वास्तविक वैज्ञानिक अनुसंधान में, यह डेटा दुर्लभ है जो सच यादृच्छिक नमूने से आया है। डेटा लगभग हमेशा सुविधा नमूने हैं। यह मुख्य रूप से प्रभावित करता है कि आप किस जनसंख्या को सामान्य कर सकते हैं। उन्होंने कहा, भले ही वे एक सुविधा नमूना थे, वे कहीं से आए थे, आपको बस इस बारे में स्पष्ट होना चाहिए कि कहां और कौन सी सीमाएं हैं। यदि आप वास्तव में मानते हैं कि आपका डेटा किसी भी चीज़ का प्रतिनिधि नहीं है, तो आपका अध्ययन किसी भी स्तर पर सार्थक नहीं होगा, लेकिन यह सच नहीं है 1 । इस प्रकार, अपने नमूनों को कहीं से तैयार करना और इन मानक परीक्षणों का उपयोग करने के लिए, कम से कम हेज या योग्य अर्थ में विचार करना अक्सर उचित होता है।
परीक्षण का एक अलग दर्शन है, हालांकि, तर्क है कि हमें उन मान्यताओं और उन परीक्षणों से दूर जाना चाहिए जो उन पर भरोसा करते हैं। टुके इसके एक वकील थे। इसके बजाय, अधिकांश प्रायोगिक अनुसंधान को (आंतरिक रूप से) वैध माना जाता है क्योंकि अध्ययन इकाइयां (उदाहरण के लिए, रोगियों) को बेतरतीब ढंग से हथियारों को सौंपा गया था। इसे देखते हुए, आप क्रमपरिवर्तन परीक्षणों का उपयोग कर सकते हैं , कि ज्यादातर यह मान लें कि यादृच्छिकरण सही ढंग से किया गया था। इस बारे में बहुत अधिक चिंता करने का प्रतिवाद यह है कि क्रमपरिवर्तन परीक्षण आमतौर पर इसी शास्त्रीय परीक्षणों के समान ही दिखाए जाएंगे, और प्रदर्शन करने के लिए अधिक काम करेंगे। तो फिर से, मानक परीक्षण स्वीकार्य हो सकते हैं।
1. इन पंक्तियों के साथ और अधिक के लिए, यहाँ मेरे उत्तर को पढ़ने में मदद मिल सकती है: एक अध्ययन में जनसंख्या और नमूनों की पहचान करना ।