1, 단순 무작위 샘플링. 간단한 무작위 샘플링의 원리는 주사위나 제비를 뽑는 것과 같다. 따라서 이 방법에서, 어떤 단일 단위라도 뽑힐 수 있는 기회는 완전히 동일하다. 간단한 무작위 샘플링은 각 샘플에 번호를 매긴 다음 난수 테이블을 사용해야 합니다. 샘플링할 때 시작 수를 임의로 결정한 다음 원하는 샘플 수가 선택될 때까지 어느 방향으로든 읽을 수 있습니다. 2. 시스템 샘플링. 샘플링할 때 연구원들은 무작위로 샘플을 초기 샘플로 선택한 다음 일정한 시간마다 한 번씩 추출할 수 있습니다. 그러나 샘플은 무작위로 정렬되어야 한다는 점에 유의해야 한다. 그렇지 않으면, 일단 채택된 구간이 샘플 배열의 규칙성에 부합하면, 추출된 샘플은 무작위가 아니다. 이런 방법은 간단하고 수월하다. 3. 계층형 샘플링. 샘플 객체의 속성 차이가 큰 경우 특정 속성에 따라 객체를 여러 범주로 미리 나눌 수 있습니다. 이러한 클래스는 소위 "레이어" 입니다. 그런 다음 각 레이어의 샘플을 임의로 선택합니다. 샘플 속성의 차이가 너무 큰 경우 여러 레이어에서 샘플을 샘플링할 수 있습니다. 이 방법은 대규모 조사를 더 쉽게 할 수 있고, 샘플의 다른 집단을 쉽게 비교할 수 있으며, 조사의 정확성이 높아질 것이다. 4. 다중 레벨 샘플링. 즉, 조사 크기와 샘플 수가 너무 많으면 샘플을 여러 계층으로 나누어 객체를 추출할 수 있습니다. 이를 통해 대규모 조사를 쉽게 실시할 수 있다. 한 단계마다 오차가 발생하고, 급수가 많을수록 오차가 커지기 때문에 다단계 조사의 분류는 일반적으로 3 단계를 초과하지 않는다는 점에 유의해야 한다.