄຌທໞາ ກຸ່ຓຉ຺ທດ່າຄ຋ີໃຘຸ່ຓຓາຌັໄຌຓີ຿ບກາຈແຈ້ ຃ໞາບໟາຄບິຄ ຍ໣ໃ຾ຉກຉໞາຄ຅າກ຃ໞາ຋ີໃ຾຋້຅ິຄຂບຄຎະຆາກບຌຎະຓາຌຽ຋຺ໃາເຈ ຽຆັໃຌ: ຊໟາກ໣າຌ຺ຈຖະຈັຍຽຆືໃບໝັໄຌ 95% ໝາງຊຄຶ ຃າໞ ບາໟ ຄບິຄຓີ ຿ບກາຈຊືກຉ໣ໄຄ 95% ຓີ຿ບກາຈຏິຈຑາຈ຅າກ຃ໞາ຋ີໃ຾຋້຅ິຄ 5% ຌັໄຌ຃ື຃ໞາ຋ີໃແຈ້ ຅າກກຸ່ຓຉທ຺ ດາ່ ຄ 95 ກ່ຓຸ ຅າກ 100 ກຸ່ຓ຋ຘໃີ ຸ່ຓຓາ຅າກຎະຆາກບຌຈຼທກັຌ຅ະຍ໣ໃ຾ຉກຉໞາຄ຅າກ຃ໞາ຋ີໃ຾຋້຅ິຄ ຂບຄຎະຆາກບຌ ຆຄໃຶ ຖະຈຍັ ຃ທາຓຽຆໃບື ຓໃັຌບາຈ຅ະຽຑຓໃີ ຂໄຌຶ ຽຎຌັ 99% ນຖືຖຈຸ ຖຄ຺ ຽນຖບື 90% ທ຋ິ ກີ າຌກາ໣ ຌຈ຺ ຂະໜາຈກຓຸ່ ຉທ຺ ດາ່ ຄ ທິ຋ກີ າຌກ໣າຌ຺ຈຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄຓີຌ໣າກັຌນຖາກນຖາງທິ຋ີ ເຌ຋ີໃຌີໄ຅ະຘະຽໜີກາຌກ໣າຌ຺ຈ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ຅າກກາຌກາ໣ ຌ຺ຈຽກຌ ກາຌເຆ້ຘຈູ ຃ຈິ ແຖ່ ຾ຖະ ກາຌເຆ້ຉາຉະຖາຄຘ໣າຽຖັຈປູຍ ຆຶໃຄ຾ຉ່ ຖະທິ຋ຘີ າຓາຈບະ຋ິຍາງແຈ້ ຉໃ໣ແຎຌີ:ໄ 1. ກາຌກ໣າຌ຺ຈຽກຌ ເຌກ໣ຖະຌີຌີໄ ຏູທແິ ຅ຉບໟ ຄປູ້຅໣າຌທຌຎະຆາກບຌ຋຾ໃີ ຌ່ຌບຌກໞບຌ຾ຖ້ທ ເຆ້ຽກຌ຿ຈງກ໣າຌ຺ຈ ຽຎັຌ ຘໞທຌປບໟ ງຂບຄຎະຆາກບຌເຌກາຌຑິ຅າຖະຌາຈໃັຄຌີ:ໄ (຋ຌິ ຌະທຸຈ ຽບກະກຸຌ, 2543) 100

ຎະຆາກບຌ ກຓຸ່ ຉທ຺ ດາ່ ຄ ນົກັ ປບໟ ງ 15-30 % ນກັົ ຑັຌ 10-15 % ນກັົ ໝືໃຌ 5-10 % ນກັົ ຾ຘຌ 1% ຉທ຺ ດາ່ ຄ. ຎະຆາກບຌ ກຓຸ່ ຉ຺ທດ່າຄ ກຸ່ຓຉທ຺ ດາ່ ຄ 100 15-30 % 15 -30 1000 10-15 % 100 -150 500 -1000 10000 5-10 % 100000 1% 1000 1. ກາຌເຆ້ຉາຉະຖາຄຘ໣າຽຖຈັ ປຍູ ກາຌກ໣າຌ຺ຈຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄຈໟທງຉາຉະຖາຄຘ໣າຽຖັຈປູຍ ຓີດູ່ນຖາງຎະຽຑຈ ຂຶໄຌດູ່ກັຍ ຃ທາຓຉໟບຄກາຌຂບຄຏູ້ທິແ຅, ຉາຉະຖາຄຘ໣າຽຖັຈປູຍ຋ີໃຌິງ຺ຓເຆ້ກັຌເຌຄາຌທິແ຅຾ຍຍຘ໣ານຖທຈ ແຈ້຾ກ່ ຉາຉະຖາຄຘ໣າຽຖັຈຂບຄ຋າ຿ຖ ດາຓາຽຌະ ຾ຖະ ຉາຉະຖາຄຘ໣າຽຖຈັ ປູຍຂບຄຽ຃ຈຆໃີ ຾ຖະ ຓ຾໣ ກຌ ຽຎັຌຉຌໄ຺ . - ຉາຉະຖາຄຘ໣າຽຖຈັ ຂບຄ຋າ຿ຖ ດາຓາຽຌະ ຉາຉະຖາຄຘ໣າຽຖັຈປູຍຂບຄ ຋າ຿ຖ ດາຓາຽຌະ (Yamane, 1973 ບໟາຄເຌ ຋ິຌຌະທຸຈ ຽບກະກຸຌ, 2543) ຽຎັຌ ຉາຉະຖາຄ຋ີໃເຆ້ນາຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄຽຑືໃບຎະຓາຌ຃ໞາຘັຈຘໞທຌຂບຄຎະຆາກບຌ ຿ຈງ ຃າຈທາໞ ຘຈັ ຘໞທຌຂບຄຖກັ ຘະຌະ຋ໃີ ຘຌ຺ ເ຅ເຌຎະຆາກບຌ ຽ຋຺ໃາກັຍ 0.5 ຾ຖະ ຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ 95% ຉັຄຉາຉະຖາຄ຋ີໃ 1 ທິ຋ີກາຌບໞາຌຉາຉະຖາຄຏູທິແ຅຅ະຉໟບຄປູ້ຂະໜາຈຂບຄຎະຆາກບຌ ຾ຖະ ກ໣າຌ຺ຈຖະຈັຍ ຃ທາຓ຃າຈຽ຃ບືໃ ຌ຋ໃງີ ບຓປຍັ ແຈ້ ຽຆໃັຌ: ຉໟບຄກາຌນາຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ ຅າກຎະຆາກບຌ຋ີໃຓີຂະໜາຈ ຽ຋຺ໃາກັຍ 2, 000 ຃຺ຌ, ຃ທາຓ຃າຈຽ຃ືໃບຌ ຋ີໃຏູ້ທິແ຅ງບຓປັຍແຈ້ຽ຋຺ໃາກັຍ 5% ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ ຋ີໃ ຉບໟ ຄກາຌ ຅ະຽ຋ໃາ຺ ກຍັ 333 ຃຺ຌ ຽຎຌັ ຉຌໄ຺ . 101

ຉາຉະຖາຄ຋ີ 25 : ຂະໜາຈຂບຄກຸ່ຓຉທ຺ ດາ່ ຄຂບຄ຋າ຿ຖ ດາຓາຽຌະ ຋ໃີຖະຈຍັ ຃ທາຓຽຆືໃບໝັໄຌ 95 % ຾ຖະ ຃ທາຓ຃າຈຽ຃ືບໃ ຌຉໞາຄໂ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດາ່ ຄ຋ໃີຖະຈັຍ຃ທາຓ຃າຈຽ຃ໃບື ຌ ຂະໜາຈ (e) ຎະຆາກບຌ ±1% ±2% ±3% ±4 ±5 ±10 * * * 500 %* % % 1, 000 22 83 1, 500 * * * 38 228 91 2, 000 * * 638 454 361 94 2, 500 * * 714 417 363 95 3, 000 * 1, 250 769 560 334 96 3, 500 * 1, 364 811 501 355 97 4, 000 * 1, 458 843 573 335 97 4, 500 * 1, 538 870 504 396 98 5, 000 * 1, 607 891 514 346 98 6, 000 * 1, 667 909 595 377 98 7, 000 * 1, 765 938 566 307 98 8, 000 * 1, 842 959 567 357 99 9, 000 * 1, 905 976 548 388 99 10, 000 * 1, 957 989 508 318 99 15, 000 5, 000 2, 000 1, 000 548 338 99 20, 000 6, 000 2, 143 1, 034 680 359 99 25, 000 6, 667 2, 222 1, 053 600 309 100 50, 000 7, 143 2, 273 1, 064 661 329 100 100, 000 8, 333 2, 381 1, 087 601 349 100 9, 091 2, 439 1, 099 672 379 100 00 10, 000 2, 500 1, 111 612 480 100 * ໝາງຊຄຶ ຂະໜາຈຉ຺ທດ່າຄຍໃ໣ຽໝາະຘຓ຺ ຋ໃີ຅ະ assume ເນ້ຽຎັຌກາຌກະ຅5າງ຾ຍຍ0ຎ຺ກະຉິ ຅ໃຶຄຍ໣ໃຘາຓາຈເຆ້ ຘຈູ ຃ິຈແຖ່ຂະໜາຈຂບຄກຓຸ່ ຉທ຺ ດ່າຄແຈ້ ຋ີໃຓາ: (Yamane, 1973 ບໟາຄເຌ ຅ກັ ກິຈ ຘ໣າຖາຌເ຅, 2544) - ຉາຉະຖາຄຘາ໣ ຽຖັຈປຍູ ຂບຄ Krejcie & Morgan, ຘ໣າຖັຍຉາຉະຖາຄຂບຄ Krejcie & Morgan, (Krejcie & Morgan, 1970 ບໟາຄເຌ ຋ິຌຌະທຸຈ ຽບກະກຸຌ, 2543) ຉາຉະຖາຄຌີໄເຆ່ເຌກາຌຎະຓາຌ຃ໞາຘັຈຘໞທຌຂບຄຎະຆາກບຌຽຆັໃຌຈຼທກັຌ ຾ຖະ ກ໣າຌຈ຺ ເນຘ້ ຈັ ຘໞທຌຂບຄຖັກຘະຌະ຋ີໃ ຘ຺ຌເ຅ເຌຎະຆາກບຌ ຽ຋຺ໃາກັຍ 0.5 ຖະຈັຍ຃ທາຓ຃າຈຽ຃ືໃບຌ຋ໃີ ງບຓປັຍແຈ້ 5% ຾ຖະ ຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ 95%, ຘາຓາຈ ຃ິຈແຖ່ນາຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄກັຍ ຎະຆາກບຌ຋ໃຓີ ີຂະໜາຈຌໟບງແຈ້ຉັໄຄ຾ຉ່ 10 ຂຶໄຌແຎຈັໃຄຉາຉະຖາຄ຋ີໃ2ທິ຋ີກາຌບໞາຌຉາຉະຖາຄ ຏູ້ທິແ຅ຉໟບຄປູ້ ຂະໜາຈຂບຄຎະຆາກບຌ ຽຆັໃຌ: ຊາໟ ຎະຆາກບຌຓີຂະໜາຈຽ຋າ຺ໃ ກັຍ 2,000 ຃຺ຌ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ ຋ໃີ ຉໟບຄກາຌ຅ະຽ຋ໃາ຺ ກັຍ 322 ຃ຌ຺ ຽຎຌັ ຉຌ຺ໄ . 102

ຉາຉະຖາຄ຋ີ 26 : ກາຌຎະຓາຌ຃ໞາຘຈັ ຘທໞ ຌຂບຄຎະຆາກບຌ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຂະໜາຈ ຎະຆາກບຌ ຉທ຺ ດາ່ ຄ ຎະຆາກບຌ ຉທ຺ ດາ່ ຄ ຎະຆາກບຌ ຉທ຺ ດາ່ ຄ ຎະຆາກບຌ ຉທ຺ ດາ່ ຄ ຎະຆາກບຌ ຉທ຺ ດາ່ ຄ 10 10 100 80 280 162 800 260 2, 800 338 15 14 110 86 290 165 850 265 3, 000 341 20 19 120 92 300 169 346 25 24 130 97 320 175 900 269 3, 500 351 30 28 140 103 340 181 354 35 32 150 108 360 186 950 274 4, 000 357 40 36 160 113 380 191 361 45 40 170 118 400 196 1, 000 278 4, 500 364 50 44 180 123 420 201 367 55 48 190 127 440 205 1, 100 285 5, 000 368 52 200 132 460 210 370 60 56 210 136 480 214 1, 200 291 6, 000 375 65 59 220 140 500 217 377 70 63 230 144 550 226 1, 300 297 7, 000 379 75 240 148 600 234 380 66 250 152 650 242 1, 400 302 8, 000 381 80 70 260 155 700 248 382 85 73 270 159 750 254 1, 500 306 9, 000 384 90 76 95 1, 600 310 10, 000 1, 700 313 15, 000 1, 800 317 20, 000 1, 900 320 30, 000 2, 000 322 40, 000 2, 200 327 50, 000 2, 400 331 75, 000 2, 600 335 100, 000 (຋ຓໃີ າ: Robert V. Krejcie and Earyle ຑ. Morgan. 1970 ບາໟ ຄເຌ ຋ິຌຌະທຈຸ ຽບກະກຌຸ , 2543) . ກາຌເຆຘ້ ຈູ ຃າ໣ ຌທຌ ຾ຓ່ຌກາຌເຆ້ຉາຉະຖາຄກ໣າຌ຺ຈຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ຅ະຄໞາງ ຾ຖະ ຘະຈທກກັຍຏູ້ທິແ຅ ຾ຉ່ ຍາຄຽ຋ືໃບຏູ້ທິແ຅ບາຈ຅໣າຽຎັຌ຋ີໃ຅ະຉໟບຄ຃ິຈແຖ່ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ຋ີໃຂະໜາຈຎະຆາກບຌ ນຖື ຖະຈັຍ ຃ທາຓຽຆບືໃ ຓັໃຌບືໃຌໂ຋ໃ຾ີ ຉກຉໞາຄບບກແຎ ຅າກຉາຉະຖາຄ ຏູທິແ຅຅໣າ ຽຎັຌຉໟບຄກາຌກາຌ຃ິຈແຖ່ຂະໜາຈຂບຄ ກຸຓ່ ຉທ຺ ດ່າຄ຅າກຘູຈ຃໣າຌທຌ ຆຶໃຄຘູຈ຃ິຈແຖ່ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ ຓີນຖາກນຖາງທິ຋ີ ຍ໣ໃທໞາ຅ະ ຽຎັຌຘູຈ ຂບຄ຋າ຿ຖ ດາຓາຽຌະ (Yamane, 1973) ຾ຖະ ຘູຈຂບຄຽ຃ຆີໃ຾ຖະ ຓ໣຾ກຌ (Krejcie & Morgan, 1970) ຋ຄັ ຘບຄຘູຈຌີໄ຅໣າ ຽຎັຌຉໟບຄປູ້ຂະໜາຈຂບຄຎະຆາກບຌ ຾ຉ່ຊໟາຍ໣ໃປູ້ຂະໜາຈ ຂບຄຎະຆາກບຌກ໣ໃບາຈ ເຆ້ຘຈູ ຂບຄ຃຾໣ ຃ຌ (Cochran, 1977) ຖາງຖະບຼຈຓີຈໃັຄຌີໄ: 103

5.5 ກຖ໣ ະຌປີ ູ້ຂະໜາຈຂບຄຎະຆາກບຌ 1. ຘູຈຂບຄ ຋າ຿ຖ ດາຓາຽຌະ (Yamane, 1973 ບາໟ ຄເຌ ຋ຌິ ຌະທຈຸ ຽບກະກຌຸ , 2543) n = ຂະໜາຈຂບຄກຸຓ່ ຉທ຺ ດາ່ ຄ຋ໃີຉໟບຄກາຌ N = ຂະໜາຈຂບຄຎະຆາກບຌ e = ຃ທາຓ຃າຈຽ຃ໃືບຌຂບຄກາຌຘຓຸ່ ຉທ຺ ດ່າຄ຋ງໃີ ບຓປັຍແຈ້ ຉ຺ທດາ່ ຄ: ທ຋ິ ກີ າຌ຃ິຈແຖ່ຘູຈຌີໄຏທູ ແິ ຅ຉໟບຄປູ້ຂະໜາຈຂບຄຎະຆາກບຌ຋ໃີຉບໟ ຄກາຌຘຶກຘາ (N) ຾ຖະ ກ໣າຌ຺ຈ ຖະຈັຍ຃ທາຓ຃າຈຽ຃ືໃບຌ຋ີໃຂບຄກາຌຘຸ່ຓຉ຺ທດ່າຄ຋ີໃງບຓປັຍແຈ້ (e) ຽຆັໃຌ: ຊໟາ ຎະຆາກບຌ຋ີໃເຆ່ເຌກາຌທິແ຅ຓີ຅໣າຌທຌ 2,000 ນຌໞທງ ງບຓປັຍເນ້ຽກີຈ຃ທາຓ຃າຈ ຽ຃ໃືບຌ຅າກຉ຺ທດ່າຄ ແຈ້ 5% ຂະໜາຈຂບຄກຓຸ່ ຉ຺ທດ່າຄ຋ຉໃີ ບໟ ຄກາຌຽ຋າໃ຺ ກຍັ n = 333 ນຌທໞ ງ 2. ຘຈູ ຂບຄຽ຃ຆໃີ ຾ຖະ ຓ຾໣ ກຌ (Krejcie and Morgan) ຘູຈຂບຄຽ຃ຆີໃ ຾ຖະ ຓ໣຾ກຌ (Krejcie and Morgan, 1970 ບໟາຄເຌ ຋ິຌຌະທຸຈ ຽບກະກຸຌ ,2543) ຓີຈໃັຄຌີໄ: n = ຂະໜາຈຂບຄກ່ຓຸ ຉ຺ທດ່າຄ N = ຂະໜາຈຂບຄຎະຆາກບຌ e = ຖະຈັຍ຃ທາຓ຃າຈຽ຃ບໃື ຌຂບຄກາຌຘຸ່ຓຉ຺ທດາ່ ຄ຋ງໃີ ບຓປຍັ ແຈ້ 2 = ຃າໞ ແ຃ຘະ຾຃ທຖ໢຋ໃີ df ຽ຋຺າໃ ກຍັ 1 ຾ຖະ ຖະຈຍັ ຃ທາຓຽຆບໃື ໝຌໄັ 95% (2 =3.841) P = ຘຈັ ຘໞທຌຂບຄຖັກຘະຌະ຋ໃຘີ ຌ຺ ເ຅ເຌຎະຆາກບຌ (ຊາໟ ຍໃ໣ປູ້ເນກ້ າ໣ ນຌ຺ ຈ P = 0.5) 104

