Kısa cevap evet: Survey Monkey, örneğinizi nasıl aldığınızı tam olarak görmezden geliyor. SurveyMonkey ne topladık varsaymak akıllıca yeterli değildir değil bir kolaylık numunesi, ancak hemen hemen her SurveyMonkey anket olan bir kolaylık numunesi. Bu, tam olarak tahmin ettiğiniz şeyde muazzam bir örneklemenin ortadan kaldıramayacağı / ortadan kaldırmayacağı konusunda büyük bir tutarsızlık yaratır. Bir yandan bir SRS'den alacağınız bir popülasyon (ve buradaki dernekler) tanımlayabilirsiniz. Diğer yandan, size olmayan rastgele örnekleme yöntemiyle belirlenen bir nüfusa, dernekler tanımlayabilir orada sen yapabilirsiniztahmin (ve bu tür değerler için güç kuralları geçerlidir). Tutarsızlığı tartışmak ve okuyucunun, rastgele olmayan örneğin gerçek bir eğilime yaklaşmada ne kadar geçerli olabileceğine tam olarak karar vermesi bir araştırmacı olarak size kalmış .
Bir nokta olarak, önyargı teriminin tutarsız kullanımları vardır. Olasılık teorisinde, bir kestiricinin yanlılığı . Bununla birlikte, bir tahminci önyargılı olabilir, ancak tutarlıdır, böylece önyargı, normal dağılım gösteren RV'lerin standart sapmasının maksimum olasılık tahminleri gibi büyük örneklerde "kaybolur". yani . Yok olan önyargısı olmayan tahmin edicilere (örneğin ) tutarsız denirBiasn=θ−θ^nθ^→pθθ^↛pθolasılık teorisinde. Çalışma tasarımı uzmanları (epidemiyologlar gibi) tutarsızlık "yanlılığı" olarak adlandırmak gibi kötü bir alışkanlık edinmiştir. Bu durumda, seçim yanlılığı veya gönüllü yanlılığıdır. Kesinlikle bir tür önyargı, ancak tutarsızlık, hiçbir örneklemenin sorunu düzeltemeyeceği anlamına gelir.
Nüfus düzeyi ilişkilerini kolaylık örnek verilerinden tahmin etmek için, örnekleme olasılık mekanizmasını doğru bir şekilde tanımlamanız ve tüm tahminlerinizde ters olasılık ağırlıklandırması kullanmanız gerekir. Çok nadir durumlarda bu mantıklıdır. Böyle bir mekanizmanın tanımlanması pratikte imkansızdır. Bunun yapılabileceği bir zaman, bir anketi doldurmak üzere yaklaşılmış, önceden bilgisi olan bireylerden oluşur. Yanıt vermeme olasılığı, önceki bilgilerin, örneğin yaş, cinsiyet, SES, ... bir fonksiyonu olarak tahmin edilebilir. Sayım, bu tür analizler için ters olasılık ağırlığının dahil edilmesine iyi bir örnektir.