a:

Tutkijat työllistävät useita takeita sen varmistamiseksi, että yksinkertainen satunnaisotanta kuvaa tarkasti suurempaa väestöä. He käyttävät valintaprosessia, joka tekee satunnaistamisen ensiarvoisen tärkeäksi ja poistaa siten valinnan väärinkäytön. Tutkijat varmistavat, että heillä on kattava ja tarkka luettelo tutkittavalle koko väestölle ennen kuin he valitsevat yksinkertaisen satunnaisotoksen käyttämisen; muuten he valitsevat näytteenottomenetelmän, joka ei vaadi tämän ehdon täyttymistä. Ne varmistavat, että näyte on riittävän suuri poistamaan näytteenottovirhe, joka on liian pieni näytekoko.

Yksinkertainen satunnaisnäyte antaa keinon tehdä tilastollista analyysia suurelle väestölle ilman, että tarvitsee itse asiassa tutkia jokaista väestön jäsentä. Oletetaan esimerkiksi, että tutkija haluaa tehdä tutkimuksen, jossa kaikki UCLA-uraopiskelijat osallistuvat. Tämä on luontainen haaste, koska UCLA on valtava koulu ja kaikkien miesten arviointi on äärimmäisen aikaa vievää, puhumattakaan tarpeetonta, koska tarjolla on lukuisia näytteenottomenetelmiä.

Yksinkertaisella satunnaisotannalla ennalta määrätty määrä UCLA-miehiä uutetaan sattumanvaraisesti suuremmasta väestöstä ja sitä käytetään tutkimusaiheina. Jotta tämä menetelmä toimisi, satunnaisotoksen on edustava suurempaa väestöä. Ensimmäisessä vaiheessa tutkijat ottavat sen varmistaakseen, että käytetään satunnaisuutta korostavan valintaprosessin. Yksi elinkelpoinen prosessi on manuaalinen arpajaisjärjestelmä, jossa tutkijat antavat jokaiselle suuremman väestön jäsenelle ainutkertaisen numeron ja piirtää sitten satunnaisia ​​lukuja tutkimustuloksen muodostamiseksi. Toinen vaihtoehto on, että tutkijat automatisoivat prosessin käyttämällä tietokoneohjelmaa, joka satunnaisesti valitsee koehenkilöt suuremmasta väestöstä.

Joko valintamenetelmä toimii, tutkijoiden on pystyttävä saamaan tarkka ja kattava luettelo koko väestöstä. Jos tämä ei ole mahdollista, yksinkertainen satunnaisotanta ei ole toteutettavissa ja toinen näytteenottomenetelmä on valittava. Monille väestöryhmille, kuten esimerkiksi UCLA-miehille, voidaan saada täydellinen luettelo. Kun näin on, tutkijat valitsevat usein yksinkertaisen satunnaisotannan, koska se on helppokäyttöinen.

Näytteenottovirheestä tulee enemmän ongelma, jossa otoskoko on äärimmäisen pieni verrattuna suurempaan väestöön. UCLA-miesten näyte on edustava, sen kohteet korkeakouluopiskelijoille olisi suhteutettava samaan tapaan kuin suurempi väestö. Kuitenkin, jos näytteen koko on vain 20, on mahdollista päätyä 15 tai useampaan humanistiseen pääosaan - samanlainen kuin 20 kolikon pyörimisnopeutta saattaa tuottaa 15 tai enemmän päätä.Nämä näytteenottovirheet vähenevät suurempien otoskokojen mukaan. Kolmekymmentä kolikkoa voi tuottaa paljon lähemmäksi 50%: iin päitä, kun taas 300 korkeakoulujen miehen näytekoko on varmasti monipuolinen yhdistelmä päämiestään. Suuri otoskoko auttaa varmistamaan edustavan näytteen.