ຉທ຺ ດ່າຄ: ທ຋ິ ີກາຌ຃ິຈແຖ່ຏທູ ແິ ຅ຉບໟ ຄປູ້ຂະໜາຈຎະຆາກບຌ ຾ຖະ ຘັຈຘທໞ ຌຂບຄຖັກຘະຌະ຋ີໃຘ຺ຌເ຅ເຌ ຎະຆາ ກບຌ ຾ຖະ ກ໣າຌ຺ຈຖະຈັຍ຃ທາຓ຃າຈຽ຃ືໃບຌ ຾ຖະ ຖະຈັຍ຃ທາຓຽຆືໃບຓັໃຌຈໟທງ ຽຆັໃຌ: ຊໟາ ຎະຆາກບຌ຋ເໃີ ຆ່ເຌກາຌທແິ ຅ຓີ ຅າ໣ ຌທຌ 2, 000 ນຌໞທງ ງບຓປັຍເນ້ຽກີຈ຃ທາຓ຃າຈຽ຃ືໃບຌຂບຄ ກາຌຘຸຓ່ ຉທ຺ ດ່າຄ ແຈ້ 5% ຋ໃຖີ ະຈັຍ຃ທາຓຽຆບໃື ໝັໄຌ 95% ຾ຖະ ຘັຈຘໞທຌຂບຄຖັກຘະຌະ຋ີໃຘ຺ຌເ຅ ເຌຎະຆາກບຌຽ຋ໃ຺າກຍັ 0.5 ຂະໜາຈຂບຄກຸຓ່ ຉ຺ທດາ່ ຄ຋ໃີຉບໟ ຄກາຌຽ຋າໃ຺ ກັຍ n=322 ນຌທໞ ງ 3. ຘູຈບໃືຌໂ 1) ຽຓບໃື ຉບໟ ຄກາຌຎະຓາຌຘັຈຘໞທຌຂບຄຎະຆາກບຌ ກາຌກາ໣ ຌຈ຺ ຂະໜາຈຂບຄກຓຸ່ ຉ຺ທດາ່ ຄ຅ະເຆຘ່ ຈູ n = ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດາ່ ຄ N = ຂະໜາຈຂບຄຎະຆາກບຌ e = ຖະຈຍັ ຃ທາຓ຃າຈຽ຃ບໃື ຌຂບຄກາຌຘ່ຓຸ ຉທ຺ ດາ່ ຄ຋ງໃີ ບຓປຍັ ແຈ້ Z = ຃າໞ Z ຋ໃຖີ ະຈັຍ຃ທາຓຽຆືໃບຓໃັຌນຖືຖະຈັຍແຌຘ໣າ຃ັຌ -ຊາໟ ຖະຈຍັ ຃ທາຓຽຆືໃບໝຌໄັ 95% ນຖືຖະຈຍັ ແຌຘ໣າ຃ັຌ 0.05 ຓ຃ີ າໞ Z = 1.96 -ຊາໟ ຖະຈຍັ ຃ທາຓຽຆືໃບໝັໄຌ 99% ນຖືຖະຈັຍແຌຘາ໣ ຃ັຌ 0.01 ຓ຃ີ ໞາ Z = 2.58 P = ຘັຈຘໞທຌຂບຄຖກັ ຘະຌະ຋ໃຘີ ຌ຺ ເ຅ເຌຎະຆາກບຌ (ຊາໟ ຍໃ໣ປູ້ເນກ້ ໣ານ຺ຌຈ P = 0.5) ຉ຺ທດ່າຄ: ກາຌ຃໣າຌທຌ ຽຆັໃຌ: ຊໟາຎະຆາກບຌ຋ີໃເຆ່ເຌກາຌທິແ຅ຓີ຅໣າຌທຌ 2, 000 ນຌໞທງ ງບຓປັຍເນ້ ຽກີຈ຃ທາຓ຃າຈຽ຃ືໃບຌ຅າກຉ຺ທດ່າຄແຈ້ 5% ຋ີໃຖະຈັຍ຃ທາຓຽຆືໃບໝັໄຌ 95% ຾ຖະ ຘັຈຘໞທຌຂບຄ ຖກັ ຘະຌະ຋ໃຘີ ຺ຌເ຅ເຌຎະຆາກບຌຽ຋າ຺ໃ ກັຍ 0.5 ຂະໜາຈຂບຄກ່ຓຸ ຉ຺ທດ່າຄ຋ຉໃີ ບໟ ຄກາຌຽ຋຺ໃາກັຍ 105

n = 322.2603 2) ຽຓືໃບຉໟບຄກາຌຎະຓາຌ຃າໞ ຘະຽຖ່ງຂບຄຎະຆາກບຌ ກາຌກ໣າຌ຺ຈຂະໜາຈຂບຄກຸ່ຓຉ຺ທ ດ່າຄ຅ະເຆ່ຘູຈ n = ຂະໜາຈຂບຄກຓຸ່ ຉທ຺ ດ່າຄ຋ໃີຉບໟ ຄກາຌ N = ຂະໜາຈຂບຄຎະຆາກບຌ  = ຃ໞາຘທໞ ຌຍໞຼຄຽຍຌຓາຈຉະຊາຌຂບຄຎະຆາກບຌ (ຘາຓາຈນາແຈ້຅າກຄາຌທິແ຅ ຋ໃຏີ າໞ ຌຓາ) E = ຖະຈັຍ຃ທາຓ຃າຈຽ຃ໃບື ຌຂບຄກາຌຘຸ່ຓຉ຺ທດາ່ ຄ຋ງໃີ ບຓປຍັ ແຈ້ (ກຖ໣ ະຌີຍໃ໣ປູ້ ຃ໞາ  ຘາຓາຈກາ໣ ຌ຺ຈ຃ໞາ e ຽຎຌັ ຽຎີຽຆຌັ ຂບຄ ຽຆໃັຌ: 8% ຂບຄ (e =0.08) ນຖື 10% ຂບຄ (e =0.10 )) Z = ຃ໞາ Z ຋ຖໃີ ະຈຍັ ຃ທາຓຽຆບໃື ຓັໃຌນຖືຖະຈຍັ ແຌຘ໣າ຃ັຌ - ຊາໟ ຖະຈຍັ ຃ທາຓຽຆືໃບໝັຌໄ 95% ນຖືຖະຈຍັ ແຌຘ໣າ຃ັຌ 0.05 ຓ຃ີ າໞ Z = 1.96 - ຊາໟ ຖະຈັຍ຃ທາຓຽຆບໃື ໝໄັຌ 99% ນຖືຖະຈຍັ ແຌຘ໣າ຃ັຌ 0.01 ຓ຃ີ າໞ Z = 2.58 ຉທ຺ ດາ່ ຄ: ຃໣າຌທຌ ຽຆຌໃັ : ຂະໜາຈຎະຆາກບຌ 400 ນຌໞທງ ຉໟບຄກາຌຘຶກຘາ຃ະ຾ຌຌທິຆາກຌິຈຘາຈ ຋ີໃຖະ ຈັຍ຃ທາຓຽຆບໃື ໝັໄຌ 95% ຃ທາຓ຃າຈຽ຃ືໃບຌ຋ີໃງບຓເນ້ຽກີຈຂືໄຌແຈ້ ±5 ຃ະ຾ຌຌ ຅າກຄາຌທິແ຅຋ໃີ ຏາໞ ຌຓາ຃ໞາຘະຽຖ່ງ ຽ຋຺ໃາກັຍ 70 ຃ະ຾ຌຌ ຾ຖະ ຃ໞາຘໞທຌຍໞຼຄຽຍຌຓາຈຉະຊາຌຊາຌ ຽ຋຺ໃາກັຍ 15 ຃ະ຾ຌຌ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດາ່ ຄ຋ໃຉີ ບໟ ຄກາຌ຅ະຽ຋າໃ຺ ກັຍ n= 33 ນຌທໞ ງ 106

3) ຍປໃ໣ ູ້ຂະໜາຈຂບຄຎະຆາກບຌ 4. ຘູຈຂບຄ຃຾໣ ຃ຌ (Cochran, 1977 ບາໟ ຄເຌ ຋ຌິ ຌະທຈຸ ຽບກະກຸຌ, 2543) ເຆ້ເຌກຖ໣ ະຌີ຋ໃີ ຍ໣ໃ ປູ້ຂະໜາຈຂບຄຎະຆາກບຌ຋຾ໃີ ຌຌ່ ບຌ ຾ຉ່ປູ້ທໞາຓີ຅໣າຌທຌນຖາງ ຾ຖະ ຉບໟ ຄກາຌຎະຓາຌ຃າໞ ຘຈັ ຘໞທຌຂບຄຎະຆາກບຌ ຓີ 2 ກຖ໣ ະຌີ຃ື ກຖ໣ ະຌີປູ້຃າໞ ຘັຈຘໞທຌຂບຄຎະຆາກບຌຌາ໣ ເຆ້ຘູຈ: ຾ຖະ ກ໣ຖະຌີຍ໣ໃປູ້຃າໞ ຘັຈຘໞທຌຂບຄຎະຆາກບຌ ນຖື P = 0.5 ເຆ້ຘຈູ : n = ຂະໜາຈຂບຄກ່ຓຸ ຉ຺ທດ່າຄ຋ຉໃີ ໟບຄກາຌ P = ຘັຈຘທໞ ຌຂບຄຖກັ ຘະຌະ຋ໃຘີ ຌ຺ ເ຅ເຌຎະຆາກບຌ e = ຖະຈຍັ ຃ທາຓ຃າຈຽ຃ໃບື ຌຂບຄກາຌຘຸຓ່ ຉ຺ທດ່າຄ຋ງໃີ ບຓເນ້ຽກຈີ ຂຌືໄ ແຈ້ Z = ຃າໞ Z ຋ໃຖີ ະຈຍັ ຃ທາຓຽຆໃບື ຓໃັຌນຖືຖະຈັຍແຌຘ໣າ຃ຌັ - ຊາໟ ຖະຈຍັ ຃ທາຓຽຆືບໃ ໝັໄຌ 95% ນຖືຖະຈັຍແຌຘາ໣ ຃ຌັ 0.05 ຓ຃ີ ໞາ Z = 1.96 - ຊາໟ ຖະຈັຍ຃ທາຓຽຆໃບື ໝໄັຌ 99% ນຖືຖະຈັຍແຌຘາ໣ ຃ຌັ 0.01 ຓ຃ີ າໞ Z = 2.58 ຉທ຺ ດ່າຄ ກາຌ຃າ໣ ຌທຌ ຽຆັໃຌ: ຋ໃຖີ ະຈັຍ຃ທາຓຽຆືບໃ ໝັໄຌ 95% ຃ທາຓ຃າຈຽ຃ບືໃ ຌ຋ໃີງບຓເນ້ຽກີຈຂຶຌໄ ແຈ້ 5% ຾ຖະ ຘັຈຘທໞ ຌຂບຄຖັກຘະຌະ຋ໃຘີ ຌ຺ ເ຅ເຌຎະຆາກບຌ ຽ຋ໃ຺າກຍັ 0.5 ຂະໜາຈ ຂບຄຎະຆາກບຌ຋ໃຉີ ໟບຄກາຌຽ຋຺ໃາກັຍ n = 384 ນຌໞທງ 107

4. ຘຈູ ຂບຄ຃຾໣ ຃ຌ (Cochran, 1977 ບາໟ ຄເຌ ຋ຌິ ຌະທຈຸ ຽບກະກຌຸ , 2543) ຘຈູ ຌໄີເຆ້ກຖ໣ ະຌີ຋ໃຍີ ໣ໃປູ້ຂະໜາຈຂບຄຎະຆາກບຌ຋ໃີ຾ໜ້ຌບຌ ຾ຖະ ຉບໟ ຄກາຌຎະຓາຌ຃ໞາຘະຽຖ່ງຂບຄ ຎະຆາກຆາກບຌ ຓີຈຄໃັ ຌໄີ n = ຂະໜາຈຂບຄກຸຓ່ ຉ຺ທດ່າຄ຋ໃຉີ ບໟ ຄກາຌ  = ຃າໞ ຘທໞ ຌຍຼໞ ຄຽຍຌຓາຈຉະຊາຌຂບຄຉທ຺ ດາ່ ຄ e = ຃ທາຓ຃າຈຽ຃ືໃບຌຂບຄກາຌຘຸ່ຓຉ຺ທດ່າຄ຋ງໃີ ບຓເນຽ້ ກີຈຂຶໄຌແຈ້ (ກ໣ຖະຌີຍປໃ໣ ້຃ູ າໞ  ຘາຓາຈ ກ໣າຌຈ຺ ຃ໞາ e ຽຎັຌຽຎຽີ ຆັຌຂບຄ  ຽຆັຌໃ : 8 % ຂບຄ  (e =0.08) ນຖື 10 % ຂບຄ (e =0.10)) Z = ຃ໞາ Z ຋ໃຖີ ະຈັຍ຃ທາຓຽຆໃບື ນຓັໄຌນຖືຖະຈຍັ ແຌຘາ໣ ຃ຌັ - ຊາໟ ຖະຈັຍ຃ທາຓຽຆໃືບໝໄຌັ 95% ນຖືຖະຈັຍແຌຘ໣າ຃ຌັ 0.05 ຓ຃ີ ໞາ Z = 1.96 - ຊາໟ ຖະຈຍັ ຃ທາຓຽຆໃືບໝຌໄັ 99% ນຖືຖະຈຍັ ແຌຘາ໣ ຃ຌັ 0.01 ຓ຃ີ ໞາ Z = 2.58 - ຉ຺ທດາ່ ຄ: ກາຌ຃າ໣ ຌທຌ ຽຆຌັໃ ຉໟບຄກາຌຘກຶ ຘາ຃ະ຾ຌຌທິຆາ຃ະຌິຈຘາຈ ຋ໃີຖະຈັຍ຃ທາຓຽຆືໃບໝັຌໄ 95% ຃ທາຓ ຃າຈຽ຃ບໃື ຌ຋ໃງີ ບຓເນ້ຽກີຈຂຌໄື ແຈ້ ±5 ຃ະ຾ຌຌ ຅າກຄາຌທິແ຅຋ຏໃີ າໞ ຌຓາ຃າໞ ຘະຽຖ່ງຽ຋຺ໃາກຍັ 70 ຃ະ ຾ຌຌ ຾ຖະ ຃ໞາຘໞທຌຍຼໞ ຄຽຍຌຓາຈຉະຊາຌຊາຌ ຽ຋ໃາ຺ ກຍັ 15 ຃ະ຾ຌຌ ຂະໜາຈຂບຄກຓຸ່ ຉທ຺ ດ່າຄ຋ີ ຉໟບຄກາຌ ຅ະຽ຋຺ໃາກັຍ n= 35 ນຌໞທງ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄ ຽຎຌັ ຘິຄໃ ຘ໣າ຃ຌັ ຂບຄກາຌຘຶກຘາທິແ຅, ຏູ້ທິແ຅຅ະຉໟບຄແຈ້ຂະໜາຈຂບຄກຸ່ຓ ຉ຺ທດ່າຄ຋ໃຓີ ີ ຃ທາຓຽໝາະຘ຺ຓ ຽຎັຌຉ຺ທ຾຋ຌ຋ໃຈີ ຂີ ບຄຎະຆາກບຌເນ້ນຖາງ຋ີໃຘຸຈ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດ່າຄຓີ ທິ຋ກີ າຌນາແຈ້຋ຄັ ກາຌ ຎຼຍ຋ຼຍກຍັ ຽກຌຘໞທຌປໟບງຂບຄຎະຆາກບຌ, ກາຌເຆ້ຉາຉະຖາຄຘ໣າຽຖັຈປູຍ ຾ຖະ ກາຌເຆ້ຘູຈເຌກາຌ຃໣າຌທຌ ຏູ້ທິແ຅຅ະຽຖືບກເຆ້ທິ຋ີກາຌເຈຂືໄຌດູ່ກັຍ຃ທາຓຉໟບຄກາຌຂບຄຏູ້ທິແ຅ ຾ຖະ ຃ທາຓຽໝາະຘຓ຺ ຂບຄຄາຌທແິ ຅຾ຉຖ່ ະຽຖບືໃ ຄ 108

