a:

Os pesquisadores empregam várias salvaguardas para garantir que uma amostra aleatória simples represente com precisão uma população maior. Eles usam um processo de seleção que faz a randomização primordial e, assim, elimina o viés de seleção. Os pesquisadores asseguram que eles tenham uma lista exaustiva e precisa de toda a população estudada antes de escolher usar uma amostra aleatória simples; Caso contrário, eles optam por um método de amostragem que não exige que esta condição seja atendida. Eles garantem que sua amostra é grande o suficiente para eliminar o erro de amostragem que vem de um tamanho de amostra muito pequeno.

Uma amostra aleatória simples fornece uma maneira de realizar análises estatísticas em uma grande população sem realmente ter que estudar todos os membros da população. Por exemplo, suponha que um pesquisador queira realizar um estudo envolvendo todos os estudantes do sexo masculino na UCLA. Isso apresenta um desafio inerente, porque a UCLA é uma escola enorme e, avaliando todos os homens, é extremamente demorado, sem mencionar desnecessário dado os inúmeros métodos de amostragem disponíveis.

Com amostragem aleatória simples, um número predeterminado de homens UCLA são extraídos aleatoriamente da população maior e utilizados como sujeitos de pesquisa. Para que esse método funcione, a amostra aleatória deve ser representativa da população maior. O primeiro passo que os pesquisadores levam para garantir isso é usar um processo de seleção que enfatiza aleatoriedade. Um processo viável é um sistema de loteria manual, no qual os pesquisadores atribuem a cada membro da população maior um número único e, em seguida, desenham números ao acaso para gerar uma amostra de estudo. Outra opção é que os pesquisadores automatizem o processo usando um programa de computador que seleciona aleatoriamente assuntos de teste da população maior.

Para que o método de seleção funcione, os pesquisadores devem ser capazes de obter uma lista precisa e exaustiva de toda a população. Se isso não for possível, a amostragem aleatória simples não é viável e outro método de amostragem deve ser escolhido. Para muitas populações, como o exemplo masculino da UCLA, pode-se obter uma lista completa. Quando este é o caso, os pesquisadores geralmente escolhem amostras aleatórias simples por causa de sua facilidade de uso.

O erro de amostragem torna-se mais um problema com um tamanho de amostra extremamente pequeno em comparação com a população maior. Para que a amostra dos homens da UCLA seja representativa, as matérias-primas da faculdade de seus assuntos devem ser proporcionadas de forma semelhante à da população maior. No entanto, se o tamanho da amostra é de apenas 20, é possível acabar com 15 ou mais especialistas em humanidades - semelhante a como 20 voltas de moedas podem produzir 15 ou mais cabeças.Esses erros de amostragem diminuem com tamanhos de amostra maiores. Quatorze moedas podem produzir muito mais perto de 50% de cabeças, enquanto um tamanho de amostra de 300 homens da faculdade certamente produzirá uma mistura diversificada de majores. Um tamanho de amostra grande ajuda a garantir uma amostra representativa.