Исследователи применяют несколько мер предосторожности для обеспечения того, чтобы простая случайная выборка точно представляла большую популяцию. Они используют процесс выбора, который делает рандомизацию первостепенной и тем самым устраняет смещение выбора. Исследователи гарантируют, что они будут иметь исчерпывающий и точный список всего изучаемого населения, прежде чем выбирать для использования простой случайной выборки; в противном случае они выбирают метод выборки, который не требует выполнения этого условия. Они обеспечивают, чтобы их образец был достаточно большим, чтобы исключить ошибку выборки, которая возникает из-за слишком малого размера выборки.
Простая случайная выборка дает способ проведения статистического анализа на большой популяции, не имея при этом необходимости изучать каждого отдельного члена населения. Например, предположим, что исследователь хочет провести исследование с участием всех студентов-мужчин в UCLA. Это представляет собой неотъемлемую проблему, потому что UCLA - это огромная школа и оценивающая всех мужчин, которые занимают очень много времени, не говоря уже об ненужных, учитывая многочисленные методы выборки.
С помощью простой случайной выборки заранее определенное количество мужчин из UCLA извлекается случайным образом из большей популяции и используется в качестве предметов исследования. Чтобы этот метод работал, случайная выборка должна быть репрезентативной для большей популяции. Первый шаг исследователей заключается в том, чтобы использовать процесс выбора, который подчеркивает случайность. Одним из жизнеспособных процессов является ручная система лотереи, в которой исследователи назначают каждому члену более крупного населения уникальный номер, а затем произвольно рисуют числа, чтобы создать образец исследования. Еще один вариант заключается в том, чтобы исследователи автоматизировали процесс с помощью компьютерной программы, которая случайным образом выбирает испытуемых из более широкой популяции.
Для того, чтобы любой метод выбора работал, исследователи должны иметь возможность получить точный и исчерпывающий список всего населения. Если это невозможно, простая случайная выборка невозможна и должен быть выбран другой метод выборки. Для многих групп населения, например, для примера UCLA, можно получить полный список. Когда это происходит, исследователи часто выбирают простой случайный выбор из-за простоты использования.
Ошибка выборки становится больше проблемой с размером выборки, который чрезвычайно мал по сравнению с большей численностью населения. Для того, чтобы образец мужчин из UCLA был репрезентативным, его коллеги по предметам должны быть пропорционально распределены по численности населения. Однако, если размер выборки составляет всего 20, можно заключить 15 или более гуманитарных специальностей - подобно тому, как 20 монетных флагов могут производить 15 или более голов.Эти ошибки выборки уменьшаются при больших размерах выборки. Триста монетных флипов могут дать гораздо ближе к 50% головам, в то время как размер выборки из 300 человек колледжа обязательно создаст разнообразное сочетание майоров. Большой размер выборки помогает обеспечить репрезентативную выборку.
Насколько точным или важным является коэффициент покрытия долга (DSCR) при оценке того, нужно ли инвестировать во что-то?
См., Как инвесторы могут использовать коэффициент покрытия долга для оценки платежеспособности компании до принятия инвестиционного решения.
Каковы преимущества использования простой случайной выборки для изучения большего населения?
Узнайте, как работает простая случайная выборка и какие преимущества она предлагает по сравнению с другими методами выборки при выборе исследовательской группы из более широкой группы населения.
Как стратифицированная случайная выборка влияет на решения государственной политики?
Понимают, как правительства используют стратифицированную случайную выборку для сбора более точных данных, чтобы помочь в принятии более обоснованных политических решений.