简单的随机抽样：定义，优势和缺点

什么是简单的随机抽样？

简单的随机抽样（SRS）是一种研究人员，研究人员从较大群体或人群中选择一个随机子集。在简单的随机抽样中，该组的每个成员都有相等的机会选择。该方法通常用于统计（应用数学分支），以获取代表较大人群的样本。

这简单的随机抽样方法允许研究人员统计地测量从较大群体中选择的个体的子集或人口近似整个组的响应。简而言之，您可以通过检查较小的样本来推断大量人群。

该研究方法通常用于统计分析，用于识别许多不同领域的趋势，包括业务和金融。个人可以使用统计研究的发现来更好地决定其金钱，企业和投资。

SRS既有好处又具有弊端。我们在本文中强调了这些利弊，并概述了简单的随机抽样。

了解简单的随机抽样

如上所述，简单的随机抽样涉及选择较大人口的较小子集。这是随机完成的。但是这里的捕捉是，将选择子集中的任何样本都有相等的机会。当研究人员想对较大的人群进行概括时，他们倾向于选择这种采样方法。

可以通过使用以下方式进行简单的随机抽样：

• 彩票方法：此方法涉及向数据集的每个成员分配一个数字，然后随机从这些成员中选择一组规定的数字集。
• 技术：使用诸如此类的软件程序Excel使进行随机抽样变得更容易。研究人员只需要确保正确布置所有公式和投入。

要进行简单的随机抽样工作，研究人员必须知道总人口规模。他们还必须能够消除所有偏见的提示，因为简单的随机抽样旨在是一种完全无偏见的方法，可以从大组中获得响应。

请记住，随机采样有错误的空间。通过添加加号或负号来指出这一点方差到结果。为了避免任何错误，研究人员必须研究整个人群，这些人群并非总是可能的。

简单随机抽样的优点

简单的随机抽样可能很容易执行（如名称所建议的那样），但并不经常使用，尽管这并不意味着不应该使用它。只要正确完成，这种抽样方法就有某些不同的优势。

缺乏偏见

简单随机抽样的使用消除了所有提示偏见- 或者至少应该。因为构成较大群体子集的个人是随机选择的，所以大人群集中的每个人都有相同的选择。在大多数情况下，这会产生一个平衡的子集，该子集具有代表整个较大群体的最大潜力。

这是一种简单的方法，可以显示研究人员在进行简单的随机抽样时如何消除偏见。假设一个碗中有100个宾果游戏球，研究人员必须从中选择10个。为了消除任何偏见，个人必须闭上眼睛或在选择球时移开视线。

简单

顾名思义，制作一个简单的随机样本比其他方法。使用这种方法没有涉及的特殊技能，这可能会导致相当可靠的结果。这与其他抽样方法相反分层随机抽样。该方法涉及将较大的组分为称为地层的较小亚组。根据他们共享的任何属性，将成员分为这些组。如前所述，子集中的个体是随机选择的，并且没有其他步骤。

需要更少的知识

我们已经确定，简单的随机抽样是一种非常简单的采样方法。但是还有另一个类似的好处：它几乎不需要特殊知识。这意味着进行研究的个人不需要拥有有关较大人群的任何信息或知识，以有效地完成工作。

简单随机抽样的缺点

尽管使用简单的随机样本有明显的优势，但它确实带有固有的缺点。这些缺点包括收集特定人群的完整列表所需的时间，检索和联系该列表所需的资本以及当样本集不足以充分代表全部人群时可能发生的偏见。我们在下面详细介绍。

难以访问全部人口列表

只有在可以研究要研究的整个人群的完整列表时，才能以简单的随机抽样获得准确的统计量度。想想一所大学的学生或特定公司的一组员工清单。

问题在于这些列表的可访问性。因此，获取整个列表可能会带来挑战。一些大学或大学可能不想提供研究的完整列表或教师进行研究。同样，由于隐私政策，特定的公司可能不愿意或能够交出有关员工群体的信息。

耗时

当没有较大人口的完整列表时，试图进行简单随机抽样的个人必须从其他来源收集信息。如果公开可用，则可以使用较小的子集列表来重新创建较大人口的完整列表，但是此策略需要时间才能完成。

将数据保存在学生，员工和个人消费者方面的组织通常会施加冗长的检索过程，这些过程可能会使研究人员能够获取有关整个人群的最准确信息的能力。

费用

除了从各种来源收集信息所需的时间外，该过程可能使公司或个人花费大量资本。从第三方数据提供商中检索人口或较小子集列表的完整列表可能需要每次提供数据时付款。

如果样本不够大，无法在第一轮简单的随机抽样中表示整个人群的观点，请购买其他列表或数据库以避免采样错误可能是过敏的。

样品选择偏见

尽管简单的随机抽样旨在是一种公正的测量方法，但样品选择偏见可能发生。当较大人群的样本集不够包容时，将偏向全部人口的表示，需要额外的抽样技术。

数据质量取决于研究人员质量

任何抽样方法的成功都取决于研究人员彻底完成工作的意愿。一个不愿遵守规则或偏离手头任务的人不会有助于获得可靠的结果。例如，如果研究人员不提出适当的问题或提出错误的问题，可能会有问题。这可能会造成隐性偏见，最终出现在一项偏斜的研究中。

底线

研究大量人群可能非常困难。从每个成员那里获取信息可能是昂贵且耗时的。这就是为什么研究人员转向随机抽样来帮助得出他们做出关键决策所需的结论，这是否意味着提供提供居民需要的服务，做出更好的业务决策，还是执行投资者投资组合中的更改。

只要您消除所有偏见，简单的随机抽样就相对易于进行。这样做意味着在进行研究之前，您必须拥有有关较大人口的每个成员的信息。这可能相对简单，需要很少的知识。但是请记住，这个过程可能会昂贵，并且可能很难访问有关所有人口成员的信息。