Простая случайная выборка

Простая случайная выборка — это метод вероятностной выборки, при котором каждый элемент генеральной совокупности имеет равную и известную вероятность быть отобранным для исследования. Данный подход является базовым в статистике и теории вероятностей, обеспечивая репрезентативность выборки при условии правильной реализации. Простая случайная выборка считается эталоном для сравнения с другими методами отбора, так как минимизирует систематические ошибки (смещения) и позволяет применять стандартные статистические методы для оценки параметров совокупности.

Основные принципы

Простая случайная выборка основана на принципе равной вероятности: каждый элемент генеральной совокупности (например, каждый житель города, каждая деталь в партии товара) имеет одинаковый шанс попасть в выборку. Отбор производится случайным образом, без какого-либо вмешательства исследователя, что исключает субъективизм. Важным условием является независимость отбора: включение одного элемента не влияет на вероятность включения другого (при отборе с возвращением) или влияет незначительно (при отборе без возвращения, если объём совокупности велик).

Для реализации простой случайной выборки необходима полная и актуальная база данных (список, реестр) всех элементов генеральной совокупности. В отсутствие такой базы метод становится неприменимым, что является его существенным ограничением.

Реализация

Способы отбора

На практике применяются два основных способа реализации простой случайной выборки:

1. Лотерейный метод. Каждому элементу совокупности присваивается уникальный номер, после чего номера записываются на карточки, помещаются в барабан и перемешиваются, а затем извлекается необходимое количество карточек. Этот метод прост для понимания, но трудоёмок при больших объёмах совокупности.

1. Использование таблиц случайных чисел. Генерируется последовательность случайных чисел (например, с помощью специальных таблиц или компьютерных программ), которые сопоставляются с номерами элементов в базе. Этот метод более эффективен для больших выборок.

1. Компьютерная генерация. Современные статистические пакеты (R, SPSS, Python с библиотекой random) и онлайн-сервисы позволяют автоматически генерировать случайные номера или непосредственно выбирать элементы из базы данных. Этот способ наиболее распространён в настоящее время.

Отбор с возвращением и без возвращения

• Отбор с возвращением: каждый отобранный элемент возвращается обратно в совокупность, и может быть выбран повторно. Теоретически это обеспечивает строгую независимость, но на практике используется редко, так как повторные включения одного элемента снижают информативность выборки.
• Отбор без возвращения: элемент после отбора исключается из совокупности и не может быть выбран повторно. Этот метод более распространён, хотя он нарушает строгую независимость (вероятность выбора последующих элементов меняется). Однако при большом объёме совокупности по сравнению с объёмом выборки (обычно менее 5–10%) это нарушение пренебрежимо мало.

Свойства и характеристики

Несмещённость оценки

Оценка среднего значения генеральной совокупности (μ) по выборочному среднему (x̄) является несмещённой: математическое ожидание выборочного среднего равно истинному среднему совокупности. Аналогично, выборочная доля является несмещённой оценкой доли в совокупности.

Стандартная ошибка

Стандартная ошибка выборочного среднего (σ_x̄) вычисляется по формуле:

σ_x̄ = σ / √n

где σ — стандартное отклонение генеральной совокупности, n — объём выборки. На практике σ неизвестно, и его заменяют выборочным стандартным отклонением s. Для отбора без возвращения применяется поправка на конечную совокупность:

σ_x̄ = (σ / √n) * √((N - n) / (N - 1))

где N — объём генеральной совокупности. Поправка уменьшает стандартную ошибку, когда выборка составляет значительную долю совокупности.

Доверительные интервалы

На основе простой случайной выборки можно построить доверительные интервалы для параметров совокупности. Например, 95%-ный доверительный интервал для среднего строится как:

x̄ ± t * (s / √n)

где t — критическое значение распределения Стьюдента с (n-1) степенями свободы.

Преимущества и недостатки

Преимущества

• Простота реализации и понимания. Метод интуитивно понятен и не требует сложного математического аппарата.
• Отсутствие смещения. При правильной реализации исключается систематическая ошибка, связанная с субъективным отбором.
• Теоретическая обоснованность. Для простой случайной выборки разработаны строгие статистические методы оценки параметров и проверки гипотез.
• Возможность расчёта точности. Можно точно оценить стандартную ошибку и построить доверительные интервалы.

