a:

Sotto semplice campionamento casuale, un campione di oggetti viene scelto in modo casuale da una popolazione e ciascun elemento ha la stessa probabilità di essere scelto. Il campionamento casuale semplice usa una tabella di numeri casuali o un generatore di numeri casuali elettronici per selezionare gli elementi per il suo campione. Il campionamento sistematico prevede la selezione di elementi provenienti da una popolazione ordinata usando uno skip o un intervallo di campionamento. L'utilizzo di campionamenti sistematici è più appropriato rispetto al semplice campionamento casuale quando il bilancio di un progetto è stretto e richiede una semplicità di esecuzione e la comprensione dei risultati di uno studio. Il campionamento sistematico è migliore del campionamento casuale quando i dati non presentano modelli e c'è un basso rischio di manipolazione dei dati da parte di un ricercatore.

Semplicità di esecuzione

Semplice campionamento casuale richiede che ogni elemento della popolazione sia individuato e selezionato separatamente, mentre il campionamento sistematico si basa su una regola di intervallo di campionamento per selezionare tutti gli individui. Se la dimensione della popolazione è piccola o la dimensione dei singoli campioni e il loro numero sono relativamente piccoli, il campionamento casuale fornisce i migliori risultati. Tuttavia, poiché la dimensione richiesta del campione aumenta e un ricercatore deve creare campioni multipli della popolazione, questo può essere molto lungo e costoso, rendendo campionamento sistematico un metodo preferito in tali circostanze.

Presenza modello

Il campionamento sistematico è migliore di un semplice campionamento casuale quando non esiste un pattern nei dati. Tuttavia, se la popolazione non è casuale, un ricercatore corre il rischio di selezionare elementi per il campione che presentano le stesse caratteristiche. Ad esempio, se ogni otto widget in una fabbrica è stato danneggiato a causa di una certa macchina malfunzionante, un ricercatore ha più probabilità di selezionare questi widget rotti con un campionamento sistematico che con un semplice campionamento casuale, provocando un campione parziale.

Manipolazione dei dati

Il campionamento sistematico è preferibile al semplice campionamento casuale quando esiste un basso rischio di manipolazione dei dati. Se un tale rischio è elevato quando un ricercatore può manipolare la lunghezza dell'intervallo per ottenere i risultati desiderati, una semplice tecnica di campionamento casuale sarebbe più appropriata.