样本定义

什么是样品？

样本是指较大的组的较小的，可管理的版本。 它是包含较大人群特征的子集。 当总体规模太大而无法包含所有可能的成员或观察值时，样本将用于统计测试。 样本应代表整体人口，而不应反映对特定属性的任何偏见。

重要要点

• 样本是指较大群体中较大群体或子集的较小，易于管理的版本，使用样本可使研究人员轻松，及时地进行研究。为了获得公正的样本，选择必须是随机的，因此人口中的每个人都有被加入样本组的机会均等，在简单的随机抽样中，人口中的每个实体都是相同的，而分层随机抽样则将整体人口分为较小的组。

了解样本

样本是从总体中获得的无偏见的数量。 从根本上讲，人口是任何给定受试者的个体，动物，物品，观察，数据等的总数。 换句话说，样本就是整个群体的一部分，一部分或一部分，并作为总体的子集。 样本用于进行研究的各种环境中。 科学家，营销人员，政府机构，经济学家和研究小组都在使用样本进行研究和衡量。

使用整个人群进行研究会带来挑战，这就是使用样本的原因。 研究人员可能难以获得全面的访问权限。 而且由于某些研究的性质，研究人员可能难以及时获得所需的结果。 这就是进行研究的人使用样本的原因。 使用较少的代表整个人口的人员仍然可以产生有效的结果，同时减少时间和资源。

研究人员使用的样本应与人群非常相似。 样本中的所有参与者应具有相同的特征和品质。 因此，如果有关男性大学新生的研究，则样本应为符合这一描述的一小部分男性。 同样，如果研究小组对50岁以上的单身女性的睡眠模式进行研究，则样本应仅包括该人群中的女性。

考虑一个由学术研究人员组成的团队，他们想知道有多少学生学习了少于40个小时的CFA考试并仍通过了考试。 由于每年全球有200, 000多人参加考试，因此与每位参加考试的人接触可能会非常繁琐且耗时。 实际上，到收集和分析来自人群的数据时，已经过去了几年时间，由于出现了新的人群，分析变得毫无价值。 研究人员可以做的是取一个人口样本并从该样本中获取数据。

为了获得无偏见的样本，选择必须是随机的，以便总体中的每个人都有被加入该组的平等机会。

为了获得不偏不倚的样本，选择必须是随机的，以便从总体中获得的每个人都有平等且可能的机会被添加到样本组中。 这类似于抽奖，是简单随机抽样的基础。

抽样类型

简单随机抽样

如果总体中的每个实体都相同，则简单随机抽样是理想的选择。 如果研究人员不在乎他们的样本对象是男性还是女性，还是某种形式的性别组合，那么简单的随机抽样可能是一种很好的选择技术。

假设2016年有200, 000名应试者参加了CFA考试，其中女性占40％，男性占60％。 因此，从总体中抽取的随机样本应有400名女性和600名男性，总共1000名应试者。

但是，在学习少于40小时的情况下，知道通过测试的男女比例很重要的情况又如何呢？ 这里，分层随机样本将比简单随机样本更好。

分层随机抽样

这种类型的抽样（也称为比例随机抽样或配额随机抽样）将整个总体分为较小的组。 这些被称为地层。 阶层中的人具有相似的特征。

如果年龄是研究人员希望纳入数据的重要因素，该怎么办？ 使用分层随机抽样技术，他们可以为每个年龄组创建图层或分层。 每个分层的选择必须是随机的，以便括号中的每个人都有可能被包括在样本中。 例如，两个参与者Alex和David分别为22岁和24岁。 样本选择不能基于某种优先机制来选择一个。 他们应该有同等的年龄被选中的机会。 阶层可能看起来像这样：

年龄层	人口总数	样品中要包括的数量
20-24	30, 000	150
25-29	70, 000	350
30-34	40, 000	200
35-39	30, 000	150
40-44	20, 000	100
> 44	10, 000	50
总	200, 000	1, 000