W badaniach statystycznych zwykle nie badamy całej populacji (wszystkich osób/firm/dokumentów), tylko próbę. Jeśli chcemy, aby wnioski z badania odnosiły się do całej populacji, kluczowy jest sposób doboru próby.
Dobór losowy oznacza, że elementy populacji są wybierane przypadkowo według z góry ustalonej procedury, a nie "wygodnie" (np. pierwsze napotkane osoby) czy celowo. Dzięki temu ograniczamy stronniczość doboru, czyli ryzyko, że do badania trafią głównie jednostki o określonych cechach.
Najważniejszą korzyścią jest więc reprezentatywność: skład próby ma większą szansę odzwierciedlać strukturę populacji. To z kolei umożliwia wnioskowanie i uogólnianie wyników (np. oszacowanie średniej, odsetka, trendu) na całą populację z akceptowalnym błędem.
Dlaczego pozostałe odpowiedzi są niepoprawne?
- "Są one łatwe do przeprowadzenia" – dobór losowy bywa trudniejszy organizacyjnie (potrzeba operatu losowania, kontroli realizacji), więc nie jest to jego istota ani gwarancja.
- "Są one tańsze niż inne metody" – koszt zależy od organizacji badania; czasem dobór losowy jest droższy (np. dotarcie do wylosowanych osób).
- "Zapewniają one szybkie wyniki" – szybkość nie jest cechą definicyjną doboru losowego; losowanie może nawet wydłużyć proces, jeśli realizacja jest rozproszona.
W praktyce (np. w przedsiębiorstwie) dobór losowy jest szczególnie ważny, gdy wyniki mają być podstawą decyzji: planowania, oceny jakości, prognoz czy raportowania.
