統計學是應用數學的一個分支，它通過研究較小的事件或對象來幫助我們瞭解大型數據集。簡而言之，您可以通過檢查較小的樣本來推斷大量人口。統計分析通常用於識別許多不同領域的趨勢，包括商業和金融。個人可以利用統計研究的結果對他們的資金、業務和投資做出更好的決策。
研究人員通常從一個簡單的隨機樣本開始。這使他們能夠從統計上測量從更大的羣體或人羣中選擇的個體子集，以近似整個羣體的反應。這種研究方法既有優點也有缺點。我們在本文中重點介紹了這些優缺點，以及簡單隨機抽樣的概述。
要點
- 一個簡單的隨機樣本是研究人員用來從更大的人羣中選擇樣本的方法之一。
- 如果選擇人口中的任何受試者的機會均等，則此方法有效。
- 研究人員選擇簡單的隨機抽樣來對總體進行概括。
- 主要優點包括它的簡單性和沒有偏見。
- 缺點之一是難以獲得更多人口、時間、成本的列表，並且在某些情況下仍可能出現偏見。
簡單隨機樣本：概述
如上所述，簡單隨機抽樣涉及選擇較大總體中的較小子集。這是隨機完成的。但這裏的問題是，選擇子集中的任何樣本的機會均等。當研究人員想要對更大的人羣進行概括時，他們傾向於選擇這種抽樣方法。
可以使用以下方法進行簡單隨機抽樣：
- 抽獎方式。該方法包括爲數據集的每個成員分配一個數字，然後從這些成員中隨機選擇一組規定的數字。
- 技術。使用Excel等軟件程序可以更輕鬆地進行隨機抽樣。研究人員只需確保所有公式和輸入都正確佈局。
爲了使簡單的隨機抽樣起作用，研究人員必須知道總人口規模。他們還必須能夠消除所有偏見的跡象，因爲簡單的隨機抽樣是一種完全無偏見的方法，可以從一大羣人中獲得回應。
請記住，隨機抽樣存在誤差空間。這通過在結果中添加正負方差來記錄。爲了避免任何錯誤，研究人員必須研究整個人羣，這並不總是可能的。
爲確保不會出現偏見，研究人員必須從足夠數量的受訪者那裏獲得回覆，但由於時間或預算限制，這可能是不可能的。
簡單隨機樣本的優點
簡單的隨機抽樣可能很容易執行（顧名思義），但它並不經常使用。但這並不意味着它不應該被使用。只要做得好，這種抽樣方法就有一定的明顯優勢。
缺乏偏見
使用簡單的隨機抽樣可以消除所有偏見的跡象——或者至少應該如此。因爲構成較大羣體子集的個體是隨機選擇的，所以大羣體集中的每個個體都具有相同的被選中概率。在大多數情況下，這會創建一個平衡的子集，該子集最有可能代表整個更大的羣體。
這是一個簡單的方法來展示研究人員在進行簡單隨機抽樣時如何消除偏差。假設一個碗中有 100 個賓果球，研究人員必須從中選擇 10 個。爲了消除任何偏見，個人在選擇球時必須閉上眼睛或將視線移開。
簡單
顧名思義，產生一個簡單的隨機樣本比其他方法要簡單得多。使用這種方法沒有任何特殊技能，可以產生相當可靠的結果。這與分層隨機抽樣等其他抽樣方法形成對比。此方法涉及將較大的組劃分爲稱爲分層的較小子組。成員根據他們共享的任何屬性分爲這些組。如前所述，子集中的個體是隨機選擇的，沒有額外的步驟。
所需知識較少
我們已經確定簡單隨機抽樣是一種執行起來非常簡單的抽樣方法。但還有另一個類似的好處：它幾乎不需要特殊知識。這意味着進行研究的個人不需要擁有任何關於更大人羣的信息或知識就可以有效地完成他們的工作。
確保來自較大組的樣本子集具有足夠的包容性。不能充分反映整個人口的樣本將導致結果有偏差。
簡單隨機樣本的缺點
儘管使用簡單的隨機樣本有明顯的優勢，但它確實存在固有的缺點。這些缺點包括收集特定人羣的完整列表所需的時間、檢索和聯繫該列表所需的資金，以及當樣本集不足以充分代表全部人羣時可能出現的偏差。我們將在下面詳細介紹。
