単純なランダムサンプリングは、より大きな母集団からより小さなサンプルサイズを選別し、それを使用して、より大きなグループに関する一般化を調査するために使用される方法です。 これは、統計学者や研究者がより大きな母集団からサンプルを抽出するために使用するいくつかの方法の1つです。 他の方法には、層化ランダムサンプリングと確率サンプリングが含まれます。 単純なランダムサンプルの利点には、その使いやすさと、より大きな母集団の正確な表現が含まれます。
単純なランダムサンプルの生成方法
研究者は、より大きな母集団の網羅的なリストを取得し、サンプルを構成する特定の数の個人をランダムに選択することにより、単純なランダムサンプルを生成します。 単純なランダムサンプルを使用すると、より大きな母集団のすべてのメンバーが選択される可能性が等しくなります。
研究者には、単純なランダムサンプルを生成する2つの方法があります。 1つは手動の宝くじ方法です。 より大きな人口グループの各メンバーには番号が割り当てられます。 次に、サンプルグループを構成する番号がランダムに描画されます。 人口1, 000人の高校の100人の生徒から簡単なランダムサンプルを取得する場合、すべての生徒が10分の1の確率で選択される必要があります。
手動宝くじの方法は、小さな人口ではうまく機能しますが、大きな人口では実行できません。 これらの状況では、研究者はコンピューター生成の選択を好みます。 同じ原理で動作しますが、人間ではなく、洗練されたコンピューターシステムが番号を割り当て、ランダムに選択します。
エラーの余地
単純なランダムサンプルでは、プラスとマイナスの分散で表されるエラーの余地が必要です。 たとえば、同じ高校で左利きの生徒数を決定するために調査が行われる場合、ランダムサンプリングでは、100人のサンプルのうち8人が左利きであると判断できます。 結論は、高校の生徒人口の8％が左利きであり、実際には世界平均は10％に近いということです。
同じことが主題に関係なく当てはまります。 緑色の目をしている、または身体的に無力な生徒数の割合に関する調査は、単純なランダム調査に基づいて高い数学的確率をもたらしますが、常にプラスまたはマイナスの分散を伴います。 100％の正解率を得る唯一の方法は、1, 000人の生徒全員を調査することです。これは、可能ですが、実用的ではありません。
ランダムサンプリングの利点
単純なランダムサンプルの利点には、使いやすさと表現の正確さが含まれます。 単純なランダムサンプリングよりも大きな母集団から研究サンプルを抽出する簡単な方法はありません。 集団をサブ集団に分割したり、大規模なグループからランダムに必要な数の研究対象者を摘み取るよりも一歩進んだりする必要はありません。 繰り返しますが、唯一の要件は、ランダム性が選択プロセスを支配し、より大きな母集団の各メンバーが等しい選択確率を持つことです。
より大きな母集団から完全にランダムに被験者を選択すると、研究対象のグループを代表するサンプルも生成されます。 単純なランダムサンプリングが正しく実行されると、40ほどの小さなサンプルサイズでも低いサンプリングエラーを示すことがあります。 母集団に関するあらゆるタイプの研究では、代表的なサンプルを使用して、より大きなグループに関する推論と一般化を行うことが重要です。 偏ったサンプルは、より大きな母集団について誤った結論を導き出す可能性があります。
単純なランダムサンプリングは、その名前が示すとおり単純であり、正確です。 これら2つの特徴は、より大きな母集団の研究を行う際に、他のサンプリング方法よりも単純なランダムサンプリングに大きな利点をもたらします。
