Багатоступенева випадкова вибірка Наприклад, Дослідник хоче зрозуміти звички годування домашніх тварин серед людей, які живуть у США. Для цього йому/їй потрібна вибірка у 200 респондентів. Дослідник навмання вибирає 10 штатів із 50. Крім того, він/вона навмання вибирає 5 округів на штат.
Багатоступенева вибірка — це форма вибірки, яка використовується для вивчення дуже великих популяцій шляхом спочатку поділу популяцій на кластери, а потім відбору одиниць із кластерів, доки не буде встановлено прийнятну кількість особин із остаточного кластера для вибірки.
При одноетапній кластерній вибірці кожен увесь кластер розглядається як одна одиниця вибірки. Приклад: компанія електронної комерції, яка вивчає поведінку покупців у Сполучених Штатах, може випадковим чином вибрати кілька штатів, як-от Каліфорнія, Техас і Нью-Йорк, і зібрати дані від усіх клієнтів у цих штатах.
Ми дізналися про кластерну вибірку, коли вибирають основні одиниці, а потім усі випадки з вторинних одиниць. При багатоетапній вибірці ми виберемо лише деякі одиниці з другорядних етапів. Наприклад, у двоступінчастому відборі: 1-й етап відбирає n основних одиниць.
В іншому прикладі щоб отримати зразок риби з комерційного рибальства – спочатку візьміть зразок із човнів, а потім відберіть зразок риби з кожного обраного човна. Двоступенева вибірка з рівними одиницями першого етапу: Припустимо, що – сукупність складається з елементів НМ.
У багатоетапній вибірці або багатоступеневій кластерній вибірці ви зробити вибірку з сукупності, використовуючи все менші групи на кожному етапі. Цей метод часто використовується для збору даних від великої, географічно розкиданої групи людей, наприклад, у національних опитуваннях.