很多时候，研究人员想知道大范围问题的答案。例如：

• 昨晚某个国家的每个人都在电视上看了什么？
• 在即将到来的选举中，选民打算投票给谁？
• 有多少鸟在某一地点迁徙归来？
• 失业人口占劳动力的百分比是多少？

这类问题是巨大的，因为它们要求我们跟踪数百万人。

统计学通过使用一种称为抽样的技术简化了这些问题。通过进行统计抽样，我们的工作量可以大大减少。我们不需要跟踪数十亿或数百万人的行为，而只需要检查数千或数百人的行为。正如我们将看到的，这种简化是有代价的。

人口和普查

统计研究的人口是我们试图了解的东西。它由所有正在接受检查的个人组成。人口可以是任何东西。加利福尼亚人、驯鹿、计算机、汽车或郡都可以被视为人口，这取决于统计问题。尽管大多数被研究的人群都很大，但他们不一定非得如此。

研究人口的一个策略是进行人口普查。在人口普查中，我们调查研究中的每一位人口成员。美国人口普查就是一个很好的例子。人口普查局每十年向全国每个人发送一份调查问卷。那些不交表格的人会被人口普查人员探访

人口普查充满了困难。它们通常在时间和资源方面都很昂贵。除此之外，很难保证人口中的每一个人都被联系到了。其他人口更难进行人口普查。如果我们想研究纽约州流浪狗的习性，那么祝你好运，把所有这些短暂的狗都抓起来。

样品

由于追踪人口中的每一个成员通常是不可能或不切实际的，因此下一个可用的选择是对人口进行抽样。样本是总体的任何子集，因此其大小可以是小的也可以是大的。我们想要一个小到可以被我们的计算能力管理的样本，但大到可以给我们统计上显著的结果。

如果一家投票公司试图确定选民对国会的满意度，而其样本量只有一个，那么结果将毫无意义（但很容易获得）。另一方面，向数百万人提问会消耗太多资源。为了取得平衡，这类民意测验的样本量通常在1000左右。

随机样本

但拥有合适的样本量并不足以确保获得良好的结果。我们想要一个代表人口的样本。假设我们想知道美国人平均每年读多少本书。我们要求2000名大学生记录他们一年中阅读的内容，一年后再与他们联系。我们发现平均阅读量是12本书，然后得出结论，美国人平均每年阅读12本书。

此场景的问题在于示例。大多数大学生年龄在18-25岁之间，导师要求他们阅读课本和小说。这是普通美国人的一个很差的代表性。一个好的样本将包含来自全国不同地区、各行各业、不同年龄段的人群。要获得这样一个样本，我们需要随机组合，这样每个美国人都有同等的概率参与样本。

样本类型

统计实验的金标准是简单随机抽样。在这样一个大小为n个个体的样本中，群体中的每个成员都有相同的被选择样本的可能性，而每组n个个体都有相同的被选择的可能性。对一个群体进行抽样有多种方法。最常见的有：

• 随机抽样
• 简单随机抽样
• 自愿回应样本
• 方便样品
• 系统样本
• 聚类样本
• 分层抽样

一些忠告

俗话说：“好的开始就是成功的一半。”为了确保我们的统计研究和实验取得好的结果，我们需要仔细计划和开始。很容易产生不好的统计样本。好的简单随机样本需要一些工作才能获得。如果我们的数据是随意、漫不经心地获得的，那么无论我们的分析多么复杂，统计技术都不会给我们任何有价值的结论。