มีหลายตัวอย่างมากมาย มีจำนวนมากเกินไปในรายการและอาจมากเกินไปสำหรับทุกคนที่จะรู้อย่างสมบูรณ์ (นอกเหนือจาก @whuber ซึ่งไม่ควรประเมินต่ำกว่า)
ดังที่คุณกล่าวถึงในการทดลองที่มีการควบคุมเราหลีกเลี่ยงการสุ่มตัวอย่างอคติโดยการแบ่งกลุ่มตัวอย่างแบบสุ่มเป็นกลุ่มการรักษาและกลุ่มควบคุม
ในการบูตสแตรปเราประมาณการสุ่มตัวอย่างซ้ำจากประชากรโดยการสุ่มแบบสุ่มด้วยการแทนที่จากตัวอย่างคงที่ สิ่งนี้ช่วยให้เราสามารถประเมินความแปรปรวนของการประมาณการของเราได้
ในการตรวจสอบความถูกต้องไขว้เราประเมินข้อผิดพลาดจากตัวอย่างของการประมาณโดยแบ่งพาร์ติชันข้อมูลของเราออกเป็นชิ้น ๆ และประกอบชุดฝึกอบรมและทดสอบแบบสุ่ม
ในการทดสอบการเรียงสับเปลี่ยนเราใช้การสุ่มเรียงสับเปลี่ยนเพื่อสุ่มตัวอย่างภายใต้สมมติฐานว่างทำให้สามารถทำการทดสอบสมมุติฐานแบบไม่มีพารามิเตอร์ในสถานการณ์ที่หลากหลาย
ในการบรรจุถุงเราควบคุมความแปรปรวนของการประมาณโดยดำเนินการประมาณค่าซ้ำ ๆ บนตัวอย่างบูทสแตรปของข้อมูลการฝึกอบรมจากนั้นทำการหาค่าเฉลี่ยผลลัพธ์
ในป่าสุ่มเรายังควบคุมความแปรปรวนของการประมาณโดยสุ่มตัวอย่างจากตัวทำนายที่มีอยู่ในทุก ๆ จุดตัดสินใจ
ในการจำลองเราขอให้แบบจำลองพอดีสร้างสุ่มชุดข้อมูลใหม่ซึ่งเราสามารถเปรียบเทียบกับการฝึกอบรมหรือการทดสอบข้อมูลช่วยตรวจสอบความพอดีและสมมติฐานในแบบจำลอง
ในห่วงโซ่มาร์คอฟ Monte Carloเราสุ่มตัวอย่างจากการจัดจำหน่ายโดยสำรวจพื้นที่ของผลลัพธ์ที่เป็นไปได้โดยใช้ห่วงโซ่มาร์คอฟ (ขอบคุณ @Ben Bolker สำหรับตัวอย่างนี้)
เหล่านี้เป็นเพียงแอปพลิเคชันทั่วไปที่ใช้ในชีวิตประจำวันที่นึกขึ้นมาทันที ถ้าฉันขุดลึกฉันอาจจะเพิ่มความยาวของรายการนั้นเป็นสองเท่า การสุ่มเป็นทั้งวัตถุสำคัญของการศึกษาและเป็นเครื่องมือสำคัญในการควง