Ogni volta che si desidera utilizzare alcune misure per capire cosa sta succedendo in un grande gruppo , si deve stare attenti vostre misure non siano distorte . Se volete sapere , per esempio , quante persone pensano di un certo candidato vincerà le elezioni , non si può semplicemente chiedere alle prime 100 persone in strada . Quelle 100 persone potrebbero essere quelli che possono permettersi di passeggiare nel pomeriggio invece di lavorare , o avrebbero potuto provengono dallo stesso concerto o incontro . Per evitare problemi con la selezione di un campione di parte, è possibile utilizzare un campionamento casuale semplice . Advantage – Rappresentatività e Libertà da Bias

libertà da pregiudizi errore umano e la classificazione rimane uno dei più grandi vantaggi semplici offerte di campionamento casuale , in quanto dà ad ogni membro di una popolazione una buona possibilità di essere selezionato. Se fatto bene, semplici risultati del campionamento casuale in un campione altamente rappresentativo della popolazione di interesse . In teoria, se un ricercatore ha accesso a tutti i dati necessari su una data popolazione , solo la sfortuna può compromettere la rappresentatività del suo campione

Advantage – . Facilità di campionamento e analisi

Altri metodi di campionamento richiedono molto approfondita ricerca e la conoscenza anticipata di una popolazione prima della selezione dei soggetti . In un campionamento casuale semplice , è necessaria solo l’ elenco completo degli elementi in una popolazione ( noto come il campionamento ) . Un campione casuale semplice , essendo altamente rappresentativo di una popolazione , semplifica anche l’interpretazione dei dati e analisi dei risultati . Tendenze nell’atto campione come eccellenti indicatori delle tendenze della popolazione complessiva. Molti considerano generalizzazioni derivate da un semplice campione casuale ben assemblato di avere sufficiente validità esterna

Svantaggio – . Errore nel campionamento

Mentre la casualità della selezione processo garantisce la scelta imparziale di soggetti , potrebbe anche , per caso , comportare l’assemblaggio di un campione che non rappresenta bene la popolazione . Questa variazione casuale , indipendente da ogni polarizzazione umana e in molti casi difficile individuare , è noto come ” errore di campionamento . ” La probabilità di incorrere in errori di campionamento aumenta con ridotta dimensione del campione . I ricercatori hanno quindi stabilito un campione abbastanza grande da ridurre al minimo la probabilità di risultati maniaco

Svantaggio – . E ‘un sacco di lavoro

Sebbene campionamento casuale semplice sembra semplice, da fare nel modo giusto si deve essere certi che non si è erroneamente includi distorsione nel campione . Ad esempio , se si decide ti chiama la gente a casa tra il 7 e 9:00 per chiedere loro circa il loro show televisivo preferito , si sta eliminando automaticamente tutti chi è al lavoro tra il 7 e 09:00 . Stai eliminando tutti quelle persone che stanno guardando i loro programmi preferiti tra il 7 e 09:00 . Per evitare questo tipo di errori è necessario prendere il tempo per capire il gruppo che si sta cercando di studiare , e assicurarsi che il modo in cui si sta selezionando in modo casuale non include alcun pregiudizio nascosto. Che prende un sacco di tempo .