難以訪問全部人口的名單
只有在獲得要研究的整個人口的完整列表時，才能通過簡單的隨機抽樣獲得對大量人口的準確統計測量。想想大學的學生名單或特定公司的一組員工。
問題在於這些列表的可訪問性。因此，訪問整個列表可能會帶來挑戰。一些大學或學院可能不想提供完整的學生或教師名單以供研究。同樣，由於隱私政策，特定公司可能不願意或無法交出有關員工羣體的信息。
耗時的
當無法獲得較大人口的完整列表時，嘗試進行簡單隨機抽樣的個人必須從其他來源收集信息。如果公開可用，則可以使用較小的子集列表來重新創建較大人口的完整列表，但此策略需要時間才能完成。
保存學生、員工和個人消費者數據的組織通常會實施冗長的檢索過程，這可能會阻礙研究人員獲取有關整個人羣的最準確信息的能力。
費用
除了從各種來源收集信息所花費的時間外，該過程可能會使公司或個人花費大量資金。每次提供數據時，從第三方數據提供商處檢索人口的完整列表或較小的子集列表可能需要付費。
如果在第一輪簡單隨機抽樣期間樣本不足以代表整個人口的觀點，那麼購買額外的列表或數據庫以避免抽樣錯誤可能會令人望而卻步。
樣本選擇偏差
儘管簡單隨機抽樣旨在成爲一種不偏不倚的調查方法，但可能會出現樣本選擇偏差。當較大羣體的樣本集不夠包容時，整個羣體的代表性就會出現偏差，需要額外的抽樣技術。
數據質量取決於研究人員的資格
任何抽樣方法的成功都取決於研究人員徹底完成工作的意願。不願意遵守規則或偏離手頭任務的人將無助於獲得可靠的結果。例如，如果研究人員沒有提出適當的問題或提出了錯誤的問題，則可能會出現問題。這可能會產生隱性偏見，最終導致研究出現偏差。
什麼是簡單隨機抽樣？
術語簡單隨機抽樣是指較大人口中的一小部分。該部分的每個成員都有相同的機會被選中。出於這個原因，一個簡單的隨機抽樣意味着它在代表更大的羣體時是沒有偏見的。這種方法通常有出錯的餘地，由加號或減號表示。這被稱爲抽樣誤差。
如何進行簡單隨機抽樣？
簡單隨機抽樣涉及通過選取較小的子集來研究較大的人口。隨機選擇該子組並進行研究以獲得所需的結果。爲了使這種抽樣方法起作用，研究人員必須知道較大人口的規模。子集的選擇必須是無偏的。
隨機抽樣的四種類型是什麼？
隨機抽樣有四種類型。簡單隨機抽樣涉及對較大人羣中較小子集的無偏研究。分層隨機抽樣使用從基於共享特徵和屬性的較大總體中派生的較小組。系統抽樣是一種涉及較大數據集的特定成員的方法。這些樣本是基於使用固定的週期性間隔的隨機起點選擇的。隨機抽樣的最後一種類型是聚類抽樣，它獲取數據集的成員並根據共享特徵將它們放入聚類中。然後研究人員隨機選擇集羣進行研究。
什麼時候最好使用簡單隨機抽樣？
當您有較小的數據集要研究時，使用簡單的隨機抽樣總是一個好主意。這使您可以產生更能代表總體人口的更好結果。請記住，此方法需要單獨識別和選擇較大羣體中的每個成員，這通常具有挑戰性且耗時。
歸納總結
研究大量人羣可能非常困難。從每個成員那裏獲取信息可能既昂貴又耗時。這就是爲什麼研究人員求助於隨機抽樣來幫助得出他們做出關鍵決策所需的結論，無論這意味着幫助提供居民需要的服務、做出更好的商業決策，還是在投資者的投資組合中執行變化。
只要您消除任何和所有偏見的暗示，簡單的隨機抽樣相對容易進行。這樣做意味着在進行研究之前，您必須掌握大量人口中每個成員的信息。這可以相對簡單並且需要很少的知識。但請記住，該過程可能成本高昂，並且可能很難獲得有關所有人口成員的信息。