（一）方法
一般所说的随机抽样，就是指简单随机抽样（simple random sampling），它是最基本的抽样方法，适用范围广，最能体现随机化原则，原理简单。抽取时，总体中每个个体应有独立的、等概率被抽取的可能。常用的具体抽取方式有抽签法和随机数字法。抽签法（drawing lots）是把总体中的每一个体都编上号码并做成签，充分混合后从中随机抽取一部分，这部分签所对应的个体就组成一个样本。随机数字表（random number table）是由一些任意的数字毫无规律地排列而成的数字表。附表19就是由1万个数字无规律排列组成的一个随机数字表。使用随机数字表进行抽样时，先给总体编号，然后从表中任意一个数字开始依次往下数，并把最后几位数字小于总体编号数字的选出，按研究要求组成一个样本。例如，从 50个人中随机抽取10人，先将50人从1至50编上号，假如选定04与05～09交叉处的99896开始，纵向往下数并规定凡是最后两位数字小于50的均可入样本，则 23，41，26，25，18，9，28，1，26，36十个编号的人可组成一个样本。
（二）标准误
前面说过，在图14-1中，d值是抽样结果精确度的一个指标，而d值实际上受标准误的影响，标准误越大，则d值也大，这时意味着抽样结果的精确度越小。因此从各种抽样方法的标准误大小，能够直接评价抽样的精确度。
在讨论标准误的公式之前，应该注意区分有限总体与无限总体这两个概念。如果总体中包含个体的数量是有限的，该总体就叫有限总体，也就是说无论N有多大，只要不是无穷大，就是有限总体。如果总体中所含个体的数量是无限的，即N→∞，则该总体叫做无限总体。例如，某运动员投篮10次，命中8次，命中率为80%。这10次投篮，相当于一个 n=10的样本，而总体N（即总的投篮次数）从理论上讲是无限的，因此可以说这个样本是从无限总体抽取的（有时N虽然有限，但样本容量n与N相比很小，即n≤N，则也可近似视为无限总体）。在介绍参数估计和假设检验时，都假设是无限总体的情况，介绍的各个公式也都是在“无限总体中抽样”这一前提之下给出的。在实际研究中，如果总体是有限的，而且不宜假设为无限总体时，则应该注意其区别。
1.平均数的标准误
在简单随机抽样中，平均数的标准误公式如下（由于在实际中总体标准差一般很少事先知道，因此本章的公式均以样本标准差代替总体标准差）：
当样本所属总体是无限总体时：
n为样本容量
当样本所属总体是有限总体时：
n为样本容量
N为总体容量
2.比率的标准误
简单随机抽样中当样本容量n较大时比率的标准误为：
无限总体：
有限总体：
（三）评价
从理论上说，简单随机抽样是最符合随机原则的，而且分析抽样误差比较简明。但是这种方法在实践中受到一些限制，存在一些不足。例如，简单随机抽样需要把总体中每一个体编上号码，如果总体很大，这种编号几乎是不可能的。再者，这种抽样方法常常忽略总体已有的信息，降低了样本的代表性。例如，对某一地区的学生进行抽样，测试该地区学生的智力水平，重点学校与一般学校的学生是有差异的，如果不考虑这个因子，则所抽取的样本很可能抽到重点学校的学生多些，或根本没有重点学校的学生。这样，样本的代表性是不理想的，若充分考虑并利用重点与一般存在差异这一已有信息，可以设计出更好的抽样方法（见后面的分层随机抽样）。另外，在大规模的抽样研究时，用抽签法是不可能的，而用随机数字表一个一个地抽，又太费时费力。这时就得采用和简单随机抽样相似，但实施简便的等距抽样方法。