단순 무작위 샘플링은 각 샘플 셀이 추출될 확률이 같고 샘플의 각 셀이 완전히 독립적이며, 이들 사이에는 일정한 상관 관계와 배제성이 없다는 특징이 있습니다.
가장 큰 장점은 샘플 데이터를 기준으로 전체를 추론할 때 확률적인 방식으로 추정값의 신뢰성을 객관적으로 측정하여 이러한 추론이 과학에 기초할 수 있다는 것입니다. 이 때문에 무작위 샘플링은 사회조사와 사회연구에 광범위하게 적용된다. 일반적으로 사용되는 무작위 샘플링 방법은 주로 순수 무작위 샘플링, 계층 샘플링, 시스템 샘플링, 전체 샘플 그룹 및 다단계 샘플링입니다.
확장 데이터
단순 임의 샘플링 설계: 전체 샘플 단위에 동일한 확률을 샘플로 추출하는 샘플링 방법입니다. 일반적인 간단한 무작위 샘플링 방법에는 추첨이나 난수 사용이 포함됩니다.
계층 무작위 샘플링 디자인: 전체적으로 레이어라는 겹치지 않는 상호 배타적인 부분이 포함되어 있는 경우 나이, 성별, 인종 또는 지리적 위치 등의 요소로 인해 발생합니다. 이러한 레이어가 있는 경우 계층적 임의 샘플링 설계는 각 레이어에서 샘플을 추출합니다.
이렇게 얻은 샘플은 단순한 무작위 샘플링으로 얻은 샘플보다 더 대표적이어서 추론이 더 효과적이다. 샘플의 각 레이어에 대한 임의 샘플 수량의 비율이 해당 레이어 요소가 전체적으로 차지하는 비율과 같으면 비례 계층 임의 샘플링이라고 하고, 그렇지 않으면 불균형 계층 임의 샘플링이라고 합니다.
시스템 임의 샘플링 설계: 샘플링 프레임워크가 매우 큰 경우 일반적으로 시스템 임의 샘플링을 사용합니다. 시스템 임의 샘플링에서는 샘플 프레임의 각 K 개 요소가 샘플 요소로 선택되고 첫 번째로 추출된 요소 (초기 요소라고 함) 가 이전 K 개 요소 중에서 무작위로 선택됩니다. 샘플 박스에 뚜렷한 주기성이나 순환성이 있는 경우 시스템의 임의 샘플링을 피해야 합니다.