5.6 ກາຌຽຖບື ກຉທ຺ ດາ່ ຄ (Sampling) ກາຌຽຖືບກຉ຺ທດ່າຄ (Sampling) ຽຎັຌຂະຍທຌກາຌ຋ີໃຽຎັຌຖະຍ຺ຍເຌກາຌຽຖືບກໜໞທງຉ຺ທດ່າຄຓາ ຅າກຎະຆາກບຌ຋ີໃຽປ຺າຘ຺ຌເ຅ຘຶກຘາ ຊໟາຽຎັຌກາຌຘຶກຘາທິແ຅຾ຍຍຘ໣ານົທຈ ຅ະຽຎັຌກາຌຽຖືບກຍຸກ຃຺ຌຽຑືໃບ ຉບຍ຾ຍຍຘບຍຊາຓຊາໟ ຽຎັຌກາຌຘກຶ ຘາທິແ຅ຽບກະຘາຌ຅ະຽຎຌັ ກາຌຽຖບື ກຽບກະຘາຌ ນືົ ຽຌໄືບນາຓາທຽິ ຃າະ 5.6.1 ທ຋ິ ກີ າຌຽຖບື ກນຌທໞ ງຉ຺ທດາ່ ຄ (sample selection ) ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄຓີ຃ທາຓ຅໣າຽຎັຌຘ໣າຖັຍກາຌຘ໣ານຖທຈຈໟທງຉ຺ທດ່າຄ ຽຌືໃບຄ຅າກກາຌຽກັຍ ຖທຍຖທຓຂ໣ໄຓຌູ ຂບຄຎະຆາກບຌ຅າກ຋ກຸ ນຌໞທງບາຈຽປັຈເນ້ຽຘງຽທຖາ ຾ຖະ ຃ໞາເຆ້຅ໞາງຘູຄ ຈັໃຄຌັໄຌ ກາຌຘຶກ ຘາຘະຽຑາະຍາຄນຌໞທງຂບຄຎະຆາກບຌ຅ຶໃຄຽຎັຌ ຽຖືໃບຄ຋ີໃ ຌິງ຺ຓເຆ້ກັຌ ເຌຍ຺ຈຌີໄ຅ະກໞາທຽຊິຄ ທິ຋ີກາຌຽຖືບກ ນຌທໞ ງຉ຺ທດາ່ ຄຽຑືບເນແ້ ຈ້ຉທ຺ ຾຋ຌ຋ຈີໃ ຂີ ບຄຎະຆາກບຌ຋ຄັ ໝຈ຺ ຋ຘີໃ ຺ຌເ຅ຘຶກຘາ ຽຆິໃຄຉ຺ທດ່າຄ຋ີໃຈີ ຃ື ນຌໞທງຉ຺ທ ດາ່ ຄຍາຄນຌທໞ ງເຌຎະຆາກບຌ ຋ຊໃີ ກື ຽຖບື ກຓາຽຎຌັ ຉ຺ທ຾຋ຌຂບຄຎະຆາກບຌ຿ຈງທ຋ິ ີກາຌຘຸ່ຓແຈ້ເນ້ຂ໣ໄຽ຋ັຈ຅ິຄ ກຼທກັຍຎະຆາກບຌ ນຖື ເກ້຃ຼຄກັຍ຃ຸຌຖັກຘະຌະຂບຄຎະຆາກບຌແຈ້ຈີ຋ີໃຘຸຈ ຽຆິໃຄກາຌ຋ີໃ຅ະແຈ້ຓາຽຆິໃຄຉ຺ທ ດ່າຄ຋ີຽຎັຌຉ຺ທ຾຋ຌ຋ີໃຈີ ຂບຄຎະຆາກບຌຌັໄຌ ຂຶໄຌກັຍທິ຋ີກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ, ດ່າຄເຈກ໣ໃຉາຓກາຌຘ໣າ ນຖທຈຈໟທງຉທ຺ ດາ່ ຄງໞບຓຓີ຃ທາຓ຃າຈຽ຃ບື ຌຽກຈີ ຂຌໄຶ ຽຌບື ຄ຅າກກາຌຽຖບື ກນຌໞທງຉ຺ທດ່າຄຍາຄນຌໞທງຓາຽຎັຌ ຉ຺ທ຾຋ຌຂບຄຎະຆາກບຌ ຿ຈງຍ໣ໃແຈຽ້ ກຍັ ຖທຍຖທຓຂ໣ໄຓູຌ຅າກ຋ກຸ ນຌໞທງເຌຎະຆາກບຌ ຽຆິໃຄ຃ທາຓ຃າຈຽ຃ືໃບຌ ຈັໃຄກາໞ ທ ປຼກທໞາ ຃ທາຓ຃າຈຽ຃ບື ຌ຋ີໃຽກີຈ຅າກກາຌຘຸ່ຓຉ຺ທດ່າຄ (sampling error ) ຽຆຄິໃ ທຈັ ແຈ້຅າກ຃ທາຓຎັໃຌ ຎທ່ ຌ (variance ) ຂບຄຉ຺ທຎະຓາຌ຃ໞາ ຈັໃຄຌັໄຌ ຉ຺ທດ່າຄ຋ີໃ ຈີ຃ທຌຽຎັຌຉ຺ທດ່າຄຘຸ່ຓ (random sample) ຃ືຓີ ກາຌຽຖບື ກນຌທໞ ງຉທ຺ ດ່າຄຓາດາ່ ຄຘຸ່ຓ ຾ຖະ຃ທຌເຆ້຃ທາຓໜາໟ ຅ະຽຎຌັ ເຌກາຌຽຖືບກນຌທໞ ງຉ຺ທດ່າຄ ຽຑາະ຅ະຽປຈັ ເນ້ຍໃ໣ຽກີຈ຃ທາຓຽບຌບຼຄ຅າກກາຌຽຖບື ກນຌທໞ ງຉທ຺ ດາ່ ຄ (bias) ກາຌຽຖບື ກນຌໞທງຉ຺ທດາ່ ຄ ຾ຍ່ຄຽຎັຌ 2 ຎະຽຑຈເນງໞ ໂ ຃ື: 1) ກາຌຽຖບື ກນຌທໞ ງຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜາໟ ຅ະຽຎັຌ (probability sampling ) 2) ກາຌຽຖບື ກນຌທໞ ງຉ຺ທດາ່ ຄ຿ຈງຍໃ໣ເຆ້຃ທາຓໜໟາ຅ະຽຎັຌ (non-probability sampling ) 1. ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜໟາ຅ະຽຎັຌ (probability sampling ) ຽຎຌັ ກາຌຽຖບື ກນຌໞທງຉ຺ທດ່າຄ຅າກນຌໞທງ຋ຸກນຌໞທງເຌຎະຆາກບຌຈໟທງຽ຋ັກຌິກກາຌຘຸ່ຓຉ຺ທດ່າຄ ຉາຓຂະໜາຈຉ຺ທດ່າຄ ຋ໃກີ ໣າຌຈ຺ ແທ້ ຿ຈງນຌທໞ ງຉ຺ທດ່າຄ຾ຉ່ຖະນຌໞທງເຌຎະຆາກບຌຘາຓາຈ຃ິຈແຖ່ນາ຿ບກາຈ ນຖື ຃ທາຓໜາໟ ຅ະຽຎັຌ຋ໃີ ຅ະຊກື ຽຖືບກຓາຽຎັຌຉ຺ທ຾຋ຌເຌຉ຺ທດ່າຄແຈ້ ຽຆໃິຄກາຌຽຖບື ກນຌໞທງຉ຺ທດ່າຄຈໟທງທິ຋ີ ຌີ ຽຓືບຎະຓາຌ຃ໞາ຾ຖ້ທ຅ະຘາຓາຈຌ໣າຏ຺ຌ຋ີໃແຈ້ບໟາຄບິຄແຎງັຄຎະຆາກບຌ຋ີໃຉໟບຄກາຌຘຶກຘາແຈ້ ກາຌຽຖືບກ ນຌທໞ ງຉທ຺ ດາ່ ຄ຿ຈງເຆ້຃ທາຓໜາໟ ຅ະຽຎຌັ ຘາຓາຈ຾ຍຄ່ ບບກແຈ້ຽຎຌັ 2 ຎະຽຑຈ ຈຄັໃ ຌ:ີໄ ▪ ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜາໟ ຅ະຽຎຌັ ຽ຋າໃ຺ ກັຌ (equal probability sampling ) ▪ ກາຌຽຖືບກນຌໞທງຉ຺ທດາ່ ຄ຿ຈງເຆ້຃ທາຓໜາໟ ຅ະຽຎຌັ ຍ໣ໃຽ຋຺າໃ ກັຌ (unequal probability sampling ) 2. ກາຌຽຖືບກນຌທໞ ງຉທ຺ ດາ່ ຄ຿ຈງເຆ້຃ທາຓໜາໟ ຅ະຽຎຌັ ຽ຋຺າໃ ກຌັ (equal probability sampling ) ໝາງຽຊິຄ ກາຌຽຖືບກນຌທໞ ງຉ຺ທດ່າຄ຅໣າຌທຌ n ນຌໞທງ຅າກ຋ັຄໝ຺ຈ N ນຌໞທງເຌຎະຆາກບຌ ຿ຈງ ຿ບກາຈ ນຖື ຃ທາຓໜາໟ ຅ະຽຎັຌຂບຄ຾ຉຖ່ ະນຌໞທງ຋ີໃ ຊືກຽຖືບກຂຶໄຌຓາຽຎັຌຉ຺ທດ່າຄຘາຓາຈ຃ິຈແຖ່຃ໞາແຈ້ ຾ຖະ ຓີ຃າໞ ຽ຋າ຺ໃ ກັຌ຋ກຸ ນຌທໞ ງ ຿ຈງທ຋ິ ກີ າຌຽຖບື ກນຌທໞ ງຉ຺ທດາ່ ຄຘາຓາຈຽປຈັ ແຈ້ນຖາງທ຋ິ ີ ຈັໃຄຌໄ:ີ 109

1. ທິ຋ີກາຌຽຖບື ກນຌທໞ ງຉທ຺ ດ່າຄ຾ຍຍຄໞາງ (simple random sampling : SRS ) 1.1) ທິ຋ີກາຌ຅ັຍຘະນຖາກ ຽຎຌັ ທິ຋ີ຋ີໃຌິງ຺ຓເຆ້ຽຓືບຎະຆາກບຌຓີຂະໜາຈຍ໣ໃເນງໞນຖາງ ຈ໣າຽຌີຌ຿ຈງ ກາຌຂຼຌໝາງຽຖກຂບຄ ນຌໞທງຉ຺ທດ່າຄ຋ຄັ ໝ຺ຈຉາຓຍັຌຆຖີ າງຆໃື ຎະຆາກບຌ (ກບຍຉ຺ທດ່າຄ) ຖ຺ຄເຌກະຈາຈຽຑືບຽປັຈຽຎັຌຘະ ນຖາກ ຅າກຌຌໄັ ຅ໃຄຶ ຅ັຍຘະນຖາກ຋ຖໃີ ະຍໝຸ າງຽຖກເຌກະຈາຈຽ຋ືໃບຖະເຍ຾ຍຍຘຸ່ຓ ຅຺ຌ຃຺ຍຉາຓຂະໜ າຈຉທ຺ ດາ່ ຄ຋ໃີ ກ໣າຌ຺ຈ ຽຆໃຌັ :: ຎະຆາກບຌ຋ີໃ ຘ຺ຌເ຅ຘກຶ ຘາ ຃ື ຌກັ ຘຶກຘາ຅າ໣ ຌທຌ 100 ຖາງ. ກ໣າຌ຺ຈຂະ ໜາຈຉ຺ທດ່າຄ 20 ຖາງ ຈ໣າຽຌີຌກາຌ຿ຈງ 1. ເນ້ຖ໣າຈັຍ຋ີໃ ຾ກ່ນຌໞທງຉ຺ທດ່າຄ຋ຸກນຌໞທງເຌ ຎະຆາກບຌ 2. ຈ໣າຽຌີຌກາຌຽຖືບກຉ຺ທດ່າຄຈໟທງທິ຋ີກາຌຘຸ່ຓ຿ຈງຽປັຈຘະນຖາກ 100 ໝາງຽຖກ ຾ຖ້ທ຅ຍັ ຂໄຶຌຓາ 20ໝາງຽຖກ ຋ຄັ ຌີກໄ າຌຽຖືບກນຌທໞ ງຉທ຺ ດ່າຄຈທໟ ງທິ຋ີຌໄີຘາຓາຈຽປຈັ ແຈ້ 2 ຾ຍຍ ຃:ື ▪ ກາຌຽຖບື ກນຌໞທງຉ຺ທດາ່ ຄ຾ຍຍຍ໣ໃຓີກາຌ຾຋ຌ຋ີໃ /ເຘ່຃ືຌ (sampling without replacement) ຃ື ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄນຌໞທງໜຶຄນຌໞທງເຈ຅າກຎະຆາກບຌຂຶໄຌຓາ ຽຎັຌຉ຺ທດ່າຄ ຾ຖ້ທຍ໣ໃຌ໣າ ນຌໞທງຌັໄຌເຘ່ກັຍແຎເຌຎະຆາກບຌກໞບຌ ຋ີໃ຅ະຽຖືບກນຌໞທງຊັຈແຎ ຈັໃຄຌັໄຌ ນຌໞທງຉ຺ທດ່າຄ ນຌໞທງຌຌໄັ ໂ ຅ະຍ໣ໃຓີ຿ບກາຈຊກື ຽຖືບກຓາຽຎັຌຉ຺ທດ່າຄບີກ ນຖືບາຈ຅ະຽທ຺ໄາແຈ້ທໞາຽຎັຌກາຌຽຖືບກ ນຌທໞ ງຉທ຺ ດາ່ ຄ຅າກຎະຆາກບຌ຃ັໄຄຈຼທຑໟບຓໂ ກັຌ ຿ຈງເຌ຋າຄຎະຉິຍັຈ຅ະຌິງ຺ຓຽຖືບກຉ຺ທດ່າຄ ຾ຍຍຍໃ໣຾຋ຌ຋/ີໃ ເຘ່຃ຌື ຽຌບື ຄ຅າກກາຌຎະຉິຍັຈຄາຌ຅ິຄຌັໄຌ ກາຌຽກັຍຖທຍຖທຓຂ໣ໄຓູຌ຅າກນຌໞທງ ຉ຺ທດ່າຄຘບຄ຃ຄັໄ ຌັໄຌ຅ະຽຎັຌກາຌຖ຺ຍກທຌນຌໞທງຉ຺ທດ່າຄບີກ຋ັຄແຈ້ຂ໣ໄຓູຌ ນຌໞທງຉ຺ທດ່າຄຈຼທກັຌ ນຖາງກທາໞ ໜຶຄຆຸຈ. ▪ ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍເຘ່຃ືຌ (sampling with replacement ) ຃ື ກາຌຽຖືບກນຌໞທງ ຉ຺ທດ່າຄນຌໞທງໜຶຄນຌໞທງເຈ຅າກຎະຆາກບຌຂຶໄຌຓາຽຎັຌຉ຺ທດ່າຄ ຾ຖ້ທຌ໣ານຌໞທງຌັໄຌເຘ່຃ືຌກັຍ ແຎເຌຎະຆາກບຌກໞບຌ຋ີໃ ຅ະຽຖືບກນຌໞທງຊັຈແຎ ຈັໃຄຌັໄຌນຌໞທງຉ຺ທດ່າຄຌັໄຌ຅ະຓີ຿ບກາຈຊືກ ຽຖບື ກຓາຽຎັຌຉ຺ທດ່າຄບີກ ຽຆິໃຄເຌ຋າຄຎະຉິຍັຈຓັກຍ໣ໃຌິງ຺ຓຽຖືບກເຆ້ທິ຋ີຌີ ຽຌືໃບຄ຅າກນຌໞທງຉ຺ທ ດ່າຄນຌທໞ ງຌໄັຌ຅ະຊືກຘ໣າຑາຈ ນຖື ຽກັຍຖທຍຖທຓຂ໣ໄຓູຌນຖາງກທໞາໜຶຄ຃ັໄຄ ນຖື ກໞາທແຈ້ທໞາຍາຄ ນຌທໞ ງບາຈຊກື ຽຖືບກຆາ໣ ແຈ້ ກຼຓຘະນຖາກ ຃ຂື ຼຌ ນຖື ໝາງຽຖກ ປຍູ ຋ີ 33 : ກາຌຽຖບື ກນຌທໞ ງຉ຺ທດ່າຄ຾ຍຍເຘ່຃ຌື 110

1.2) ທິ຋ີກາຌເຆ້ຉາຖາຄຽຖກຘຓຸ່ ຓັກເຆ້ ຽຓືໃບ ຎະຆາກບຌ ໝີຂະໜາຈເນງໞ ຾ຖະຓີກບຍຉ຺ທດ່າຄ ຽຆິໃຄຘະຈທກກທໞາທິ຋ີ຅ັຍຘະນຖາກ ຽຑາະທ຋ິ ີ຅ັຍຘະນຖາກຉບໟ ຄຂຼຌຘະນຖາກ຋ກຸ ນຌທໞ ງ຋ີໃ ດູ່ເຌຎະຆາກບຌ ຾ຖະຽປັຈກາຌຽຖືບກຘະນຖາກຂຶໄຌ ຓາຽ຋ືໃບຖະເຍ຅຺ຌ຃ຍ຺ ຉາຓຂະໜາຈຉທ຺ ດາ່ ຄ຋ໃີ ກາ໣ ຌຈ຺ ຃:ື nນຌໞທງ ຿ຈງຉາຖາຄຽຖກຘຸ່ຓ ຽຎັຌຉາຖາຄ຋ີໃ ຌັກຘະ ຊຉິ ຅ິ ັຈຽປຈັ ຂຶຌໄ ເຌຉາຖາຄຎະກບຍຈທໟ ງຉທ຺ ຽຖກ຿ຈຈ 10 ຉ຺ທຓີ຃ໞາຉັໄຄ຾ຉ່ 0, 1, 2,?., 9 ທາຄຉ໣ໃ ໂ ກັຌ຾ຍຍຍ໣ໃ ຓີຖາ໣ ຈຍັ ນຖື ຍ໣ໃຽຎັຌຖະຍ຺ຍ ເຌກາຌຽຖືບກ຾ຉ່ຖະ຃ັໄຄຉ຺ທຽຖກ຾ຉ່ຖະຉ຺ທ຋ີໃ ຎາກ຺ຈເຌຉາຖາຄຽຖກຘຸ່ຓ຅ະຓີ຿ບ ກາຈ຋ໃີ ຅ະຊກື ຽຖບື ກຽ຋ໃ຺າໂ ກັຌ ຽຆຄິໃ ກາຌຽຖບື ກນຌທໞ ງຉທ຺ ດາ່ ຄ຿ຈງເຆ້ຉາຖາຄຽຖກຘຸ່ຓຌີໄຘາຓາຈເຆ້ທິ຋ີ຾ຍຍຍໃ໣ ຓີກາຌ຾຋ຌ຋ີໃ/ເຘ່຃ືຌ (sampling without replacement ) ນຖື ຾ຍຍເຘ່຃ືຌ ( sampling with replacement ) ກແໃ໣ ຈ້ ຉາຖາຄຽຖກຘຓຸ່ ຓີຏຘູ້ ໟາຄແທ້ດູ່ນຖາງຆຈຸ ຘ໣າ ນະນຖຍັ ຉາຖາຄຽຖກຘ່ຓຸ ຋ີ ຌິງ຺ຓເຆ້ຽຎັຌຉາ ຖາຄ Ten Thousand Randomly Assorted Digits (ຉ຺ທດາ່ ຄຉາຖາຄຽຖກຘຸ່ຓ ຽຍິໃຄແຈ້຅າກ ຽບກະຘາຌຆໟບຌ ຋າໟ ງ). ຅າກຉາຖາຄຽຖກຘຓຸ່ ເຌຽບກະຘາຌຆໟບຌ຋ໟາງ ກ. ຎະກບຍຈໟທງຉ຺ທຽຖກ 10, 000 ຉ຺ທ ຓີ຾ຊທຌບຌ (row) 100 ຾ຊທ ຃ື ຾ຊທ຋ີໃ 00-99 ຾ຖະ຾ຊທຉັໄຄ ນຖື ຊັຌ (column) 100 ຾ຊທ ຃ື ຊັຌ຋ີໃ 00-99 ຽຓືໃບຖທຓຉທ຺ ຽຖກ຾ຊທຌບຌ ຾ຖະ ຾ຊທຉັໄຄ຋ັຄໝ຺ຈ຅ະແຈ້ 10, 000 ຉ຺ທ ຅ຶໃຄປຼກຉາຖາຄຽຖກຘຸ່ຓ຾ຍຍຌີໄທໞາ ຉາຖາຄ Ten Thousand Randomly Assorted Digits ຽຆໃຄິ ຋າຄຈໟາຌຆໟາງ ຾ຖະ ນທ຺ ຉາຖາຄ຅ະຓີຉ຺ທຽຖກກ໣າ ກັຍຽຑບືໃ ຍບກຉ໣າ຾ໜ່ຄຂບຄ຾ຊທ ຾ຖະ ຊຌັ ເຌ຾ຉ່ຖະ຾ຊທ຅ະ຾ຍ່ຄຉ຺ທຽຖກຽຎັຌກຸ່ຓ ໂຖະ 5 ຉ຺ທ ເຌກາຌເຆ້ ຉາຖາຄຽຖກຘຸ່ຓຓີທ຋ິ ກີ າຌນຖາງ຾ຍຍ ຃ື ກາຌຘຸ່ຓ຾ຊທ (row ) ຾ຖະຊັຌ (column ) ຽຑືໃບກ໣ານ຺ຌຈຉ຺ທຽຖກ ຽຖີຓຉໄຌ຺ ຾ຖ້ທບາໞ ຌຽຖກ຅າກຆໟາງແຎຂທາ ນຖື ຅າກຂທາຓາຆາໟ ງ ນຖຖື ຼຄຂຶຌໄ ຖຄ຺ ເຌ຾ຌທຉໄຄັ ກໃແ໣ ຈ້ ກະກຼຓຘະນຖາກ ຃ື ຂຼຌຆື ນຖື ໝາງຽຖກ ທິ຋ີເຆ້ຉາຖາຄຽຖກຘຓຸ່ ຽປຈັ ແຈ້ຈັໃຄຌໄີ: 1) ເນໝ້ າງຽຖກ຾ກ່ນຌໞທງ຋ກຸ ນຌທໞ ງເຌຎະຆາກບຌ຅າກ 1 ຊຄຶ N 2) ຑິ຅າຖະຌາທາໞ N ຽຎຌັ ຽຖກ຅ັກນຖກັ ນາກ N ຽຎັຌຽຖກ 2 ນຖັກ ເນ້ບໞາຌຽຖກຘຸ່ຓຽ຋ືໃບຖະ 2 ຉ຺ທ ນຖື N ຽຎັຌຽຖກ 4 ນຖກັ ກເໃ໣ ນ້ບໞາຌຽຖກຘຸຓ່ ຽ຋ໃືບຖະ 4 ຉ຺ທ 3) ກ໣າຌຈ຺ ຽກຌກາຌເຆຉ້ າຖາຄຽຖກຘຸ່ຓ: ນາຉທ຺ ຽຖກຽຖີຓຉຌໄ຺ ກບໞ ຌ ຿ຈງກາຌຘຸຓ່ ຆຉີ ຺ທຽຖກເຌຉາຖາຄຽຖກຘຸ່ຓ 2 ນຖັກຓາ 2 ຅໣າຌທຌ ຽຑືບຽຎັຌ຾ຊທ (row ) ຽຖີຓຉ຺ໄຌ ຾ຖະຊັຌ ( column ) ຽຖີຓຉ຺ໄຌ ຽຓືໃບແຈ້ຉ຺ທຽຖກ ຽຖຓີ ຉໄ຺ຌ຾ຖທ້ ບໞາຌຽຖກ຅າກຆາໟ ງແຎຂທາ (ນຖື຅າກ ຂທາຓາຆາໟ ງ ນຖືຖຼຄຂຶໄຌຖ຺ຄເຌ຾ຌທຉັໄຄກ໣ໃແຈ້) ຽຓືໃບ຅຺ຍ ຾ຊທເນຂ້ ຌໄຶ ຾ຊທເໝຉ່ ໃ໣ແຎ ຉາຓຖາ໣ ຈັຍ 4) ບໞາຌຉ຺ທຽຖກ຅າກຉ໣າ຾ໜ່ຄຽຖີຓຉ຺ໄຌ຋ີໃຘຸ່ຓແຈ້຅າກຂ໣ໄ຋ີໃຏໞາຌຓາ ເນ້ຓີ຅໣າຌທຌນຖັກຽ຋຺ໃາກັຍ຅໣າຌທຌນຖັກ ຂບຄ N ນາກຉທ຺ ຽຖກ຋ໃີ ແຈ້ກຄ຺ ກຍັ ນຌໞທງເຈ ນຌໞທງຌັຌໄ ກໃ຅໣ ະຊກື ຽຖບື ກ ຽຎຌັ ຉ຺ທ຾຋ຌເຌຉ຺ທດ່າຄ ຊໟາຽຖກ ຋ໃີ ແຈ້ຽຎຌັ 0 ນຖື ຽກຌີ ຽຖກ຋ີໃຘຈຸ ຋າໟ ງເຌຎະຆາກບຌ (N ) ເນ້ຉັຈບບກ ນຖືຊໟາແຈ້ຽຖກຆ໣ໄາກັຌເຌກ໣ໃຖະຌີ ຋ີໃຽຎັຌກາຌຽຖືບກຉ຺ທດ່າຄ຾ຍຍຍ໣ໃ຾຋ຌ຋ີ ( sampling without replacement ) ກ໣ໃເນ້ຉັຈບບກ ຿ຈງຈາ໣ ຽຌີຌກາຌ຅ຌ຺ ຃ຍ຺ ຉາຓຂະໜາຈຉ຺ທດາ່ ຄ຋ີໃ ກາ໣ ນຌ຺ ຈ n. ຉທ຺ ດ່າຄ: ຉໟບຄກາຌຽຖບື ກ຃຺ທຽປບື ຌຉທ຺ ດ່າຄ຅໣າ ຌທຌ 7 ຃຺ທຽປືບຌ ຅າກ຃຺ທຽປືບຌ຋ັຄໝ຺ຈ 50 ຃຺ທຽປືບຌ ຿ຈງ ເຆຉ້ າຖາຄຽຖກຘຸ່ຓ ຘາຓາຈຈາ໣ ຽຌຌີ ກາຌຈຄໃັ ຌໄ:ີ 111

