随机样本

随机样本 (Random Sample)

随机样本（Random Sample）在统计学和概率论中指从一个更大的数据集合即总体中，通过随机化过程选取的子集。该子集即样本，被期望能够代表整个总体的特征。随机抽样的核心目标是获得具有代表性且无偏误的样本，从而基于样本数据对总体的未知参数或特征进行有效的统计推断。

核心原则与类型

简单随机抽样是最基本的形式，总体中每个成员被等可能性地抽取，每n个单位组合等可能成为样本。简单随机抽样的关键是独立同分布假设，即样本观测值 $X_1, \ldots, X_n$ 相互独立且从同一分布抽取，记为i.i.d.（independent and identically distributed）。独立同分布假设保证了样本均值 $\bar{X}_n$ 为总体均值 $\mu$ 的无偏估计量，且其方差为 $\sigma^2/n$。大数定律保证了估计量的一致性，中心极限定理保证了其渐近正态性。这三条定理共同构成了所有参数统计推断的概率论基础。

常见的随机抽样类型还包括多种变体。分层随机抽样先将总体划分为互不重叠的层，然后在每层内部独立进行随机抽样。这种方法能够保证关键子群体在样本中有充分的代表性，通常比简单随机抽样具有更小的抽样误差。系统抽样按照固定间隔从排序后的名单中选择样本单位，实施更为简单，但需要注意周期性风险。整群抽样从总体中随机抽选群体即"群"，然后调查整群内所有单位。这种方法在人口或地理研究中用于降低实地调查成本，尽管会以增加抽样误差为代价。多阶段抽样通过连续多级抽取来实现，例如先抽取城市，再抽取街道，最后抽取住户，每阶段均进行随机化。多阶段抽样能够显著降低旅行成本，在劳动力调查和国民健康调查等大规模调查中十分常见。

随机样本是计量经济学实证设计中数据质量的第一道防线。如果抽样不满足随机性条件，选择偏差将威胁所有后续推断的有效性。在随机对照试验中，随机分配被公认为因果推断的黄金标准。