단순 랜덤 샘플링은 더 많은 모집단에서 더 작은 샘플 크기를 추출하고 더 큰 그룹에 대한 일반화를 연구하고 만드는 데 사용되는 방법입니다. 통계 학자와 연구원이 더 많은 인구 집단에서 표본을 추출하는 데 사용하는 몇 가지 방법 중 하나입니다. 다른 방법으로는 계층화 된 랜덤 샘플링과 확률 샘플링이 있습니다. 간단한 무작위 표본의 장점은 사용하기 쉬우 며 더 많은 인구를 정확하게 표현한다는 것입니다.
간단한 무작위 샘플 생성 방법
연구원은 더 많은 인구의 전체 목록을 얻은 다음 무작위로 샘플을 구성 할 특정 개체 수를 선택하여 간단한 무작위 샘플을 생성합니다. 간단한 무작위 표본을 사용하면 더 많은 모집단의 모든 구성원을 선택할 수있는 기회가 동일합니다.
연구원은 간단한 무작위 표본을 생성하는 두 가지 방법이 있습니다. 하나는 수동 복권 방법입니다. 더 큰 인구 그룹의 각 구성원에게 번호가 할당됩니다. 다음으로, 샘플 그룹을 구성하기 위해 숫자가 무작위로 그려집니다. 인구가 1, 000 명인 고등학교에서 100 명의 학생을 대상으로 간단한 무작위 표본을 채취하는 경우 모든 학생은 10 명 중 1 명을 선택해야합니다.
수동 복권 방법은 소수의 사람들에게는 효과적이지만 더 큰 사람들에게는 적합하지 않습니다. 이러한 상황에서 연구원들은 컴퓨터로 생성 된 선택을 선호합니다. 그것은 같은 원리를 통해 작동하지만 인간이 아닌 정교한 컴퓨터 시스템은 숫자를 할당하고 무작위로 선택합니다.
오류를위한 공간
간단한 랜덤 표본을 사용하면 더하기 및 빼기 분산으로 표시되는 오차의 여지가 있어야합니다. 예를 들어, 같은 고등학교에서 얼마나 많은 학생들이 왼손잡이인지를 조사하기 위해 설문 조사를한다면, 무작위 표본 추출은 100 개 표본 중 8 개가 왼손 잡임을 결정할 수 있습니다. 결론은 고등학교 학생 인구의 8 %가 왼손잡이이며 실제로 세계 평균이 10 %에 가까울 것이라는 결론입니다.
주제에 관계없이 마찬가지입니다. 녹색 눈을 가지고 있거나 신체적으로 무능력한 학생 인구의 백분율에 대한 설문 조사는 단순한 무작위 설문 조사를 기반으로 높은 수학적 확률을 제공하지만 항상 플러스 또는 마이너스 분산을 갖습니다. 100 %의 정확도를 얻는 유일한 방법은 가능한 한 비현실적인 1, 000 명의 학생을 조사하는 것입니다.
랜덤 샘플링의 장점
간단한 무작위 샘플 장점은 사용의 용이성과 표현의 정확성을 포함합니다. 단순한 무작위 표본 추출보다 더 많은 집단에서 연구 표본을 추출하는 쉬운 방법이 없습니다. 인구를 소집단으로 나누거나 더 큰 그룹에서 무작위로 필요한 수의 연구 주제를 뽑는 것보다 더 많은 조치를 취할 필요가 없습니다. 다시 한 번, 요구 사항은 무작위성이 선택 과정을 지배하고 더 많은 인구의 각 구성원이 동일한 선택 가능성을 가져야한다는 것입니다.
더 큰 집단에서 무작위로 대상을 완전히 선택하면 연구 대상 그룹을 대표하는 표본이 생성됩니다. 간단한 랜덤 샘플링이 올바르게 수행 될 때 40만큼 작은 샘플 크기조차도 낮은 샘플링 에러를 나타낼 수 있습니다. 인구에 대한 모든 유형의 연구에서 대표 표본을 사용하여 더 큰 그룹에 대한 추론 및 일반화가 중요합니다. 치우친 표본은 더 많은 집단에 대해 잘못된 결론을 도출 할 수 있습니다.
단순 무작위 샘플링은 이름이 나타내는 것처럼 간단하며 정확합니다. 이 두 특성은 더 많은 인구에 대한 연구를 수행 할 때 간단한 무작위 샘플링이 다른 샘플링 방법보다 강력한 이점을 제공합니다.