1) ເນໝ້ າງຽຖກ຾ກ່຃຺ທຽປືບຌຉຄໄັ ຾ຉ່ 01, 02, 03,…, 49, 50 2) ຘຓຸ່ ຆໄີຖຄ຺ ເຌຉາຖາຄຽຖກຘຸ່ຓ ຽຑືໃບຽນຖືບກ຾ຊທ ຾ຖະ ນຖັກຽຖີຓຉ຺ໄຌ ຘ໣າຖັຍຽຖີຓຉ຺ໄຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ ນຌໞທງ຋໣າບຈິ ຘ຺ຓຓຸຈທໞາຘຓຸ່ ແຈ້ 41180 ຽຖບື ກຽຖກຘບຄນຖັກຓາ 2 ຅໣າຌທຌ ຅ະແຈ້ 41 ກັຍ 18 ຌັໄຌ຃ື ຉທ຺ ຋໣າບຈິ ຽຖຓີ ຉຌ຺ໄ ຅ະດ຋ູ່ ີໃ຾ຊທຌບຌ (row ) ຋ີ 41 ຾ຖະຊັຌ (colum) ຋ີ 18 . ຉາຉະຖາຄ຋ີ 27: ຉາຉະຖາຄຽຖກຘ່ຓຸ 00-04 05-09 10-14 15-19 20-24 65905 70639 79365 00 54463 22662 18850 39226 42249 32414 2015 13858 01 15389 85205 11286 88218 58925 10651 67079 92511 02 35941 40756 87719 92294 46614 20652 35774 16249 03 61149 69440 10806 83091 91530 29981 85966 62300 04 05219 81619 66164 41180 10089 05 41417 99326 06 28357 94070 07 17783 00015 08 40950 84820 09 82995 64157 ຾ຊທຽຖໃີຓຉໄ຺ຌ 41 18 0 ຊຌັ ຽຖໃີຓຉຌໄ຺ 3) ບາໞ ຌຉ຺ທຽຖກ຅າກຉ໣າ຾ໜ່ຄຽຖີຓຉ຺ໄຌ຅າກຂ໣ໄ 2) ຿ຈງຽຖີຓຽ຋ືໃບຖະ 2 ນຖັກ ຽຌືໃບຄ຅າກ N ຓີ຃ໞາຽ຋຺ໃາກັຍ 50 ຽຆໃຄິ ຽຎຌັ ຽຖກຘບຄນຖັກ ຿ຈງບາໞ ຌຉ຺ທຽຖກແຎ຋າຄຂທາ 4 1 1 8 0 ຽຎຌັ ຾ຊທຽຖີຓຉໄ຺ຌ ຽຎຌັ ຊຌັ ຽຖີຓຉຌໄ຺ ຉາຉະຖາຄ຋ີ 28: ຉາຉະຖາຄບາໞ ຌ຃າໞ ຽຖກຘຸ່ຓ ຊຌັ ຋ີ 18 ຾ຊທ຋ີ 41 112

4) ບໞາຌຉ຺ທຽຖກຉ໣ໃແຎ຋າຄຂທາ ແຈ້ຽຖກຈຄໃັ ຌີໄ: 40, 64900, 42912, 13953, 79149, 18710, 68618 5) ຾ຍຄ່ ຉ຺ທຽຖກຽຎຌັ 2 ນຖັກ ແຈ້ຽຖກຈຄໃັ ຌໄ:ີ 40, 64, 90, 04, 29, 12, 13, 95, 37, 91, 49, 18, 71, 06, 86, 18 ເນຑ້ ຅ິ າຖະຌາຽຍໃິຄທໞາ ຉທ຺ ຽຖກເຌຂ໣ໄ 5 ຉທ຺ ຽຖກເຈຓີ຃າໞ ຽ຋າໃ຺ ກຍັ 00 ຾ຖະ ນຖາງກທໞາ 50 ເນ້ຉັຈຉ຺ທ ຽຖກຌຌໄັ ບບກ຃:ື 40, 64, 90, 04, 29, 12, 13, 95, 37, 91, 49, 18, 71, 06, 86, 18 ຈໃຄັ ຌັໄຌ ຅ະຽນຖບື ຉທ຺ ຽຖກ ຈຄໃັ ຌີ 40, 04, 29, 12, 13, 37, 49, 18 7) ຊາໟ ຉທ຺ ຽຖກ຋ໃີ ຘຸ່ຓຽຖບື ກຓາແຈ້ຓີ຃ໞາ຋ີໃ ຆໄ໣າກຌັ ເນຉ້ ຈັ ບບກແຎເຆ້ຑຼຄ຃ໞາຈຼທຽ຋າ຺ໃ ຌັໄຌ 8) ນາກເຆ້ຉາຖາຄຽຖກຘຸ່ຓ຅຺ຌໝ຺ຈ຾ຊທຌບຌ (row ) ຋ີໃຽຖືບກແທ້ ຾ຉ່ງັຄແຈ້ຉ຺ທດ່າຄ ຍ໣ໃ຃຺ຍຉາຓ຋ີໃ ຉໟບຄກາຌ ກເໃ໣ ນ້ຂຌໄຶ ຾ຊທເໝຉ່ ແໃ໣ ຎ 9) ຈັຄໃ ຌຌັໄ ໝາງຽຖກ຃ທ຺ ຽປບື ຌ຋ໃີຊກື ຽຖືບກ຋ີໃແຈ້຅າກຉາຖາຄຽຖກຘຓຸ່ ຅າ໣ ຌທຌ 7 ຃຺ທຽປືບຌຉ຺ທດ່າຄ ແຈ້຾ກ່ ຃຺ທ ຽປບື ຌຉທ຺ ດ່າຄ຋ໃີ 40, 04, 29, 12, 13, 37, 49 1.3) ທິ຋ີເຆ້຃ບຓຑິທຽຉີເຌກາຌຘຸຓ່ ທິ຋ີກາຌຌີໄເຆ້຃ບຓຑິທຽຉີຘໟາຄຽຖກຘຸ່ຓຂຶໄຌຓາຖະນະນທໞາຄ ໝາງຽຖກ 1 ຽຊຄິ N ຾ຖ້ທເຆ້຃າ໣ ຘຄັ ເນ້ຽຖືບກໝາງຽຖກຉາຓ຅໣າຌທຌ຋ໃີ ຉບໟ ຄກາຌ ຽຆຄໃິ ທິ຋ີກາຌຌີຽໄ ຎັຌກາຌຑັຈ຋ະຌາຓາ ຅າກກາຌ຅ັຍຘະນຖາກ ຾ຖະ ກາຌເຆ້ຉາຖາຄຽຖກຘຸ່ຓ ຽຑືໃບເນ້ຄໞາງ ຾ຖະ ຘະຈທກຉ໣ໃກາຌຌ໣າແຎເຆ້ ຽຆິໃຄ ທ຋ິ ີກາຌຌຽີໄ ໝາະກຍັ ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຋ີໃ ຂະໜາຈຉ຺ທດ່າຄຓີຂະໜາຈເນງໞ ກາຌເຆ້຃ບຓຑິທຽຉີ ຓາຆທໞ ງ຅ະຽໝາະຘ຺ຓກທາໞ ກາຌຽຖືບກຉທ຺ ດາ່ ຄ຾ຍຍຄາໞ ງຓີຂໄ໣ຈຂີ ຽໄ໣ ຘງ ຘະນຖຍຸ ແຈ້ຈັໃຄຌໄ:ີ ຂ໣ຈໄ ີ 1. ຄາໞ ງ ຘະຈທກຉ໣ໃກາຌຌາ໣ ແຎເຆ້ 2. ຍ໣ໃຉໟບຄກາຌຂ໣ໄຓູຌຘະໜັຍຘະໜູຌ (auxiliary ) ເຌກບຍຉ຺ທດ່າຄ ຿ຈງຉໟບຄກາຌຑຼຄ຾ຉ່ຂ໣ໄຓູຌ຃຺ຍ຋ຸກ ນຌໞທງເຌຎະຆາກບຌ ຑໟບຓ຋ີໃດ່຋ູ ຉີໃ ິຈຉ໣ໃຽຊິຄນຌທໞ ງຌໄັຌໂແຈ້ 3. ຍ຅ໃ໣ ໣າຽຎັຌຉບໟ ຄຓີກາຌຑັຈ຋ະຌາເຌຽຆີຄຽ຋ກັ ຌິກ຋ີໃຆຍັ ຆບໟ ຌ ຂໄ໣ຽຘງ 1. ຊາໟ ກບຍຉ຺ທດາ່ ຄຓີຂ໣ໄຓຌູ ຘະໜຍັ ຘະໜຌູ ບໃືຌໂ ກາຌເຆ້ກາຌຽຖືບກຉ຺ທດ່າຄ຾ຍຍຄໞາງ຅ະຓີຎະຘິຈ຋ິຑາຍຌໟບງ ກທໞາກາຌຽຖບື ກຉ຺ທດາ່ ຄຈທໟ ງທ຋ິ ບີ ືຌໃ 2. ຃າໞ ເຆ້຅າໞ ງຘູຄເຌກ໣ໃຖະຌີ຋ີໃເຆ້ຑະຌັກຄາຌແຎຘ໣າຑາຈ ຽຌືບຄ຅າກນຌໞທງຉ຺ທດ່າຄ຋ີໃຊືກຽຖືບກຂຶໄຌຓາຽຎັຌຉ຺ທ ດ່າຄບາຈກະ຅າງແຎ຋ກຸ ຑືຌ຋ໃີຉາຓຖັກຘະຌະຑູຓຎະຽ຋ຈ 3. ຽຎຌັ ແຎແຈ້຋ີໃ຅ະແຈ້ຉ຺ທ຾຋ຌ຋ີໃຍ໣ໃຈີ ຊໟາຆຸຈຉ຺ທດ່າຄ຋ີໃຽຖືບກແຈ້ຍ໣ໃກະ຅າງ ຾ຖະ ນຌໞທງຉ຺ທດ່າຄ຋ີໃຽຖືບກແຈ້ ຽນຖໃາ຺ ຌຌັໄ ຽຎຌັ ຉ຺ທ຾຋ຌ຋ຍໃີ ໣ໃຈຂີ ບຄຎະຆາກບຌ 2) ທິ຋ກີ າຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຓີຖະຍ຺ຍ (systematic sampling : SYS ) ຽຎັຌກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຋ີໃ ແຈ້ຓີກາຌຖຼຄຖ໣າຈັຍດ່າຄເຈດ່າຄໜຶຄ຾ຖ້ທ ກາຌຘຸ່ຓ຾ຍຍຓີຖະຍ຺ຍ ຽປັຈແຈ້຿ຈງກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຋໣າບິຈ຾ຍຍຘຸ່ຓ ຅າກນຌໞທງ຋ີໃ 1 ຽຊິຄນຌໞທງ຋ີໃ k ຾ຖະຽຖືບກ ນຌທໞ ງຉ຺ທດ່າຄຊັຈແຎ຋ຸກໂ k ນຌໞທງ ຅຺ຌ຃຺ຍຉາຓຂະໜາຈຉ຺ທດ່າຄ n ນຌໞທງ຋ີໃ ຉໟບຄກາຌ ຘາຓາຈ຾ຍ່ຄ ບບກຽຎັຌ 2 ທິ຋ີ ຃:ື 113

2.1) ທ຋ິ ີກາຌຽຖບື ກນຌທໞ ງຉ຺ທດ່າຄ຾ຍຍຓີຖະຍ຺ຍ຾ຍຍຽຘັໄຌຆືໃ (linear systematic sampling ) ຓີທິ຋ີກາຌ ຽຖບື ກຈໃັຄຌ:ີໄ 1) ເນຖ້ ໣າຈຍັ ຾ກ່ນຌໞທງ຋ກຸ ນຌທໞ ງເຌຎະຆາກບຌ ຉັຄໄ ຾ຉ່ 1, 2, 3,…, N 2) ເນ້ n ຽຎັຌຂະໜາຈຉ຺ທດ່າຄ຋ີໃ ກ໣າຌຈ຺ ແທ້ 3) ຃ິຈແຖ່຃າໞ ຆທໞ ຄກາຌຘຸ່ຓ (Sampling Interval) ຿ຈງເຆ້ຘຌັ ງາຖກັ I ຾຋ຌ ຽຆຄິໃ I = N / n 4) ຽຖືບກຽຖກຘຸ່ຓຽຖີຓຉ຺ໄຌ (Random Start: R) ຽຆິໃຄ R ຓີ຃ໞາດູ່ຖະນທໞາຄ 1 ຊຶຄ I ຿ຈງ ຃ໞາ R ບາຈ຅ະແຈ້ ຅າກກາຌ຅ຍັ ຘະນຖາກ ເຆ້ຉາຖາຄຽຖກຘຓຸ່ ນຖື຿ຎ຾ກຓ ຃ບຓຑທິ ຽຉີເຌກາຌຘຸ່ຓ 5) ນຌໞທງ຋ີໃຊືກຽຖືບກຽຎັຌຉ຺ທດ່າຄ ຃ືນຌໞທງ຋ີໃຓີຽຖກຖ໣າຈັຍ຋ີໃກ຺ຄກັຍ຃ໞາ R , R + I , R + 2 I , R + 3 I , R+ 4 I ,… , R + ( n - 1 ) I ຉ຺ທດ່າຄ 2.2 ຉບໟ ຄກາຌຽຖືບກ຃຺ຌຉທ຺ ດ່າຄ຅າ໣ ຌທຌ 4 ຃຺ຌ ຅າກ຋ຄັ ໝ຺ຈ 24 ຃຺ຌ ຿ຈງເຆ້ທິ຋ີກາຌຽຖືບກນຌໞທງ ຉທ຺ ດາ່ ຄ຾ຍຍຓີຖະຍຍ຺ ຾ຍຍຽຘຌັໄ ຆໃື ຘາຓາຈຈາ໣ ຽຌີຌກາຌຈັຄໃ ຌີໄ: ໝາງຽຊິຄທາໞ ຋ກຸ ໂ 6຃຺ຌ ຉທ຺ ດາ່ ຄ ຅ະຊກື ຽຖືບກຂຌື ຓາ 1 ຃ຌ຺ ປູຍ຋ີ 34 : ທ຋ິ ກີ າຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຓີຖະຍຍ຺ ຾ຍຍຽຘໄັຌຆືໃ ນຌທໞ ງ຋ໃີຊກື ຽຖບື ກຽຎັຌຉ຺ທດາ່ ຄ ຃ືນຌໞທງ຋ໃີຓຽີ ຖກຖາ໣ ຈັຍ຋ໃີກ຺ຄກັຍ຃າໞ R , R + I , R + 2 I ,R + 3 I , R+ 4 I ,… , R + ( n - 1 ) I ນຖື 3, 3+6, 3+ (2x6), 3+ (3x6) ນຖື ຃຺ຌຖ໣າຈຍັ ຋ໃີ 3, 9, 15 ຾ຖະ 21 2.2) ທິ຋ີກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຓີຖະຍ຺ຍ຾ຍຍທ຺ຄກ຺ຓ (circular systematic sampling ) ຓີທິ຋ີ ກາຌຽຖບື ກຈັໃຄຌໄີ: 1) ເນຽ້ ຖກຖຼຄຖາ໣ ຈຍັ ຋ໃີ ກັຍນຌທໞ ງ຋ກຸ ນຌໞທງເຌຎະຆາກບຌ ແຈ້ 1, 2, 3,…, N 2) ເນ້ n ຽຎັຌຂະໜາຈຉທ຺ ດ່າຄ຋ີໃ ກາ໣ ຌ຺ຈແທ້ 3) ຃ຈິ ແຖ່຃າໞ ຆທໞ ຄກາຌຘຓຸ່ (sampling interval ) ຿ຈງເຆຘ້ ັຌງາຖັ I ຾຋ຌ ຽຆຄິໃ I = N / n 114

