एक गैर-यादृच्छिक नमूने में रैंडमाइजेशन अभी भी दिखा सकता है एक प्रभाव यादृच्छिक रूप से उचित रूप से समझाया नहीं गया है।
उदाहरण के लिए कल्पना करें कि हमारे पास लगभग समान आकार के दो अपरिचित उपसमूहों (कुछ अलग विशेषताओं के साथ) की आबादी है, लेकिन आपका नमूना गैर-यादृच्छिक है, जिससे 80/20 का विभाजन होता है। आइए समान आकार के 2 उपचार समूहों की कल्पना करें। रैंडमाइजेशन (कम से कम सभ्य नमूना आकारों के साथ) प्रत्येक समूह में उस 80/20 विभाजन के करीब देने की प्रवृत्ति होगी, ताकि उपचार के लिए विषम समूहों के असमान आवंटन के बजाय उपचार प्रभाव हो।
* विभिन्न आधार रेखा के लिए अग्रणी का मतलब है, कहते हैं
समस्या तब आती है जब आप कुछ लक्ष्य आबादी के लिए अपने नमूना (स्वयं-चयनकर्ताओं) के प्रतिनिधि के अलावा कुछ का विस्तार करना चाहते हैं; इसके लिए मान्यताओं / एक तर्क की आवश्यकता होती है जिसके लिए आपके पास कोई सबूत नहीं हो सकता है (जैसे कि यह कहना कि उपचार अंतर आबादी के सभी सबसेट के लिए संगत होगा)।
एक समान स्थिति के लिए, एक मानक उपचार और प्लेसीबो की तुलना में केवल पुरुषों पर उच्च रक्तचाप की दवा का परीक्षण करने की कल्पना करें। मान लें कि पुरुषों को उपचार समूह में ठीक से यादृच्छिक किया गया है। एक उपचार प्रभाव इस अर्थ में वास्तविक होगा कि यह वास्तव में पुरुषों में एक प्रभाव का वर्णन करता है। कठिनाई तब आएगी जब महिलाओं के लिए उस विस्तार का प्रयास किया जाएगा ।
इसलिए यदि वे भर्ती के अलावा सही ढंग से संचालित और यादृच्छिक हो जाते हैं , तो एक महत्वपूर्ण प्रभाव यह होगा कि यह क्या लगता है, लेकिन यह आपके द्वारा वास्तव में नमूना किए गए पर लागू होगा, जरूरी नहीं कि आपका वांछित लक्ष्य क्या हो - दोनों के बीच की खाई को पार करना सावधान तर्क की आवश्यकता है; ऐसा तर्क अक्सर अनुपस्थित होता है।
जब मैं एक छात्र था तो मनोविज्ञान के छात्रों पर मनोविज्ञान के प्रयोगों के लिए यह काफी सामान्य था, जो ऐसे प्रयोगों के कुछ घंटों के लिए स्वयंसेवक की उम्मीद कर रहे थे (यह अभी भी हो सकता है लेकिन मेरा मनोवैज्ञानिकों से नियमित संपर्क नहीं है। जो कोई और प्रयोग करते हैं)। उपचार के यादृच्छिकरण के साथ, इनफ़ॉर्मेंस वैध हो सकता है (जो किया गया था उसके आधार पर) लेकिन स्व-चयनित मनोविज्ञान की स्थानीय आबादी पर लागू होगा (इसमें वे आमतौर पर कौन से प्रयोग करने के लिए प्रयोग करते हैं) चुनते हैं, जो बहुत दूर हैं व्यापक आबादी का एक यादृच्छिक नमूना।