The objective of sampling is to pro

The objective of sampling is to provide a practical means of enabling the data collection and processing components of research to be carried out whilst ensuring that the sample provides a good representation of the pop- ulation; i.e. the sample is representative. Unfortunately, without a survey of the population, the representativeness of any sample is uncertain, but statistical theory can be used to indicate the representativeness. Measurements of characteristics, such as the mean, of a sample are called statistics whilst those of a population are called parameters. How to obtain representativeness begins with consideration of the population. Almost invariably, it is necessary to obtain data from only a part of the total population with which the research project is concerned; that part of the population is the sample. All buildings on Hong Kong island or all buildings in Greater London can be viewed as populations, whilst both of these are also samples of all buildings in the world. So, the context of the research indicates the population of concern.
There are two main problems which seem to be overlooked by many researchers; they are ignoring considerations of sampling error when determining the size of the sample and failing to address possible biases in groups of respondents and non-respondents. That second problem is particularly important for low response survey methods - notably, postal questionnaires - because, despite low response rates (less than 20% is not unusual), inferences are made about the entire population from analyses of the responses received only, sometimes without even acknowledgement of the potential for bias in the results and conclusions.
The first task is to define the population. Eisenhardt (1989) stresses that
'. . . the concept of the population is critical, because the population defines
the set of entities from which the research sample is drawn. Selection of an
appropriate population controls extraneous variation and helps to define the
limits for generalizing the findings.'
If the population is sufficiently small, a full population 'sample' may be researched, but in the vast majority of cases a sample must be taken; the question is how? At this point, it is helpful to recall some standard symbols
(or notation):

Kết quả (Việt) 1:

Mục tiêu của lấy mẫu là cung cấp một phương tiện thực tế cho phép thu thập dữ liệu và xử lý các thành phần của nghiên cứu được thực hiện trong khi đảm bảo rằng mẫu cung cấp một đại diện tốt của cửa sổ pop-ulation; Ví dụ mẫu là đại diện. Thật không may, mà không có một cuộc điều tra dân số, representativeness của bất kỳ mẫu là không chắc chắn, nhưng lý thuyết thống kê có thể được sử dụng để chỉ ra representativeness. Đo đạc về đặc điểm, chẳng hạn như có nghĩa là, một mẫu được gọi là số liệu thống kê trong khi những người dân được gọi là tham số. Làm thế nào để có được representativeness bắt đầu với việc xem xét tổng số dân. Hầu như không thay đổi, nó là cần thiết để có được dữ liệu từ chỉ là một phần trong tổng dân số mà dự án nghiên cứu là có liên quan; đó là một phần của dân số là mẫu. Tất cả các tòa nhà trên đảo Hong Kong hoặc tất cả các tòa nhà trong Đại Luân Đôn có thể được xem như là dân số, trong khi cả hai đều có mẫu của tất cả các tòa nhà trên thế giới. Vì vậy, bối cảnh của nghiên cứu cho thấy dân số mối quan tâm. There are two main problems which seem to be overlooked by many researchers; they are ignoring considerations of sampling error when determining the size of the sample and failing to address possible biases in groups of respondents and non-respondents. That second problem is particularly important for low response survey methods - notably, postal questionnaires - because, despite low response rates (less than 20% is not unusual), inferences are made about the entire population from analyses of the responses received only, sometimes without even acknowledgement of the potential for bias in the results and conclusions. The first task is to define the population. Eisenhardt (1989) stresses that '. . . the concept of the population is critical, because the population defines the set of entities from which the research sample is drawn. Selection of an appropriate population controls extraneous variation and helps to define the limits for generalizing the findings.' If the population is sufficiently small, a full population 'sample' may be researched, but in the vast majority of cases a sample must be taken; the question is how? At this point, it is helpful to recall some standard symbols (or notation):