4) ຽຖືບກຽຖກຘຸ່ຓຽຖີຓຉ຺ໄຌ (random start : R ) ຽຆິໃຄ R ຓີ຃ໞາດູ່ຖະນທໞາຄ 1 ຊຶຄ N ຿ຈງ຃ໞາ R ບາຈ຅ະແຈ້ ຅າກກາຌ຅ັຍຘະນຖາກ 5) ນຌທໞ ງ຋ີໃຊກື ຽຖືບກຽຎຌັ ຉ຺ທດ່າຄ ຃ນື ຌທໞ ງ຋ຓໃີ ຽີ ຖກຖ໣າຈັຍ຋ີໃກ຺ຄກັຍ຃ໞາ R , R + I ,R + 2 I , R + 3 I , R+ 4 I ,… , R + ( n - 1 ) I 6) ເຌກ໣ໃຖະຌີ຋ີໃ ຃າໞ ຂບຄ R + I ນຖື R +2 I ນຖື R + ( n - 1 ) I ຓີ຃ໞາ ຽກິຌ N ແຎຖ຺ຍບບກ ຏ຺ຌຖັຍ຋ີໃແຈ້ ກຄ຺ ກັຍຽຖກຖ໣າຈັຍ຋ີໃຂບຄນຌທໞ ງເຈ ນຌໞທງຌັຌໄ ຅ະຽຎັຌນຌທໞ ງຉ຺ທດ່າຄ ຌັໄຌໝາງຽຊິຄທໞາ ຋ຸກ ໂ 6 ຃຺ຌ ຃຺ຌ ຉ຺ທດາ່ ຄ຅ະຊກື ຽຖືບກຂໄຶຌຓາ 1 ຃ຌ ຉ຺ທດາ່ ຄ 2.3 ຉໟບຄກາຌຽຖບື ກ຃ຌ຺ ຉ຺ທດ່າຄ຅໣າຌທຌ 4 ຃຺ຌ ຅າກ຋ຄັ ໝ຺ຈ 24 ຃຺ຌ ຿ຈງເຆ້ທິ຋ີກາຌຽຖືບກນຌໞທງ ຉທ຺ ດ່າຄ຾ຍຍຓີຖະຍ຺ຍ຾ຍຍທຄ຺ ກຓ຺ ຘາຓາຈຈ໣າຽຌີຌກາຌຈຄໃັ ຌ:ີໄ ປູຍ຋ີໃ 35 : ທິ຋ີກາຌຽຖືບກນຌທໞ ງຉທ຺ ດ່າຄ຾ຍຍຓີຖະຍຍ຺ ຾ຍຍທ຺ຄກຓ຺ ນຌທໞ ງ຋ຊີໃ ກື ຽຖບື ກຽຎັຌຉທ຺ ດ່າຄ ຃ນື ຌທໞ ງ຋ໃີຓີຽຖກຖ໣າຈັຍ຋ີໃກ຺ຄກັຍ຃ໞາ R , R + I , R + 2I , R + 3 I R+ 4 I ,… , R + ( n - 1 ) I ນຖື 16, 16+6, 16+ (2 x 6), 16+ (3 x 6) ນຖື ຃຺ທຽປືບຌຖ໣າຈັຍ຋ໃີ 16, 22, 28 – 24 = 4 ຾ຖະ 34 - 24 = 10 2.3) ກາຌຘຸ່ຓຉ຺ທດ່າຄຓີຖະຍ຺ຍ (Systematic random sampling) ຽໝາະຘ໣າຖັຍຎະຆາກບຌ຋ີໃຓີ຅໣າຌທຌ ຾ຌ່ຌບຌ, ຖຼຄຖ໣າຈັຍແທ້຾ຖ້ທ ຽຆັໃຌ: ຍັຌຆີຖາງຆືໃຌັກປຼຌ, ຋ະຍຼຌ຃຺ຌແຂ້, ຖາງຆືໃຍຸກ຃຺ຌເຌຘະໝຸຈ ຿຋ຖະຘັຍ, ຖ໣າຈັຍຽປບື ຌ຋຅ໃີ ັຈຖຼຄແທ້ເຌນຓ່ຍູ າໟ ຌ຅ຈັ ຘຌັ . 115

ຘຈູ ນາແຖງະນາໞ ຄ K = N/ n (N ຃ື ຂະໜາຈຎະຆາກບຌ) (n ຃ື ຂະໜາຈກຓຸ່ ຉທ຺ ດ່າຄ) ຌກັ ປຼຌ 50 ຃ຌ຺ ຉບໟ ຄກາຌຽຖບື ກ 10 ຃ຌ຺ ແຖງະນາໞ ຄ = 5 ຃຺ຌ ຉ຺ທດ່າຄ: ກາຌຘຶກຘາ຃ທາຓຽຑຄິໃ ຑ໣ເ຅ຂບຄຏູ້ຓາປັຍຍ໣ຖິກາຌຂບຄຘ໣າຌັກຄາຌຘ຺ໃຄຽຘີຓທິຆາກາຌ ຓະນາທິ຋ະງາແຖ ຾ນ່ຄໜຶໃຄ ຏູ້ທິແ຅ກ໣າຌ຺ຈກາຌຽກັຍຖທຍຖທຓຂ໣ໄຓູຌເຌຆໞທຄ 3 ຽຈືບຌ ຿ຈງກາຌຘຸ່ຓ຾ຍຍຽຎັຌຖະຍ຺ຍ ຅າກຏຓູ້ າປຍັ ຍ໣ຖກິ າຌ຋ກຸ ຃຺ຌ຋ໃີ 10 ຅ຌ຺ ແຈ້຅າ໣ ຌທຌກຓຸ່ ຉທ຺ ດ່າຄຉາຓ຋ຉໃີ ບໟ ຄກາຌ ຉ຺ທດາ່ ຄ: ຂະໜາຈຎະຆາກບຌຽ຋຺ໃາກັຍ 134 ຅ະຘຓຸ່ ຉ຺ທດາ່ ຄຂະໜາຈ 10 ຊາໟ ເຆ້ທ຋ິ ີກາຌຌໄີ຅ະຓຂີ ັໄຌຉບຌ຃.ື - ຂຌໄັ ຋ໃີ 1 ຃ິຈແຖ່ນາຆທໞ ຄກາຌຘຸ່ຓ ແຈ້຅າກ 134/10 = 13.4 ຎະຓາຌ 13 - ຂໄຌັ ຋ໃີ 2ເນໝ້ າງຽຖກ຾ກ່ຎະຆາກບຌຉາຓຖາງຆໃື຋ຖໃີ ຼຄຖ໣າຈັຍດູ່຾ຖ້ທ຿ຈງຽຖີໃຓ຅າກ 001ແຎ ຅຺ຌຽຊຄິ ຎະຆາກບຌ຃຺ຌຘຸຈ຋ໟາງ ຃ື 134 - ຂັໄຌ຋ໃີ 3ຘຸ່ຓນຌທໞ ງຽຖີໃຓຉໄຌ຺ ຅າກໝາງຽຖກ 1 13 ຆຶຄໃ ບາຈເຆ້ທີ຋ຘີ ຓຸ່ ດ່າຄຄໞາງ ຘຓ຺ ນຓຈຸ ທາໞ ແຈ້ນຌໞທງຽຖຓີໃ ຉຌ຺ໄ ຽຎຌັ 008 - ຂັໄຌ຋ໃີ 4ນານຌທໞ ງຉທ຺ ດາ່ ຄຉໃ໣ໂແຎ ຅຺ຌແຈ້຃຺ຍຉາຓ຅໣າຌທຌ຋ໃຉີ ໟບຄກາຌ (ຈຄັໃ ຌັຌໄ ກຸ່ຓຉ຺ທດາ່ ຄ຋ໃີແຈ້ ຃ື ຎະຆາກບຌ຋ຓໃີ ໝີ າງຽຖກ 008, 021, 034,....,125) ຌັກປຼຌ 50 ຃ຌ຺ ຉບໟ ຄກາຌຽຖບື ກ 10 ຃ຌ຺ ຽຎຌັ ກຓຸ່ ຉທ຺ ດ່າຄທ຋ິ ີກາຌຂໄຌັ ຋າ໣ ບຈິ ຘຸ່ຓໝາງຽຖກ຿ຈງ ກາຌ຅ຍັ ຘະນຖາກຽຎຌັ ຉ຺ທຽຖຓໃີ ຉໄ຺ຌ ກ໣າຌ຺ຈຆທໞ ຄນາໞ ຄ 50/10 = 5 ກາຌຽຖືບກນຌທໞ ງຉທ຺ ດາ່ ຄ຾ຍຍຓີຖະຍຍ຺ ຓີຂ໣ໄຈີຂ໣ໄຽຘງ ຘະນຖຍຸ ແຈຈ້ ໃຄັ ຌີ:ໄ ຂຈ໣ໄ ີ 1. ຽຎຌັ ຉ຺ທ຾຋ຌ (proxy ) ຂບຄກາຌຽຖບື ກຉ຺ທດ່າຄ຾ຍຍຄາໞ ງເຌກ໣ໃຖະຌີ຋ໃີ ຍໃ໣ຓີກບຍຉ຺ທດ່າຄ 2. ຍຉ໣ໃ ໟບຄກາຌຂ໣ໄຓູຌຘະໜັຍຘະໜຌູ ບືໃຌໂ ເຌກບຍຉທ຺ ດ່າຄ ຽຆໃຌັ :ຈຼທກຍັ ກາຌຽຖບື ກຉ຺ທດ່າຄ ຾ຍຍຄໞາງ 3. ຉ຺ທດາ່ ຄ຋ຽໃີ ຖບື ກແຈ້຅ະຓີກາຌກະ຅າງແຈ້ນຖາງກທໞາກາຌຽຖືບກຉ຺ທດ່າຄ຾ຍຍຄໞາງ ຾ຉ່ກ໣ໃຂຶໄຌດູ່ກັຍຆໞທຄຂບຄ ກາຌຘຸ່ຓ ຾ຖະ ກາຌ຅ັຈຖຼຄນຌທໞ ງຉທ຺ ດາ່ ຄເຌກບຍຉທ຺ ດາ່ ຄ 4. ກາຌ຃ິຈແຖ່຃ໞາຎະຓາຌຄໞາງຍ໣ໃຆຍັ ຆໟບຌ ຽຆໃັຌ:ຈຼທກຍັ ກາຌຽຖບື ກຉທ຺ ດ່າຄ຾ຍຍຄາໞ ງ 116

5. ຄໞາງ ຾ຖະ ຘະຈທກກທໞາຉທ຺ ດາ່ ຄ຾ຍຍຄາໞ ງ ຽຌໃືບຄ຅າກຉບໟ ຄກາຌຽຖກຘຸຓ່ (random number ) ຑຼຄ຃ໞາຈຼທ ຂໄ໣ ຽຘງ 1. ຽຆັໃຌ:ຈຼທກຍັ ກາຌຽຖືບກຉ຺ທດ່າຄ຾ຍຍຄໞາງ ຃ືຊໟາກບຍຉ຺ທດ່າຄຓີຂ໣ໄຓູຌຘະໜັຍຘະໜູຌບືໃຌໂ ກາຌຽຖືບກຉ຺ທ ດາ່ ຄ຾ຍຍຓີຖະຍຍ຺ ຅ະຓີຎະຘຈິ ຋ິຑາຍຌບໟ ງກທາໞ ກາຌຽຖບື ກຉທ຺ ດ່າຄຈໟທງທ຋ິ ບີ ໃືຌ 2. ເຌກ໣ໃຖະຌີ຋ີໃຍ໣ໃຓີກບຍຉ຺ທດ່າຄ຅ະຽປັຈເນ້ຍ໣ໃປູ້ຂະໜາຈຉ຺ທດ່າຄຖໞທຄໜໟາ ຅຺ຌກທໞາ຅ະຈ໣າຽຌີຌກາຌຽກັຍ ຖທຍຖທຓຂໄ໣ຓູຌ ຅຺ຌຘາ໣ ຽຖຈັ 3. ຊາໟ ຂະໜາຈຉທ຺ ດາ່ ຄ ( n) ຍ໣ໃຘາຓາຈນາຌຂະໜາຈຂບຄຎະຆາກບຌ ( N ) ແຈ້ຂາຈຉ຺ທ ບາຈຽປັຈເນ້ແຈ້ຂະໜ າຈຉ຺ທດ່າຄ຋ີໃຍ໣ໃ຾ຌ່ຌບຌຉາຓ຋ີໃກ໣າຌ຺ຈແທ້ຖໞທຄໜໟາ ຽຆິໃຄ຿ຈງຎ຺ກກະຉິ຅ະ ແຎເຆ້ກາຌຽຖືບກຉ຺ທດ່າຄ຾ຍຍຓີ ຖະຍ຺ຍ຾ຍຍທ຺ຄກຓ຺ 5.6.2 ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜໟາ຅ະຽຎັຌຍ໣ໃຽ຋຺ໃາກັຌ (unequal probability sampling ) ໝາງຽຊິຄ ກາຌຽຖືບກນຌທໞ ງຉທ຺ ດາ່ ຄ຅໣າຌທຌ n ນຌທໞ ງ຅າກ຋ັຄ ໝ຺ຈ N ນຌໞທງເຌຎະຆາກບຌ ຿ຈງ຿ບກາຈ ນຖື ຃ທາຓໜໟາ຅ະຽຎັຌຂບຄ຾ຉ່ຖະນຌໞທງ຋ີໃ ຊືກຽຖືບກຂຶໄຌຓາຽຎັຌຉ຺ທ຾຋ຌເຌຉ຺ທດ່າຄຘາຓາຈ ຃ິຈແຖ່຃ໞາແຈ້ ຾ຖະຓີ຃ໞາຍ໣ໃຽ຋຺ໃາກັຌ ຂຶໄຌດູ່ກັຍນຌໞທງທັຈຂະໜາຈ (measure of size : MOS ) ຂບຄ ນຌໞທງຌັໄຌໂ ປຼກທໞາ probability proportional to size (PPS) ຌບກ຅າກຌີໄຊໟານຌໞທງຉ຺ທດ່າຄເຌຎະຆາ ກບຌຓີຂະໜາຈ຋ີໃ຾ຉກຉໞາຄກັຌ ຾ຖະ ນຖາກນຖາງ ຿ຈງ຋ີໃປູ້ຂະໜາຈ (MOS ) ຂບຄນຌໞທງຉ຺ທດ່າຄ຋ຸກ ນຌໞທງເຌຎະຆາກບຌ ຂ໣ໄຓຌູ ຽນຖໃ຺າຌີໄ຅ະຊກື ຌາ໣ ແຎເຆ້ຎະກບຍເຌກາຌຽຖບື ກຉ຺ທດ່າຄຽຑືບຽຑີໃຓຎະຘິຈ຋ິຑາຍເຌ ກາຌຽຖບື ກນຌທໞ ງຉ຺ທດາ່ ຄ ທິ຋ີກາຌຽຖືບກນຌໞທງຉທ຺ ດ່າຄ຾ຍຍຌຓີໄ ີນຖາງທິ຋ີ ຽຆໃຌັ : 1) ທິ຋ກີ າຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍ PPS - random ຓີທ຋ິ ີກາຌຽຖບື ກຈັຄໃ ຌ:ໄີ 1.1) ເນ້ຽຖກຖຼຄຖ໣າຈຍັ ຋ໃີ ກຍັ ນຌໞທງຉ຺ທດາ່ ຄ຋ກຸ ນຌໞທງເຌຎະຆາກບຌ ຅ະແຈ້ 1, 2, 3,… , N 1.2) ເນ້ n ຽຎັຌຂະໜາຈຉທ຺ ດາ່ ຄ຋ໃີ ກາ໣ ຌຈ຺ ແທ້ 1.3) ເນ້ Mi ຽຎັຌ຃ໞານຌໞທງທັຈຂະໜາຈ (measure of size : MOS ) ຂບຄນຌໞທງຉ຺ທດ່າຄ຾ຉ່ຖະນຌໞທງ ຿ຈງ຋ີ i= 1 , 2 , 3, … ,N 1.4) ເນ້຃ິຈແຖ່ຏ຺ຌຍທກຘະຘ຺ຓຂບຄ Mi ຂບຄນຌໞທງຉ຺ທດ່າຄ຾ຉ່ຖະນຌໞທງຉາຓ຋ີໃ ແຈ້ຖຼຄຖ໣າຈັຍແທ້຅຺ຌ຃຺ຍ ຋ກຸ ນຌທໞ ງ 1.5) ເນ້ Sum ( Mi) ຽຎຌັ ຏຌ຺ ຍທກຘະຘ຺ຓຂບຄນຌທໞ ງ຋ີ i 1.6) ຽຖບື ກຽຖກຘ່ຓຸ R ຅າກຉາຖາຄຽຖກຘຸ່ຓ ນຖື ຿ຈງທ຋ິ ກີ າຌ຅ັຍຘະນຖາກ ຅າ໣ ຌທຌ n ຉ຺ທ ຿ຈງເນ້຅໣າຌທຌ ນຖັກຂບຄຽຖກຘຸ່ຓ R ຘບຈ຃ໟບຄກັຍ຅໣າຌທຌນຖັກຂບຄ຃ໞາ Sum (Mi) ຾ຖະ ຃ໞາ R ຅ະຉໟບຄຍ໣ໃຽກີຌ຃ໞາ Sum (Mi) ເຆ້ນຖກັ ຈຼທກຍັ ກາຌເຆຉ້ າຖາຄຽຖກຘຸ່ຓ 1.7) ນຌທໞ ງ຋ີໃຊກື ຽຖບື ກຽຎັຌຉ຺ທດາ່ ຄ ຃ນື ຌທໞ ງ຋ີໃຓີ຃າໞ ຂບຄ R ດູ່ເຌຏຌ຺ ຍທກຘະຘຓ຺ ຂບຄນຌໞທງຌໄັຌ 117