Недостатки

• Необходимость полного списка совокупности. Без актуальной и полной базы данных метод неприменим. Например, для опроса населения России составление полного списка всех жителей практически невозможно.
• Трудоёмкость при больших объёмах. Ручной отбор из миллионов элементов требует значительных ресурсов, хотя компьютеризация частично решает эту проблему.
• Низкая эффективность при редких явлениях. Если изучаемый признак встречается редко (например, редкое заболевание), простая случайная выборка может не включить ни одного элемента с этим признаком, что потребует огромного объёма выборки.
• Проблемы с охватом. При опросах населения часть отобранных респондентов может отказаться от участия, что ведёт к неслучайным пропускам и смещению.

Применение

Простая случайная выборка широко используется в различных областях, хотя на практике её часто заменяют более сложными методами (стратифицированная, кластерная выборка) из-за указанных недостатков.

В науке

• Экспериментальные исследования: случайное распределение испытуемых по группам (лечение/плацебо) для обеспечения сопоставимости групп.
• Биология и экология: отбор проб почвы, воды или образцов растений для оценки загрязнения или биоразнообразия.
• Социология: теоретический эталон, к которому стремятся при проведении опросов, хотя на практике чаще используют многоступенчатые выборки.

В промышленности

• Контроль качества: отбор изделий из партии для проверки соответствия стандартам. Например, на заводе по производству подшипников из каждой партии случайным образом отбирают 50 штук для измерения диаметра.
• Приёмочный контроль: решение о принятии или отклонении партии товара на основе результатов выборочной проверки.

В государственной статистике

• Переписи населения: хотя перепись стремится охватить всё население, выборочные обследования (например, «Микро-перепись» в России) используют простую случайную выборку для уточнения данных.
• Экономическая статистика: оценка уровня безработицы, потребительских цен, доходов населения на основе выборочных обследований.

Пример

Допустим, исследователь хочет оценить средний рост студентов в университете, где обучается 10 000 человек. Он получает список всех студентов (генеральная совокупность) и присваивает каждому номер от 1 до 10 000. С помощью генератора случайных чисел отбирается 400 номеров. Студенты с этими номерами приглашаются на измерение роста. По полученным данным вычисляется выборочное среднее (например, 172 см) и стандартная ошибка (например, 0.8 см). На основе этих данных строится 95%-ный доверительный интервал: от 170.4 см до 173.6 см. Это означает, что с вероятностью 95% истинный средний рост студентов лежит в этом интервале.

Сравнение с другими методами

• Стратифицированная выборка: совокупность делится на однородные группы (страты), и из каждой группы случайно отбираются элементы. Этот метод даёт меньшую стандартную ошибку, если страты существенно различаются по изучаемому признаку.
• Кластерная выборка: совокупность делится на кластеры (например, школы, города), случайно отбираются несколько кластеров, и в них обследуются все элементы или их часть. Метод менее точен, но проще в реализации, когда нет полного списка элементов.
• Систематическая выборка: из списка отбирается каждый k-й элемент. Проще в реализации, но может давать смещение, если в списке есть периодичность.

Критика

Основная критика простой случайной выборки связана с её практической нереализуемостью в реальных условиях. Получение полного и актуального списка генеральной совокупности часто невозможно или требует чрезмерных затрат. Кроме того, даже при наличии списка, отказ от участия или недоступность части отобранных элементов приводят к нарушению случайности. В результате многие исследования, заявляющие о «случайной выборке», на деле используют её лишь частично, что может приводить к смещённым оценкам.

Источники

1. Кокрен У. Г. «Методы выборочных исследований». — М.: Статистика, 1976.
2. Лемешко Б. Ю. «Статистические методы анализа данных». — Новосибирск: НГТУ, 2018.
3. Тюрин Ю. Н., Макаров А. А. «Статистический анализ данных на компьютере». — М.: ИНФРА-М, 2003.
4. Lohr S. L. «Sampling: Design and Analysis». — 2nd ed. — Boston: Brooks/Cole, 2010.