일반적인 샘플링 방법은 다음과 같습니다.
1, 단순 무작위 샘플링: 단순 무작위 샘플링은 전체 전체에서 관찰 단위 중 일부를 완전히 무작위로 추출하는 것입니다. 즉, 각 관찰 단위가 샘플에 선택될 확률이 같습니다. 일반적인 방법은 먼저 전체의 모든 관찰 단위에 번호를 매긴 다음 추첨, 난수 테이블 또는 컴퓨터에서 난수를 생성하여 샘플을 형성하는 것입니다.
장점은 간단하고 직관적이며 평균과 표준 편차의 계산이 간단하다는 것이다. 단점은 집단이 클 때 집단의 개체 번호를 매기기가 어렵고 샘플 샘플이 분산되어 조사를 조직하기 어렵다는 것이다.
2. 시스템 샘플링: 시스템 샘플링은 등거리 샘플링 또는 기계 샘플링이라고도 합니다. 즉, 그룹의 모든 개체를 연구 현상과 무관한 특성에 따라 정렬하고 번호를 매깁니다. 그런 다음 샘플 내용에 따라 샘플링 간격 k 를 지정합니다. 임의로 선택하다.
I 시스템 샘플링의 장점은 이해하기 쉽고 조작하기 쉽다는 것입니다. 전체 전체에 고르게 분포된 샘플을 쉽게 얻을 수 있는데, 그 샘플링 오차는 단순 무작위 샘플보다 작다. 단점은 샘플이 분산되어 조사를 조직하기가 어렵다는 것입니다. 관측 단위가 전체적으로 주기적인 추세나 순서가 단조로운 증감 추세를 보이면 편향이 생기기 쉽다.
3. 전체 샘플 그룹: 전체 샘플 그룹은 먼저 군중을 k 개의' 그룹' 으로 나누고, 각 그룹에는 여러 관찰 단위가 포함되어 있으며, k 개의 그룹을 무작위로 추출합니다. K. 전체 샘플 그룹의 장점은 조사를 조직하고, 자금을 절약하고, 조사의 질을 통제할 수 있다는 것이다. 단점은 샘플 함량이 변하지 않을 때 샘플 오차가 단순 임의 샘플링보다 크다는 것이다.
4. 계층 샘플링: 계층 샘플링은 전체 개체의 모든 개체를 주요 연구 지표에 큰 영향을 미치는 특정 특성에 따라 여러 "계층" 으로 나눈 다음 각 레이어에서 무작위로 일정 수의 관찰 단위를 추출하여 샘플을 만드는 것입니다.