ຉ຺ທດາ່ ຄ 2.4 ຉໟບຄກາຌຽຖືບກ຃ທ຺ ຽປືບຌຉ຺ທດ່າຄ຅໣າ ຌທຌ 4 ຃຺ທຽປບື ຌ ຅າກ຃ທ຺ ຽປບື ຌ຋ັຄໝ຺ຈ 16຃຺ທຽປືບຌ ເຆ້ ທ຋ິ ກີ າຌຽຖືບກຉທ຺ ດ່າຄ຿ຈງເຆ຃້ ທາຓໜໟາ຅ະຽຎັຌ຾ຍຍຍ໣ໃຽ຋຺ໃາກັຌ PPS random ຘາຓາຈຈ໣າຽຌີຌ ກາຌຈຄັໃ ຌີ:ໄ ຅າ໣ ຌທຌ ຘະຓາຆິກ ຅໣າຌທຌ ກຼຓຘະນຖາກ຃ືຂຼຌຆນໃື ຖື ຘະຓາຆິກ ໝາງຽຖກ ປຍູ ຋ີ 36 : ທິ຋ີກາຌຽຖືບກຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜໟາ຅ະຽຎຌັ ຾ຍຍຍໃ໣ຽ຋າ຺ໃ ກັຌ 2) ທິ຋ກີ າຌຽຖບື ກ຾ຍຍ PPS - systematic ຓີທິ຋ີກາຌຽຖບື ກຈຄໃັ ຌີ:ໄ 2.1) ເນ້ຽຖກຖຼຄຖາ໣ ຈັຍ຋ີໃ ກຍັ ນຌທໞ ງຉທ຺ ດ່າຄ຋ກຸ ນຌໞທງເຌຎະຆາກບຌ ຅ະແຈ້ 1, 2, 3,…, N 2.2) ເນ້ n ຽຎັຌຂະໜາຈຉ຺ທດ່າຄ຋ີໃ ກາ໣ ຌ຺ຈແທ້ 2.3) ເນ້ Mi ຽຎັຌ຃ໞານຌໞທງທັຈຂະໜາຈ (measure of size : MOS ) ຂບຄນຌໞທງຉ຺ທດ່າຄ຾ຉ່ຖະນຌໞທງ ຿ຈງ຋ໃີ i = 1, 2, 3,…, N 2.4) ເນ້຃ິຈແຖ່ຏ຺ຌຍທກຘະຘ຺ຓຂບຄ Mi ຂບຄນຌໞທງຉ຺ທດ່າຄ຾ຉ່ຖະນຌໞທງຉາຓ຋ີໃ ແຈ້ຖຼຄຖ໣າຈັຍແທ້຅຺ຌ຃຺ຍ ຋ກຸ ນຌໞທງ 2.5) ເນ້ Sum ( Mi) ຽຎັຌຏຌ຺ ຍທກຘະຘຓ຺ ຂບຄນຌໞທງ຋ີ i 2.6) ຃ຈິ ແຖ່຃ໞາຆທໞ ຄກາຌຘຸ່ຓ (Sampling Interval) ເຆຘ້ ຌັ ງາຖັກI ຾຋ຌຽຆິໃຄ I = Sum ( Mi ) / n 2.7) ຽຖືບກຽຖກຘຸ່ຓ R຅າກຉາຖາຄຽຖກຘຸ່ຓ຿ຈງ ▪ ຾ຍຍ LSS ຃າໞ R ຅ະຉບໟ ຄຍໃ໣ຽກຌີ ຃ໞາ I ▪ ຾ຍຍ CSS ຃ໞາ R ຅ະຉບໟ ຄຍ໣ໃຽກີຌ຃ໞາ Sum ( Mi) 2.8) ນຌໞທງ຋ີໃຊືກຽຖືບກຽຎັຌຉ຺ທດ່າຄ ຃ືນຌໞທງ຋ີໃຓີຽຖກຖ໣າຈັຍ຋ີໃກ຺ຄກັຍ຃ໞາ R , R + I ,R + 2 I , R + 3I , R+ 4I ,… , R + ( n - 1) I ດູ່ເຌຏ຺ຌຍທກຘະຘຓ຺ ຂບຄນຌໞທງຌຌໄັ 2.9) ເຌກຖໃ໣ ະຌ຋ີ ີໃ ຃ໞາຂບຄ R + Iນຖື R + 2Iນຖື... ນຖື R + ( n - 1 ) I ຓີ຃າໞ ຽກຌີ sum ( Mi ) ເນ້ຌ໣າ຃ໞາ sum ( Mi ) ແຎຖ຺ຍບບກ ຏ຺ຌປັຍ຋ີໃ ແຈ້ດູ່ເຌຏ຺ຌຍທກຘະຘ຺ຓຂບຄນຌໞທງເຈນຌໞທງຌັໄຌ຅ະຽຎັຌ ນຌໞທງຉ຺ທດາ່ ຄ. 118

ຉ຺ທດ່າຄ 2.5 ຉໟບຄກາຌຽຖືບກ຃຺ທຽປືບຌຉ຺ທດ່າຄ຅໣າ ຌທຌ 4 ຃຺ທຽປືບຌ ຅າກ຃຺ທຽປືບຌ຋ັຄໝ຺ຈ 16 ຃຺ທຽປືບຌ ເຆ້ທິ຋ີກາຌຽຖືບກຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜໟາ຅ະຽຎັຌ຾ຍຍຍ໣ໃຽ຋຺ໃາກັຌ PPS - systematic ຘາຓາຈຈາ໣ ຽຌຌີ ກາຌຈັໃຄຌີໄ: ປູຍ຋ີ 37 ທິ຋ີກາຌຽຖບື ກຉທ຺ ດາ່ ຄ຿ຈງເຆ້຃ທາຓໜາໟ ຅ະຽຎຌັ ຾ຍຍຍ໣ໃຽ຋ໃາ຺ ກຌັ 5.7 ກາຌຽຖບື ກນຌທໞ ງຉ຺ທດ່າຄ຿ຈງຍ໣ໃເຆ຃້ ທາຓໜາໟ ຅ະຽຎັຌ (non- probability sampling ) ຘ໣າຖັຍກາຌຘ໣ານຖທຈຈໟທງຉທ຺ ດາ່ ຄເຌຍາຄ຃ໄຄັ ບາຈຍ໣ໃປູ້຅໣າຌທຌຎະຆາກບຌ຋ີໃ ຾຋້຅ິຄ ນຖືຍ໣ໃຓີກບຍຉ຺ທ ດ່າຄ຋ີໃ ຘຓ຺ ຍູຌ ຽປັຈເນ້ຍ໣ໃຘາຓາຈເຆ້ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຿ຈງເຆ້຃ທາຓໜໟາ຅ະຽຎັຌແຈ້ ຅ຶຄຉໟບຄເຆ້ທິ຋ີ ກາຌຽຖບື ກຉທ຺ ດາ່ ຄ຿ຈງຍໃ໣ເຆ້຃ທາຓໜໟາ຅ະຽຎຌັ ຽຆໃິຄກາຌຽຖບື ກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຌີໄນຌໞທງຉ຺ທດ່າຄຓີ຿ບກາຈ ຊກື ຽຖບື ກຍ໣ໃຽ຋າໃ຺ ກັຌ ຍາຄນຌໞທງຉທ຺ ດາ່ ຄຓີ຿ບກາຈຊກື ຽຖືບກນຖາງກທາໞ ໜຶຄ຃ຄັໄ ນຖື ຍາຄນຌໞທງຉ຺ທດ່າຄຍ໣ໃຓີ຿ບ ກາຈ຋ີໃ ຅ະຊກື ຽຖືບກ ຿ຈງເຌກາຌຽຖືບກ຅ະ຃໣າຌຄຶ ຽຊິຄ຃ທາຓຘະຈທກ຋ຄັ ຋າຄຈໟາຌຽທຖາ ກາ໣ ຖັຄ຃ຌ ຾ຖະຄົຍຎະ ຓາຌ ຖທຓ຋ັຄທິ຋ີກາຌຽກັຍຖທຍຖທຓຂ໣ໄຓູຌ ຂບຄຌັກຘະຊິຉິຽຎັຌນຖັກ ຅ຶໃຄຽປັຈເນ້ຍ໣ໃປູ້຃ທາຓໜໟາ຅ະຽຎັຌ຋ໃີ ນຌໞທງ຾ຉ່ຖະນຌໞທງເຌຎະຆາກບຌ຅ະຊືກຽຖືບກຽຎັຌຉ຺ທດ່າຄ ຈັໃຄຌັໄຌກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຌີໄ ຍ໣ໃ ຘາຓາຈບາໟ ຄບຄິ ນຖື ບະໜຸຓາຌແຎງັຄຎະຆາກບຌ຋ີໃ ຉໟບຄກາຌຘຶກຘາແຈ້ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຌີໄຓັກ ຅ະຽປຈັ ເນ້ກາຌຎະຓາຌ຃າໞ ຑາຖາຓິຽຉີຂາຈ຃ທາຓ຾ຓ່ຌງ໣າ ຈໃຄັ ຌັໄຌ ກາຌ຋ີໃ ຌກັ ຘະຊິຉິເຆ້ທິ຋ີກາຌຽຖືບກນຌໞທງ ຉທ຺ ດາ່ ຄ຾ຍຍຌີໄ ຽຓືໃບຍ໣ໃຉໟບຄກາຌບໟາຄບິຄ ນຖື ບະໜຸຓາຌແຎງັຄຎະຆາກບຌ ຘໞທຌນຖາງເຆ້ກັຍຄາຌທິແ຅ ນຖື ກາຌຘກຶ ຘາ ກໞຼທກັຍຂ໣ໄຽ຋ັຈ຅ິຄ (exploration research ) ກັຍຉ຺ທດ່າຄ຋ີໃຓີຖັກຘະຌະຘະຽຑາະ ຾ຖະ ຍ໣ໃຉໟບຄ ກາຌຎຼຍ຋ຼຍກັຍກຓຸ່ ບໃືຌໂ ບີກ຋ັຄງັຄຓີຂ໣ໄ຅໣າກັຈຽຖືໃບຄຂບຄຽທຖາ, ຃ໞາເຆ້຅ໞາງ ນຖືຽນຈຏ຺ຌບືໃຌໂ ບາແຘກາຌ ຉັຈຘິຌເ຅ຉາຓ຃ທາຓຘະຈທກຂບຄຌັກຘະຊິຉິຽຎັຌນຖັກ ກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຿ຈງຍ໣ໃເຆ້຃ທາຓໜໟາ຅ະ ຽຎຌັ ຌຓີໄ ີນຖາງ຾ຍຍ ຽຆຌັໃ : 119

5.7.1 ກາຌຽຖືບກນຌໞທງຉທ຺ ດ່າຄ຿ຈງຍຄັ ຽບຌີ (accidental sampling ) ນຖື ກາຌຽຖືບກນຌໞທງ ຉ຺ທດາ່ ຄ຾ຍຍຉາຓຘະຈທກ (convenience sampling ) ຽຎຌັ ກາຌຽຖືບກນຌໞທງຉ຺ທດາ່ ຄ຋ຍີໃ ຓໃ໣ ີນຖັກຽກຌ ຌຌໄັ ຃ຽື ຖບື ກເຏກໃ໣ແຈ້຋ີໃຘາຓາຈ ເນ້ຂ໣ໄຓູຌແຈ້຾ຉ່ຉໟບຄດູ່ ເຌກບຍຖທຓຂບຄຎະຆາກບຌ຋ໃີ ຘ຺ຌເ຅ຘຶກຘາ ຉ຺ທດາ່ ຄຽຆໃຌັ : ຑະຌັກຄາຌຽກັຍຖທຍຖທຓຂ໣ໄຓູຌງືຌດູ່ຎະຉູນຌໟານໟາຄຘັຍຑະຘິຌ຃ໟາຽຑືບຘ໣າຑາຈຏູ້຃຺ຌ຋ີໃ ຏາໞ ຌແຎຓາຍ໣ຖຽິ ທຌຌັໄຌ ກາຌຘ່ຓຸ ຉທ຺ ດາ່ ຄ຾ຍຍຉາຓ຃ທາຓຘະຈທກ (Convenience Sampling) ຿ຈງຑິ຅າຖະຌາເຌ຾ຄຂ່ ບຄ ຃ທາຓຘະຈທກ, ຄາໞ ງຉ໣ໃກາຌຘຶກຘາ ຿ຈງເຆ້ທ຋ິ ີ ຅ຍັ ຘະນຖາກ, ຿ງຌນຖຼຌ ນຖື ທ຋ິ ີ຋ຽໃີ ນັຌທໞາຘະຈທກ຋ໃີຘຈຸ ຽຆໃຌັ : ຽຖບື ກກຸ່ຓຽກັຍຂບຄຓູຌຘະຽຑາະນຓຍູ່ ໟາຌ຋ໃີຘາຓາຈຽຈຌິ ຋າຄແຎຓາແຈຘ້ ະຈທກຽ຋າ຺ໃ ຌໄັຌ ຉທ຺ ດາ່ ຄ : ກາຌແຎຉຄັໄ ຿ຉະເນ້ຖກູ ຃າໟ ຆິຓ ກາ຾ຒຆະຌຈິ ເໝຂ່ ບຄງໃີນໄ໣ໜຶໃຄທໞາຏ຺ຌກາຌ຋຺ຈຘບຍຖ຺ຈຆາຈຽຎັຌ຋ໃຆີ ຌືໃ ຆ຺ຓ ຓັກນຖື ຍໃ໣ 5.7.2 ກາຌຽຖືບກນຌທໞ ງຉ຺ທດ່າຄ຾ຍຍ຿຃ຉໞາ (quota sampling ) ຽຎັຌກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຋ີໃຑ຺ຍຽຖືໄບງ຋ີໃຘຸຈເຌກາຌຽຖືບກຉ຺ທດ່າຄ຿ຈງຍ໣ໃເຆ້຃ທາຓໜໟາ຅ະຽຎັຌ ຽຆໃຄິ ກາຌຽຖືບກຉ຺ທດາ່ ຄ຾ຍຍຌີໄຌັກຘະຊິຉິແຈ້຅໣າ຾ຌກຎະຆາກບຌບບກຽຎັຌຘໞທຌງໞບງໂ ກໞບຌ (strata ) ຿ຈງ ຉ຺ທຎຼ່ ຌ຋ີໃເຆ້ເຌກາຌ຅າ໣ ຾ຌກ຃ທຌ຅ະຓີ຃ທາຓຘາ໣ ຑຌັ ກັຍຉທ຺ ຎຼ່ ຌ຋ີໃຘ຺ຌເ຅ຘຶກຘາ ຽຆັໃຌ:: ຽຑຈ, ບາງຸ, ຖະຈັຍ ກາຌຘຶກຘາ ນຖື ຖາງແຈ້ ຅າກຌັໄຌຑິ຅າຖະຌາຂະໜາຈຉ຺ທດ່າຄຂບຄ຾ຉ່ຖະຘໞທຌງໞບງ ຽຑືໃບກ໣ານ຺ຌຈຽຎັຌ຿຃ຉາ ນຖ຅ື ະປຼກແຈ້ທໞາຽຎັຌກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຿ຈງ຃໣າຌຶຄຽຊິຄຘັຈຘໞທຌບ຺ຄຎະກບຍຂບຄຎະຆາກບຌ ຽຆັໃຌ:: ຽຓບໃື ຉບໟ ຄກາຌຂະໜາຈຉ຺ທດ່າຄ຅າ໣ ຌທຌ 100 ຃຺ຌ ກໃ໣຾ຍ່ຄຽຎຌັ ຽຑຈຆາງ 50 ຃຺ຌ ຾ຖະຽຎັຌຽຑຈງິຄບີກ 50 ຃຺ຌ ຾ຖ້ທເຌ຾ຉ່ຖະກ່ຓຸ ເຆທ້ ິ຋ີກາຌຽຖືບກນຌໞທງຉ຺ທດ່າຄ຾ຍຍຍັຄຽບີຌ ຌັໄຌ຃ືຽ຅ີເຏກ໣ໃຽຖືບກ຅຺ຌ຃຺ຍຉາຓ຅໣າຌທຌ຋ໃີ ຉໟບຄກາຌ - ກາຌຘ່ຓຸ ຉ຺ທດ່າຄ຾ຍຍ຿຃ຉໟາ (Quota Sampling) ຽຎຌັ ກາຌຽຖືບກກຸ່ຓຉ຺ທດາ່ ຄຽຑໃບື ເນ້ແຈ້ ກຸ່ຓງບໞ ງ ຓີກາຌກາ໣ ຌ຺ຈ຅໣າຌທຌຉາຓ຃ຸຌຘ຺ຓຍຈັ ຋ຉໃີ ໟບຄກາຌ ຽຆຌໃັ : ກ າຌ຺ຈ຅າ໣ ຌທຌ ຽຑຈ ຆາງ-ງຄິ ນຖຖື ະຈັຍກາຌຘກຶ ຘາ ທໞາຉໟບຄກາຌ຅າ໣ ຌທຌດາ່ ຄຖະຽ຋າໃ຺ ເຈ. ຉ຺ທດ່າຄ : ຉໟບຄກາຌຘຶກຘາ຃ທາຓ຃ິຈຽນັຌຂບຄຌັກຘຶກຘາ຋ີໃຓີຉ໣ໃກາຌຖ຺ຄ຋ະຍຼຌປຼຌ ຅ຶໃຄກ໣າຌ຺ຈຘັຈຘໞທຌຂບຄ ກຸ່ຓຉທ຺ ດາ່ ຄ 400 ຃຺ຌ ຾ຍ່ຄບບກຽຎຌັ ຌັກຘກຶ ຘາຆັໄຌຎີ 1 ຅າ໣ ຌທຌ 30%, ຆໄຌັ ຎີ 2 ຅໣າຌທຌ 30%, ຆັໄຌຎີ 3 ຅າ໣ ຌທຌ 20%, ຆຌໄັ ຎີ 4 ຅໣າຌທຌ 20% 5.7.3 ກາຌຽຖບື ກນຌໞທງຉ຺ທດາ່ ຄ຾ຍຍຽ຅າະ຅຺ຄໃ (purposive sampling ) ນຖືກາຌນຌໞທງຽຖືບກ ຉ຺ທດາ່ ຄ຾ຍຍເຆ້ຑິ຅າຖະຌາ (judgment sampling ) ຽຎຌັ ກາຌຽຖືບກຉທ຺ ດາ່ ຄ຿ຈງເຆ້ຈຌຸ ຑິຌິຈ ຑິ຅າຖະຌາ ຾ຖະ ກາຌຉັຈຘິຌເ຅ຂບຄຌັກຘະຊິຉິຽຎັຌນຖັກ ເຌກາຌຑ຅ິ າຖະຌາຽຖືບກຉທ຺ ດ່າຄ ທໞາຓີຖັກຘະຌະຘບຈ຃ໟບຄ ນຖື ຽຎຌັ ຉ຺ທ຾຋ຌ຋ີໃ ຅ະຘຶກຘາແຈ້ ນຖື ຍ໣ໃ ຽຎັຌແຎ ຉາຓທັຈຊຸຎະຘ຺ຄຂບຄກາຌຘ໣ານຖທຈ ນຖື ຍ໣ໃ ຋ັຄຌີໄຌັກຘະຊິຉິຉໟບຄຽຎັຌຏູ້຋ີໃ ຓີ຃ທາຓປບຍປູ້ ຃ທາຓຆ໣າຌາຌ ຾ຖະຎະຘຍ຺ ກາຌຌໄັຌ. 120

