a:

Il campionamento casuale semplice misura statisticamente un sottoinsieme di individui selezionati da un gruppo o una popolazione più grandi per approssimare una risposta da parte di tutto il gruppo. A differenza di altre forme di tecniche di rilevamento, il semplice campionamento casuale è un approccio imparziale per raccogliere le risposte di un grande gruppo. Poiché gli individui che compongono il sottoinsieme sono scelti a caso, ogni singolo individuo nella grande popolazione ha la stessa probabilità di essere selezionato. Questo genera, nella maggior parte dei casi, un sottoinsieme equilibrato che porta il maggior potenziale per rappresentare il gruppo più grande nel suo complesso.

Anche se esistono vantaggi distinti per utilizzare un semplice campione casuale nella ricerca, ha inconvenienti inerenti. Questi svantaggi comprendono il tempo necessario per raccogliere l'elenco completo di una popolazione specifica, il capitale necessario per recuperare e contattare tale elenco e la bias che potrebbe verificarsi quando il set di campioni non è abbastanza grande per rappresentare adeguatamente la popolazione completa.

Tempo e costi

In semplice campionamento casuale, una misura statistica accurata di una popolazione ampia può essere ottenuta solo quando è disponibile un elenco completo dell'intera popolazione da studiare. In alcuni casi, i dettagli su una popolazione di studenti di un'università o di un gruppo di dipendenti di una determinata azienda sono accessibili attraverso l'organizzazione che collega ogni popolazione. Tuttavia, avere accesso all'elenco completo può presentare sfide. Alcune università o collegi non sono disposti a fornire una lista completa di studenti o facoltà di ricerca. Allo stesso modo, le aziende specifiche potrebbero non essere disposte o in grado di consegnare informazioni sui gruppi di dipendenti a causa delle politiche sulla privacy.

Quando un elenco completo di una popolazione più grande non è disponibile, gli individui che tentano di produrre un semplice campionamento casuale devono raccogliere informazioni da altre fonti. Se è pubblicamente disponibile, è possibile utilizzare più piccoli elenchi di sottoinsieme per ricreare un elenco completo di una popolazione maggiore, ma questa strategia richiede tempo per completare. Le organizzazioni che mantengono i dati sugli studenti, sui dipendenti ei singoli consumatori spesso impongono lunghi processi di recupero che possono bloccare la capacità di una persona di ottenere le informazioni più accurate sull'intera popolazione.

Oltre al tempo necessario per raccogliere informazioni provenienti da varie fonti, il processo può costare una società o un individuo una notevole quantità di capitale. Il recupero di un elenco completo di una popolazione o di un elenco di sottoinsie più piccole da un fornitore di dati di terze parti può richiedere il pagamento ogni volta che i dati di popolazione vengono forniti. Se il campione non è abbastanza grande per rappresentare le viste di tutta la popolazione durante il primo round di semplice campionamento casuale, l'acquisto di liste o database aggiuntivi può essere proibitivo.

Bias in campionamento casuale

Anche se il semplice campionamento casuale è destinato ad essere un approccio imparziale alla rilevazione, si può verificare la bias di selezione dei campioni. Quando un insieme di campioni della popolazione più grande non è abbastanza inclusivo, la rappresentazione della popolazione completa è incline e richiede ulteriori tecniche di campionamento. Per garantire che non si verifichi una polarizzazione, i ricercatori devono ottenere risposte da un numero adeguato di intervistati, che potrebbero non essere possibili a causa del tempo o dei vincoli di bilancio.