分层随机抽样是一种抽样方法，涉及将总体划分为称为“阶层”的较小群体。 在分层随机抽样或分层中，分层是基于成员的共享属性或特征形成的。 分层随机抽样也称为比例随机抽样或配额随机抽样。
相比之下，简单随机抽样是人口中存在的个体样本。 从种群中随机选择个体，并放入样本中。 这种随机选择个体的方法试图选择样本大小，该样本大小是总体的无偏表示。 但是，当总体样本差异很大时，这是不利的。
重要要点
- 分层随机抽样是一种抽样方法，其中包括对细分为较小群体（称为分层）的总体样本进行抽样。分层随机抽样涉及按人口比例从分层群体中抽取随机样本。 这样，分层随机抽样是一种更精确的指标。
了解分层随机抽样
分层随机抽样将总体划分为子组或层次，并根据所创建的每个层次，按总体比例抽取随机样本。 每个形成的阶层中的成员具有相似的属性和特征。 当目标人群异质时，这种采样方法被广泛使用并且非常有用。 应该从每个阶层中抽取一个简单的随机样本。 例如，可以使用分层随机抽样来抽样全国范围内的学生的平均成绩（GPA），在工作中花费超时时间的人们以及全球的预期寿命。
分层随机抽样示例
假设有一个研究小组要确定全美大学生的GPA，则研究小组很难从所有2100万大学生中收集数据； 它决定使用4, 000名学生对人口进行随机抽样。
现在假设团队研究了样本参与者的不同属性，并想知道GPA和学生专业之间是否存在差异。 假设发现560名学生是英语专业，1135名科学专业，800名计算机科学专业，1, 090个是工程专业，415个是数学专业。 团队希望使用比例分层的随机样本，其中样本的层次与总体中的随机样本成比例。
假设小组研究了美国大学生的人口统计资料，并发现学生所占的百分比，其中英语专业占12％，科学专业占28％，计算机科学专业占24％，工程学专业占21％，工程专业占15％在数学上。 因此，从分层随机抽样过程中创建了五个层次。
然后，团队需要确认总体的阶层与样本中的阶层成比例； 但是，他们发现比例不相等。 然后，团队需要从人口中重新采样4, 000名学生，并随机选择480名英语，1, 120名科学，960名计算机科学，840名工程和600名数学学生。 有了这些样本，就可以按比例分配分层的大学生样本，从而更好地代表美国的大学专业。研究人员然后可以突出显示特定的层次，观察美国大学生的不同研究并观察各个平均分。
应用领域
上面使用的相同方法可以应用于选举的投票，不同人群的收入以及全国不同工作的收入。