ຉທ຺ ດ່າຄ : ຉໟບຄກາຌຘຶກຘາກໞຼທກັຍກາຌເຆ້ຆີທິຈເຌຎະ຅໣າທັຌຂບຄຌັກຘຶກຘາຆັໄຌຎີ 4 ຋ີໃຎະຘ຺ຍ຃ທາຓຘ໣າຽຖັຈ ເຌກາຌປຼຌ ຾ຖະ ນຖິໄຌກີຖາ ຈັໃຄຌັໄຌຏູ້຋ີໃຘາຓາຈເນ້ຂ໣ໄຓູຌແຈ້຃ື ຌັກຘຶກຘາຆັໄຌຎີ 4 ຋ີໃແຈ້ຽກຈ3.5 ຂໄຌຶ ແຎ ຾ຖະຓີ຃ທາຓຘາຓາຈເຌກາຌນຖໄິຌກີຖາ ຉາຉະຖາຄ຋ີ 29 : ຎຼຍ຋ຼຍກາຌຽຖືບກຉ຺ທດ່າຄ຿ຈງເຆ້/ຍໃ໣ເຆ້຃ທາຓໜໟາ຅ະຽຎັຌ ທ຋ິ ກີ າຌຽຖບື ກນຌທໞ ງຉທ຺ ດາ່ ຄ ເຆ຃້ ທາຓນຌາໟ ຅ະຽຎຌັ ຍເໃ໣ ຆ຃້ ທາຓນຌາໟ ຅ະຽຎຌັ ທ຋ິ ກີ າຌ - random - purposive sampling - systematic sampling - quota sampling - PPS sampling - accidental sampling ຂໄ໣ຈີ - ຍ໣ໃຖ໣າບຼຄ/ຽບຌບຼຄ - ຘະຈທກ - ຋ກຸ ນຌໞທງຓີ຿ບກາຈຊກື ຽຖບື ກຽຎັຌໜໞະນທງຉ຺ທ ດ່າຄ - ທບໞ ຄແທ - ຎະນງຈັ ຃າໞ ເຆ້຅າໞ ງ - ບາໟ ຄບິຄແຎງັຄຎະຆາກບຌແຈ້ - ຃ທຍ຃ຓຸ ຃ທາຓ຃າຈຽ຃ບໃື ຌ຋ໃີຽກຈີ ຅າກກາຌ ຽຖື ບກຉ຺ທດ່າຄແຈ (sampling error ) ຂຽ໣ ຘງ - ຓຂີ ັຌໄ ຉບຌ຋ໃີນງ້ຄຸ ງາກ - - ຖ າບຼຄ/ຽບຌບຼຄ - - ຍຘ໣ໃ າຓາຈບໟາຄບຄິ ແຎງັຄຎະຆາກບຌແຈ້ ຅ະ ຘາຓາຈຘະນຖຍຸ ດູ່ຑຼຄຂບຍຽຂຈຂບຄ ກຸ່ຓຉ຺ທ ດ່າຄຽ຋າໃ຺ ຌຌັໄ - - ນຌທໞ ງຉທ຺ ດາ່ ຄ຋ໃີແຈ້ຌໄຌັ ຂໄຶຌດູ່ກຍັ ກາຌ ຉຈັ ຘິຌເ຅ຂບຄຌກັ ຘະຊຉິ ິ ຾ຖະບຄ຺ ຎະກບຍ ຍາຄ ຉທ຺ ຍໃຘ໣ າຓາຈ຃ທຍ຃ຸຓແຈ້ ຈັຄໃ ຌັໄຌ ຍ໣ໃຓີທ຋ິ ີ ກາຌ຋າຄຘະຊຉິ ິ ຋ໃີ ຅ະຓາ຃ຈິ ແຖ່ ຃ທາຓ຃າຈ ຽ຃ໃບື ຌ຋ຽໃີ ກີຈ຅າກກາຌຘຸ່ຓ ຉທ຺ ດ່າຄແຈ (sampling error ) 121

ຍຈ຺ ຽຐກິ ນຈັ 1. ຅າກກາຌຘບຍຊາຓບາງຂຸ ບຄຌກັ ປຼຌກຸ່ຓໜຶຄໃ ແຈ້ຂຓໄ໣ ູຌຈໃຄັ ຌໄີ 14, 16, 14, 17, 16, 14, 18, 17 ຅ໃຄ຺ ຎະຓາຌ຃ໞາຘະຽຖງໞ ຂບຄບາງຸຌັກປຼຌກຸ່ຓຌີໄ 2. ຅າກກາຌຘບຍຊາຓຎະຆາຆ຺ຌເຌໝູ່ຍໟາຌ຾ນ່ຄໜຶໃຄ຅໣າຌທຌ120 ຃຺ຌ ຑ຺ຍທໞາຓີກາຌຌ໣າເຆ້ຽ຃ືໃບຄຎ່າ ຂບຄຈ຺ຄ ຅າ໣ ຌທຌ64 ຃຺ຌ ຅ຄ຺ໃ ຎະຓາຌຘັຈຘທໞ ຌຂບຄຏຌູ້ າ໣ ເຆ້ຽ຃ບືໃ ຄຎາ່ ຂບຄຈ຺ຄ. 3. ຅າກກາຌຘບຍຊາຓບາງຂຸ ບຄຎະຆາກບຌເຌນຓູ່ຍໟາຌຘບຄກຓຸ່ , ກຸ່ຓ຋1ໃີ ຓີບາງຸຈັໃຄຌີໄ 20, 19, 52, 34, 27, 20, 23, 33, 40 ກຸ່ຓ຋ີໃ2 ຓີບາງຸຈັໃຄຌີໄ 14, 16, 14, 17, 16, 14, 18, 17 ຅຺ໃຄຎະຓາຌ ຏຌ຺ ຉໞາຄ຃ໞາຘະຽຖໞງຂບຄບາງຎຸ ະຆາກບຌ຋ັຄຘບຄກ່ຓຸ ຌີໄ຾ຍຍ຅ຈຸ 4. ຌັກທແິ ຅ຏໜູ້ ໃຶຄ ຉບໟ ຄກາຌຘຶກຘາຖະງະກາຌຉັຄໄ ຋ບໟ ຄຂບຄຎະຆາຆ຺ຌເຌຽຂຈໝູ່ຍໟາຌຌບກຉ຺ທຽຓືບຄ ຅ຶໃຄ ແຈ້ຘ່ຓຸ ຉທ຺ ດ່າຄ຾ຓ຋່ ໃີຓາຐາກ຋ໟບຄ ຾ຖະ ຽກຈີ ຖກູ ຋ໃີ຿ຖຄຑະດາຍາຌ ຅໣າຌທຌ 100 ຖາງ ຑ຺ຍທໞາຓີ຃ໞາ ຘະຽຖໞງຖະງະກາຌຉັໄຄ຋ໟບຄ຾ຓ່ຌ275 ຓືໄ ນາກປູ້ທໞາ຿ຈງ຋຺ໃທແຎຽຈັກຌໟບງ຅ະຓີຘໞທຌຍໞຼຄຽຍຌ ຓາຈຉະຊາຌຂບຄຖະງະກາຌຉັໄຄ຋ໟບຄຽຎັຌ10 ຓືໄ ຅຺ໃຄຎະຓາຌຖະງະກາຌຉັໄຄ຋ໟບຄຘະຽຖໞງຂບຄ ຎະຆາຆ຺ຌຌ(ີໄ ກ໣າຌ຺ຈຖະຈຍັ ຃ທາຓຽຆບໃື ໝັໄຌ 95%) 5. ຅າກກາຌຘຸ່ຓຌກັ ຘກຶ ຘາງິຄທິ຋ະງາແຖ຾ນຄ່ ໜຶໃຄ ຅໣າຌທຌ100 ຃ຌ຺ ຑຍ຺ ທາໞ ຓາປຼຌ຋ີໃທິ຋ະງາແຖ຿ຈງ ກາຌດູ່ນຑ໣ ັກ ຅າ໣ ຌທຌ60 ຃຺ຌ ຅຺ໃຄຎະຓາຌຘັຈຘທໞ ຌຂບຄຌັກຘຶກຘາງິຄ຋ີໃຓາປຼຌ຿ຈງກາຌດູ່ນ໣ຑັກ຋ີໃ ຖະຈຍັ ຃ທາຓຽຆືບໃ ໝັຌໄ 95% 6. ຐ່າງຂາງຂບຄຍ໣ຖິຘັຈຂາງຎຸ໋ງ ຉໟບຄກາຌຎະຓາຌ຃ທາຓ຾ຉກຉໞາຄຂບຄຘັຈຘໞທຌ຃ທາຓຽຑິໃຄຑ໣ເ຅ເຌ ຃ຸຌຌະຑາຍຂບຄຎງຸ໋ ຂບຄຍຖ໣ ຘິ ັຈເຌ2 ຽຓືບຄຂບຄ຾ຂທຄໜຶໃຄ ຅ຶໃຄຘຸ່ຓຉ຺ທດ່າຄຏູ້ເຆ້ຎຸ໋ງຂບຄຍ໣ຖິຘັຈບ໣າ ຽຓືບຄ຋ໜີ ໃຄຶ ຅໣າຌທຌ300 ຃຺ຌ ຑຍ຺ ທາໞ ຓີ255 ຃຺ຌ ຋ີໃຑ໣ເ຅ເຌ຃ຸຌຌະຑາຍຂບຄຎຸ໋ງ ຾ຖະ ຘຸ່ຓຉ຺ທ ດ່າຄຏເູ້ ຆ້ຎຸງ໋ ບ໣າຽຓືບຄ຋ີໃຘບຄ຅໣າຌທຌ400 ຃຺ຌ ຑ຺ຍທໞາຓີ320 ຃຺ຌ ຋ີໃຑ໣ເ຅ເຌ຃ຸຌຌະຑາຍຂບຄຎຸງ ຅຺ໃຄຎະຓາຌ຃ທາຓຽຑໃິຄຑເ໣ ຅ເຌ຃ຸຌຌະຑາຍຂບຄຎຸ໋ງຂບຄຏູ້ເຆ້ຎຸ໋ງເຌຘບຄຽຓືບຄ ຂບຄ຾ຂທຄຈັໃຄກໞາທ ຂບຄຍຖ໣ ິຘຈັ ຾ນ່ຄຌີໄ ຋ໃີຖະຈຍັ ຃ທາຓຽຆືບໃ ໝຌັໄ 99% 7. ຌກັ ທແິ ຅ຏໜູ້ ຶໃຄ ຉໟບຄກາຌຘກຶ ຘາຽຊຄິ ຏ຺ຌກະ຋຺ຍຂບຄກາຌເຆ້ດາ຾ບັຈແຑຖິຌ ຂບຄ຃຺ຌຄາຌເຌ຿ຖຄຄາຌ ກຍັ ກາຌຽຎຌັ ຑະງາຈ ຅ຶໃຄແຈ້ຘຸ່ຓຉ຺ທດ່າຄ຃຺ຌຄາຌເຌ຿ຖຄຄາຌ຾ນ່ຄໜຶໃຄ ຅໣າຌທຌ20 ຖາງ ທັຈຖະຈັຍ creatinine ຑ຺ຍທໞາຓີ຃ໞາຘະຽຖໞງຽຎັຌ1.5 ຃ທຌຎ່ຼຌ0.25 ຅຺ໃຄຎະຓາຌ຃ໞາຘະ ຽຖໞງຖະຈັຍ creatinine ຂບຄ຃຺ຌຄາຌເຌ຿ຖຄຄາຌຌໄີ (ກ໣າຌ຺ຈຖະຈັຍ຃ທາຓຽຆໃືບນໝັໄຌ 95%) 8. ຅າກກາຌຘຸ່ຓຉ຺ທດ່າຄກາຌເຆ້ ຾ຍັຈຽຉີຖີ ຓືຊື ຘບຄ ຆະຌິຈ ຃ື ຆະຌິຈ A ຾ຖະ ຆະຌິຈ B ຆະຌິຈ ຖະ25 ຽ຃ໃືບຄ ຑ຺ຍທາໞ ຓີບາງກຸ າຌເຆຄ້ າຌຘະຽຖງໞ 1 , 400 ຆໃ຺ທ຿ຓຄ ຾ຖະ 1 , 200 ຆ຺ໃທ຿ຓຄ ຉາຓຖ໣າ ຈຍັ ຊາໟ ບາງກຸ າຌເຆ້ຄາຌຂບຄ຾ຍຈັ ຽຉຖີ ີ ຓືຊ຋ື ຄັ ຘບຄຆະຌຈິ ຓີກາຌ຾຅ກ຾຅ຄຎ຺ກກະຉິ ຾ຖະ ຓີຘໞທຌ ຍໞຼຄຽຍຌຓາຈຉະຊາຌ ຂບຄບາງກຸ າຌເຆ້ຄາຌຽຎັຌ200 ຾ຖະ 100 ຆໃທ຺ ຿ຓຄຉາຓຖາ໣ ຈຍັ ຅຺ໃຄຎະຓາຌ ຏ຺ຌຉາໞ ຄບາງກຸ າຌເຆ້ຄາຌຘະຽຖງໞ ຂບຄ຾ຍັຈຽຉີຖີ ຓືຊ຋ື ຄັ ຘບຄ ຋ີໃຖະຈຍັ ຃ທາຓຽຆບໃື ນໝັຌໄ 95% 122

9. ຅າກກາຌຘຓຸ່ ຉ຺ທດ່າຄຌັກຘກຶ ຘາທິ຋ະງາແຖບາຆີທຘຶກຘາ ຅໣າຌທຌ2 ກຸ່ຓໂ ຖະ 30 ຃຺ຌ ຽປັຈ຾ຍຍ ຋຺ຈຘບຍທິຆາຘະຊິຉິ ຾ຍຍຈຼທກັຌແຈ້຃ະ຾ຌຌຘະຽຖໞງ 67 ຾ຖະ 60 ຃ະ຾ຌຌ ຉາຓຖ໣າຈັຍ ຾ຖະ ຘໞທຌຍໞຼຄຽຍຌຓາຈຉະຊາຌ5.8 ຾ຖະ 3.5 ຉາຓຖ໣າຈັຍ ຅຺ໃຄຎະຓາຌ຃ໞາຉທາຓ຾ຉກຉໞາຄ຃ະ ຾ຌຌຘະ ຽຖງໞ ຂບຄຌກັ ຘຶກຘາ຋ຄັ ຘບຄກຓຸ່ ຋ໃຖີ ະຈັຍ຃ທາຓຽຆືໃບໝັຌໄ 90%. 10. ຅າກກາຌຘ່ຓຸ ຉ຺ທດ່າຄຌັກຘຶກຘາທິ຋ະງາແຖ ຅໣າຌທຌ 2 ກຓຸ່ ກຸ່ຓ຋ໃີ1 ຅໣າຌທຌ10 ຃຺ຌ ຾ຖະ ກຸ່ຓ ຋ໃ2ີ ຅໣າຌທຌ 8 ຃ຌ຺ ຽປຈັ ຾ຍຍ຋ຈ຺ ຘບຍທຆິ າຘະຊຉິ ິ ຾ຍຍຈຼທກຌັ ແຈ຃້ ະ຾ຌຌຘະຽຖງໞ 85 ຾ຖະ 60 ຃ະ຾ຌຌ ຉາຓຖາ໣ ຈັຍ ຾ຖະ ຘໞທຌຍໞຼຄຽຍຌຓາຈຉະຊາຌ 5 ຾ຖະ 7 ຉາຓຖ໣າຈັຍ ຊໟາຘ຺ຓຓຸຈ ທໞາຌກັ ຘຶກຘາ຋ຄັ ຘບຄກຸຓ່ ແຈ້຅າກຎະຆາກບຌ຋ໃີ຾຅ກ຾຅ຄຎ຺ກຉິ ຆຶໃຄຓີ຃ໞາ຃ທາຓຏັຌຎ່ຼຌຽ຋຺ໃາກັຌ ຅຺ໃຄ ຎະຓາຌ຃າໞ ຉທາຓ຾ຉກຉໞາຄ ຃ະ຾ຌຌຘະຽຖໞງຂບຄຌັກຘຶກຘາ຋ັຄຘບຄກຸ່ຓ຋ີໃຖະຈັຍ຃ທາຓຽຆືໃບນຓັໄຌ 99% . 11. ຅າກກາຌຘຓຸ່ ຉ຺ທດາ່ ຄຌັກຘກຶ ຘາທິ຋ະງາແຖ ຅າ໣ ຌທຌ2 ກຸ່ຓ ກຸ່ຓ຋ໃີ1 ຅າ໣ ຌທຌ 8 ຃ຌ຺ ຾ຖະ ກຓຸ່ ຋ໃີ 2 ຅າ໣ ຌທຌ 8 ຃ຌ຺ ຑ຺ຍທໞາຓີ຃າໞ ເຆ້຅ໞາງຘະຽຖໞງຉ໣ໃຓືໄ ຽຎັຌ 30.000 ຾ຖະ 5000 ກີຍ ຉາຓຖ໣າຈັຍ ຾ຖະ ຃າໞ ຃ທາຓຎັໃຌຎ່ທຌຽຎັຌ 24 ຾ຖະ 4 ຉາຓຖ໣າຈັຍ ຊໟາຘ຺ຓຓຸຈທໞາຌັກຘຶກຘາ຋ັຄຘບຄກຸ່ຓ ແຈ້ ຅າກຎະຆາກບຌ຋ໃ຾ີ ຅ກ຾຅ຄຎກ຺ ຉິ ຆຶໃຄຓີ຃າໞ ຃ທາຓຏັຌຎຼ່ ຌຍ໣ໃຽ຋ໃ຺າກັຌ ຅຺ໃຄຎະຓາຌ຃ໞາ຃ທາຓ຾ຉກຉໞາຄ ຂບຄ຃ໞາເຆ຅້ າໞ ງຘະຽຖໞງຂບຄຌກັ ຘກຶ ຘາ ຋ຄັ ຘບຄກຓຸ່ ຋ຖໃີ ະຈຍັ ຃ທາຓຽຆບໃື ໝໄຌັ 90% 123

ຽບກະຘາຌບາໟ ຄບຄີ Abbott, M. L. and J. McKinney (2012). Understanding and Applying Research Design, Wiley. Kothari, C. R. (2004). Research Methodology: Methods and Techniques, New Age International (P) Limited. Kumar, R. (2010). Research Methodology: A Step-by-Step Guide for Beginners, SAGE Publications. Building Approach, John Wiley & Sons. Cohen, 1969: 216-225 ຖະຑິຌ, 2549:160-159 Research Methodology for statistics Yamane′, 2542: 10-12 ຾ຖະ ຋າຌຌິ 2551 ,: 45-47 Research Methodology for statistics Department of Economic and Social Affairs Statistics division, Designing Household Survey Samples: Practical Guidelines. New York: United Nation, 2008. Statistics Canada Social Survey Methods Division Survey methods and practices , Minister responsible for Statistics Canada, 2003. Cochran, w.c. Sampling Techniques New York, John Wiley and Sons , 1963. Madison ,WI Sample design and weight calculation University of Wisconsin-Madison Department of Population Health Sciences , July 2008. Kish, L., Survey Sampling. New York: John Wiley and Sons, Inc, 1965. Statistics Canada , Power from data Estimation www.statcan.go.ca. ຎະຆຸຓ ຘຸທັຈຊີ, ຋ິຈຘະຈີກາຌຘາ໣ ຖທຈຈໟທງຉ຺ທດ່າຄ. ກຸຄຽ຋ຍຓະນາຌະ຃ບຌ: ຘະຊາຍັຌຍັຌຈິຈ ຑັຈ຋ະຌາຍ໣ຖິນາຌຘາຈ. 2517. ຘຸຖິຌ຋ບຌ ຌິງ຺ຓຓາຄກູຌ, ຽ຋ັກຌິກກາຌຘຸ່ຓຉ຺ທດ່າຄ. ກຸຄຽ຋ຍຓະນາຌະ຃ບຌ: ຘາ໣ ຌັກຑິຓຓະນາ ທິ຋ະງາແຖກະຽຘຈຘາຈ.2546. ບຓ຺ ທັຌ ນຖາໟ ຍຸຌ຃໣າ (2008).຃ູ່ຓກື າຌປຼຌກາຌຘບຌທິຆາກາຌ຃ຌໄ຺ ຃ທໟ າ ທິແ຅ ຾ຖະ ຘະຊຉິ ິຌ໣າເຆ້. ຃ະຌະ ທິ຋ະງາຘາຈຎາ່ ແຓ້, ຓະນາທິ຋ະງາແຖ຾ນ່ຄຆາຈ. ບ຺ຓທັຌ ນຖາໟ ຍຸຌ຃າ໣ (2008).຃ຓູ່ ືກາຌປຼຌກາຌຘບຌທິຆາຘະຊີຉທິ ິຽ຃າະ ຾ຖະ ຌາ໣ ເຆ້຃ະຌະທ຋ິ ະງາຘາຈ ຎາ່ ແຓ້, ຓະນາທ຋ິ ະງາແຖ຾ນຄ່ ຆາຈ. ກຌັ ຖະງາທາຌຘິ ຍັຌຆາ(2545)ກາຌເຆ້ SPSS for Windows ເຌກາຌທິຽ຃າະຂ໣ໄຓູຌກຸຄຽ຋ຍ,ຘາ໣ ຌັກຑິຓ຅ຖຸ າ ຖ຺ຄກບຌ ຘຓ຺ ຘກັ ຎັຌງາຘິຈ (2004) ຘະຊຉິ ຘິ ໣າຖຍັ ທິ຋ະງາຘາຈ຋໣າຓະຆາຈ. ຃ະຌະທ຋ິ ະງາຘາຈຎ່າແຓ້, ຓະນາທ຋ິ ະງາແຖ຾ນຄ່ ຆາຈ. ຘຌູ ຋ບຌ ຑຓ຺ ຓະຘບຌ. 1999. ຘະຊີຉິຑືໄຌຊາຌ. ຑຓີ ຋ໃີ ຿ປຄຑີຓທຼຄ຅ັຌ. ຌ຺ຍຑະຑບຌ ຋ະຌຌັ ແຆ (2009) ຘະຊິຉຽິ ຍືໄບຄຉຌ຺ໄ ຘາ໣ ຖັຍຄາຌທິແ຅ ຓ ຆຼຄເໝ.່ ຅ັກກິຈ ຘ໣າຖາຌເ຅. (27 ຑະ຅ິກ 2544). ກາຌກາ໣ ຌຈ຺ ຂະໜາຈຂບຄກຸ່ຓຉ຺ທດາ່ ຄຽຑືໃບກາຌທແິ ຅. ຘືຍ຃ຌໄ຺ ຓືໄ຋ີໃ 25 ຋ຌັ ທາ 2551, ຅າກ http: //www. jakkrit. lpru. ac. th/pdf/27_11_44/9. Pdf ຋ິຌຌະທຈຸ ຽບກະກຌຸ . (2543). ຖະຍຼຍທ຋ິ ີທແິ ຅຋າຄຑຈຶ ຉກິ ໣າຘາຈ ຾ຖະ ຘັຄ຃຺ຓຘາຈ. ບຸຍຌ຺ ຖາຈຘະ຋າຌ:ີ ຘະຊາຍັຌຖາຈຘະຑັຈບຍຸ ຌ຺ ຖາຈຘະ຋າຌ.ີ ຑທຄຖຈັ ຋ະທຖີ ັຈ. (2543). ທ຋ິ ີກາຌທິແ຅຋າຄຑຶຈຉກິ ໣າຘາຈ ຾ຖະ ຘັຄ຃ຓ຺ ຘາຈຑຓິ ຽ຋ບືໃ ຋ໃີ 8, ກຸຄຽ຋ຍ: ຅ຖຸ າ ຖຄ຺ ກບຌຓະນາທິ຋ະງາແຖ. 124

ຽບກະຘາຌ຾ຌຍ຋າໟ ງ ຉາຉະຖາຄ຃ທາຓຘຄູ ຂບຄກາ຅ັຈ຾຅ຄຎກ຺ ະຉິຘ໣າຖັຍຉ຺ທຎ່ຼ Z Z ຓີ຃າໞ ຾ຉ່ 0 ນາ 4 Seccond decimal Place in Z 0.03 0.04 0.05 0.06 0.07 0.08 0.09 Z 0.00 0.01 0.02 0.3989 0.3987 0.3985 0.3983 0.3981 0.3978 0.3974 0.0 0.3990 0.3990 0.3990 0.3957 0.3952 0.3946 0.3940 0.3933 0.3926 0.3919 0.1 0.3971 0.3966 0.3962 0.3886 0.3877 0.3868 0.3858 0.3848 0.3837 0.3826 0.2 0.3911 0.3903 0.3895 0.3779 0.3766 0.3753 0.3740 0.3726 0.3713 0.3698 0.3 0.3815 0.3803 0.3791 0.3638 0.3622 0.3606 0.3590 0.3573 0.3556 0.3539 0.4 0.3683 0.3669 0.3654 0.3468 0.3449 0.3430 0.3411 0.3392 0.3373 0.3353 0.5 0.3521 0.3504 0.3486 0.3272 0.3252 0.3231 0.3210 0.3188 0.3167 0.3145 0.6 0.3333 0.3313 0.3293 0.3057 0.3035 0.3012 0.2990 0.2967 0.2944 0.2921 0.7 0.3123 0.3101 0.3079 0.2828 0.2804 0.2781 0.2757 0.2733 0.2709 0.2686 0.8 0.2897 0.2875 0.2851 0.2590 0.2565 0.2541 0.2517 0.2493 0.2469 0.2445 0.9 0.2661 0.2638 0.2614 0.2348 0.2324 0.2300 0.2275 0.2251 0.2227 0.2203 1.0 0.2420 0.2396 0.2372 0.2108 0.2084 0.2060 0.2036 0.2013 0.1989 0.1966 1.1 0.2178 0.2155 0.2131 0.1873 0.1850 0.1827 0.1804 0.1782 0.1759 0.1737 1.2 0.1941 0.1919 0.1896 0.1648 0.1626 0.1604 0.1583 0.1561 0.1540 0.1519 1.3 0.1713 0.1692 0.1670 0.1436 0.1415 0.1395 0.1375 0.1355 0.1335 0.1315 1.4 0.1497 0.1477 0.1456 0.1238 0.1219 0.1201 0.1182 0.1164 0.1145 0.1127 1.5 0.1295 0.1276 0.1257 0.1057 0.1040 0.1023 0.1006 0.0990 0.0973 0.0957 1.6 0.1109 0.1092 0.1074 0.0894 0.0878 0.0863 0.0848 0.0833 0.0819 0.0804 1.7 0.0940 0.0925 0.0909 0.0748 0.0734 0.0721 0.0708 0.0695 0.0682 0.0669 1.8 0.0789 0.0776 0.0762 0.0620 0.0608 0.0596 0.0585 0.0573 0.0562 0.0551 1.9 0.0656 0.0644 0.0632 0.0508 0.0498 0.0488 0.0478 0.0468 0.0459 0.0449 2.0 0.0539 0.0529 0.0519 0.0413 0.0404 0.0396 0.0387 0.0379 0.0371 0.0363 2.1 0.0439 0.0431 0.0422 0.0332 0.0325 0.0318 0.0310 0.0304 0.0297 0.0290 2.2 0.0354 0.0347 0.0340 0.0264 0.0258 0.0252 0.0246 0.0241 0.0235 0.0229 2.3 0.0283 0.0277 0.0271 0.0208 0.0203 0.0198 0.0194 0.0189 0.0184 0.0180 2.4 0.0224 0.0219 0.0214 0.0163 0.0159 0.0155 0.0151 0.0147 0.0143 0.0139 2.5 0.0175 0.0171 0.0167 0.0126 0.0122 0.0119 0.0116 0.0113 0.0110 0.0107 2.6 0.0136 0.0132 0.0129 0.0096 0.0094 0.0091 0.0089 0.0086 0.0084 0.0081 2.7 0.0104 0.0101 0.0099 0.0073 0.0071 0.0069 0.0067 0.0065 0.0063 0.0061 2.8 0.0079 0.0077 0.0075 0.0055 0.0053 0.0051 0.0050 0.0049 0.0047 0.0046 2.9 0.0059 0.0058 0.0056 0.3 0.4 0.5 0.6 0.7 0.8 0.9 First decimal place in Z 0.0017 0.0012 0.0009 0.0006 0.0004 0.0003 0.0002 Z 0.0 0.1 0.2 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 3 0.0044 0.0033 0.0024 4 0.0001 0.0001 0.0001 125

ຉາຉະຖາຄ຃ທາຓຊຘໃີ ະຘຓ຺ ຂບຄກາຌ-຅ຈັ ຾຅ຄຎກ຺ ະຉິຘ໣າຖັຍຉ຺ທຎ່ຼ Z, Z ຓ຃ີ າໞ ຾ຉ່ 0 ນາ 4 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 Z 0.00 0.01 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359 0.0 0.0000 0.0040 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753 0.1 0.0398 0.0438 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141 0.2 0.0793 0.0832 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517 0.3 0.1179 0.1217 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879 0.4 0.1554 0.1591 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224 0.5 0.1915 0.1950 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549 0.6 0.2257 0.2291 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852 0.7 0.2580 0.2611 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133 0.8 0.2881 0.2910 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389 0.9 0.3159 0.3186 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621 1.0 0.3413 0.3438 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830 1.1 0.3643 0.3665 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015 1.2 0.3849 0.3869 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177 1.3 0.4032 0.4049 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319 1.4 0.4192 0.4207 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441 1.5 0.4332 0.4345 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545 1.6 0.4452 0.4463 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633 1.7 0.4554 0.4564 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706 1.8 0.4641 0.4649 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767 1.9 0.4713 0.4719 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817 2.0 0.4772 0.4778 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857 2.1 0.4821 0.4826 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890 2.2 0.4861 0.4864 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916 2.3 0.4893 0.4896 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936 2.4 0.4918 0.4920 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952 2.5 0.4938 0.4940 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964 2.6 0.4953 0.4955 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974 2.7 0.4965 0.4966 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981 2.8 0.4974 0.4975 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986 2.9 0.4981 0.4982 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990 3.0 0.4987 0.4987 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993 3.1 0.4990 0.4991 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995 3.2 0.4993 0.4993 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997 3.3 0.4995 0.4995 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998 3.4 0.4997 0.4997 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 3.5 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 3.8 0.4999 0.4999 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 4.0 0.5000 0.5000 126

ຉາຉະຖາຄກາ຅ຈັ ຾຅ຄ຾ຍຍຎທ຺ ຆຄໃ຺ Poisson Probability Sum P(x,μ) μ χ 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066 1 0.9953 0.9825 0.9631 0.9384 0.9098 0.8781 0.8442 0.8088 0.7725 2 0.9998 0.9989 0.9964 0.9921 0.9856 0.9769 0.9659 0.9526 0.9371 3 1.0000 0.9999 0.9997 0.9992 0.9982 0.9966 0.9942 0.9909 0.9865 4 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996 0.9992 0.9986 0.9977 5 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9997 6 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 0 0.3679 0.2231 0.1353 0.0821 0.0498 0.0302 0.0183 0.0111 0.0067 1 0.7358 0.5578 0.4060 0.2873 0.1991 0.1359 0.0916 0.0611 0.0404 2 0.9197 0.8088 0.6767 0.5438 0.4232 0.3208 0.2381 0.1736 0.1247 3 0.9810 0.9344 0.8571 0.7576 0.6472 0.5366 0.4335 0.3423 0.2650 4 0.9963 0.9814 0.9473 0.8912 0.8153 0.7254 0.6288 0.5321 0.4405 5 0.9994 0.9955 0.9834 0.9580 0.9161 0.8576 0.7851 0.7029 0.6160 6 0.9999 0.9991 0.9955 0.9858 0.9665 0.9347 0.8893 0.8311 0.7622 7 1.0000 0.9998 0.9989 0.9958 0.9881 0.9733 0.9489 0.9134 0.8666 8 1.0000 1.0000 0.9998 0.9989 0.9962 0.9901 0.9786 0.9597 0.9319 9 1.0000 1.0000 1.0000 0.9997 0.9989 0.9967 0.9919 0.9829 0.9682 10 1.0000 1.0000 1.0000 0.9999 0.9997 0.9990 0.9972 0.9933 0.9863 11 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9991 0.9976 0.9945 12 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9992 0.9980 13 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9993 14 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 15 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 16 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 127

ຉາຉະຖາຄກາຌ຅ັຈ຾຅ຄ຾ຍຍຎທ຺ໃ ຆຄໃ຺ (ຉ)ໃ໣ 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 0 0.0041 0.0025 0.0015 0.0009 0.0006 0.0003 0.0002 0.0001 0.0001 1 0.0266 0.0174 0.0113 0.0073 0.0047 0.0030 0.0019 0.0012 0.0008 2 0.0884 0.0620 0.0430 0.0296 0.0203 0.0138 0.0093 0.0062 0.0042 3 0.2017 0.1512 0.1118 0.0818 0.0591 0.0424 0.0301 0.0212 0.0149 4 0.3575 0.2851 0.2237 0.1730 0.1321 0.0996 0.0744 0.0550 0.0403 5 0.5289 0.4457 0.3690 0.3007 0.2414 0.1912 0.1496 0.1157 0.0885 6 0.6860 0.6063 0.5265 0.4497 0.3782 0.3134 0.2562 0.2068 0.1649 7 0.8095 0.7440 0.6728 0.5987 0.5246 0.4530 0.3856 0.3239 0.2687 8 0.8944 0.8472 0.7916 0.7291 0.6620 0.5925 0.5231 0.4557 0.3918 9 0.9462 0.9161 0.8774 0.8305 0.7764 0.7166 0.6530 0.5874 0.5218 10 0.9747 0.9574 0.9332 0.9015 0.8622 0.8159 0.7634 0.7060 0.6453 11 0.9890 0.9799 0.9661 0.9467 0.9208 0.8881 0.8487 0.8030 0.7520 12 0.9955 0.9912 0.9840 0.9730 0.9573 0.9362 0.9091 0.8758 0.8364 13 0.9983 0.9964 0.9929 0.9872 0.9784 0.9658 0.9486 0.9261 0.8981 14 0.9994 0.9986 0.9970 0.9943 0.9897 0.9827 0.9726 0.9585 0.9400 15 0.9998 0.9995 0.9988 0.9976 0.9954 0.9918 0.9862 0.9780 0.9665 16 0.9999 0.9998 0.9996 0.9990 0.9980 0.9963 0.9934 0.9889 0.9823 17 1.0000 0.9999 0.9998 0.9996 0.9992 0.9984 0.9970 0.9947 0.9911 18 1.0000 1.0000 0.9999 0.9999 0.9997 0.9993 0.9987 0.9976 0.9957 19 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9995 0.9989 0.9980 20 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996 0.9991 21 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996 22 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9999 23 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 24 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 128

ຉາຉະຖາຄກາຌ຅ຈັ ຾຅ຄ຾ຍຍຎ຺ທໃ ຆຄ຺ໃ (ຉ)ໃ໣ 10 11 12 13 14 15 16 17 18 0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1 0.0005 0.0002 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2 0.0028 0.0012 0.0005 0.0002 0.0001 0.0000 0.0000 0.0000 0.0000 3 0.0103 0.0049 0.0023 0.0011 0.0005 0.0002 0.0001 0.0000 0.0000 4 0.0293 0.0151 0.0076 0.0037 0.0018 0.0009 0.0004 0.0002 0.0001 5 0.0671 0.0375 0.0203 0.0107 0.0055 0.0028 0.0014 0.0007 0.0003 6 0.1301 0.0786 0.0458 0.0259 0.0142 0.0076 0.0040 0.0021 0.0010 7 0.2202 0.1432 0.0895 0.0540 0.0316 0.0180 0.0100 0.0054 0.0029 8 0.3328 0.2320 0.1550 0.0998 0.0621 0.0374 0.0220 0.0126 0.0071 9 0.4579 0.3405 0.2424 0.1658 0.1094 0.0699 0.0433 0.0261 0.0154 10 0.5830 0.4599 0.3472 0.2517 0.1757 0.1185 0.0774 0.0491 0.0304 11 0.6968 0.5793 0.4616 0.3532 0.2600 0.1848 0.1270 0.0847 0.0549 12 0.7916 0.6887 0.5760 0.4631 0.3585 0.2676 0.1931 0.1350 0.0917 13 0.8645 0.7813 0.6815 0.5730 0.4644 0.3632 0.2745 0.2009 0.1426 14 0.9165 0.8540 0.7720 0.6751 0.5704 0.4657 0.3675 0.2808 0.2081 15 0.9513 0.9074 0.8444 0.7636 0.6694 0.5681 0.4667 0.3715 0.2867 16 0.9730 0.9441 0.8987 0.8355 0.7559 0.6641 0.5660 0.4677 0.3751 17 0.9857 0.9678 0.9370 0.8905 0.8272 0.7489 0.6593 0.5640 0.4686 18 0.9928 0.9823 0.9626 0.9302 0.8826 0.8195 0.7423 0.6550 0.5622 19 0.9965 0.9907 0.9787 0.9573 0.9235 0.8752 0.8122 0.7363 0.6509 20 0.9984 0.9953 0.9884 0.9750 0.9521 0.9170 0.8682 0.8055 0.7307 21 0.9993 0.9977 0.9939 0.9859 0.9712 0.9469 0.9108 0.8615 0.7991 22 0.9997 0.9990 0.9970 0.9924 0.9833 0.9673 0.9418 0.9047 0.8551 23 0.9999 0.9995 0.9985 0.9960 0.9907 0.9805 0.9633 0.9367 0.8989 24 1.0000 0.9998 0.9993 0.9980 0.9950 0.9888 0.9777 0.9594 0.9317 25 1.0000 0.9999 0.9997 0.9990 0.9974 0.9938 0.9869 0.9748 0.9554 26 1.0000 1.0000 0.9999 0.9995 0.9987 0.9967 0.9925 0.9848 0.9718 27 1.0000 1.0000 0.9999 0.9998 0.9994 0.9983 0.9959 0.9912 0.9827 28 1.0000 1.0000 1.0000 0.9999 0.9997 0.9991 0.9978 0.9950 0.9897 29 1.0000 1.0000 1.0000 1.0000 0.9999 0.9996 0.9989 0.9973 0.9941 30 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9994 0.9986 0.9967 31 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9993 0.9982 32 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9996 0.9990 33 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9995 34 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 35 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 36 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 37 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 - 129

ຉາຉະຖາຄຽຖກຘຓຸ່ 130

ຉາຉະຖາຄຽຖກຘຓຸ່ ຉ໣ໃ 131

ຉາຉະຖາຄຽຖກຘຓຸ່ ຉ໣ໃ 132