分层抽样（stratified sampling）是随机样本而配额抽样抽样（quota sampling）则不是两者的区别并不在于分层或配额抽样的计算公式（两者公式的写法也许不同、但如你所说，本质确实一样）而在於分层或配额抽样所依靠的特征指标不同、以及因此而产生的如何找到被访者的过程不同。

在分层抽样时先根据总体某项（或某数项）特征将总体分成若干“层” (strata，注意这里的各“层”之间并没有高低之别所以更接近“组”的意思)，并按其已知分布来确定每个层在样本Φ应占的比例这在道理上很容易懂。难点在于对分层特征指标的选择年龄、性别等个人特征并不合适，因为在一般条件下无法按这些特征而在从总体中直接随机抽取到被访者相反，一些“群体”特征（如职业、地区等）更适合做分层指标如将总体分成“制造业员工”、“服务业员工”、“文教医业员工”等行业，按各自在总体中的比例而确定抽样个数然后再进一步抽样。我们来看一个具体实例

峩与市场营销系的两位朋友1998年做过一个有关企业所有制对消费行为和媒体使用的影响的调查，用的就是类似分层抽样首先，我们将全国30個省会城市按经济与社会发展程度分成高、中、低三“层”、分别随机抽取三个；在被抽取的九个城市中将所有的企业按其所有制分成“国营”、“集体”、“股份”和“外资”四“层”；然后在每层中随机抽取5个企业（即每市20个企业、全国180个）；最后到每个被抽中的企業中按员工花名册排序随机抽取20人（即全国3600人）。这里的第一、二步是分层抽样而最后一步是简单随机抽样事实上，分层抽样大多是用於多阶段抽样的最初诸阶段而最后一步则需用简单随机来完成。

配额抽样抽样的第一步与分层抽样相似但配额抽样抽样一般就是用年齡、性别等个体特征做配额抽样标准（这时它还是概率或抽样抽样），但接下来由每个调查员根据各自的配额抽样自主决定找到被访者。如每个调查员需完成10个调查，其中5 个男性、5个女性各有青年2人、中年2人、老年1人（假定总体中就是如此分布的）。至于从何处抽到這10人则完全由调查员决定。很显然这一步不是随机的。因为调查员找的当然是出现在公共场合、并且容易接触的人因此，那些人被抽中的概率远远大于那些不常出现在公众场合（如老人、病人、夜猫子、开私家车者等等）的人当然这还不是问题的关键。致命伤是我們不知道前者与后者在总体中的比例所以无法事后调整其概率。

总结一下甄别一个样本是否为随机样本的主要标准是看其最后一步（即个人的被抽取的概率是否已知或可以被合理推测）

为了不违反分组的互斥性原则連续变量分组一般规定一组内（ ） ["不包含上限","上限和下限都包含","上限和下限都不色含","不包含下限"] 变量的观测值个数和组数多少的关系是（ ） ["正相关","无法确定","反相关","无关"] 在编制组距分组次数分布表时，如果观测变量的取值变动不均匀变动幅度很大时，常用的组数方法是（ ） ["等距分组","异距分组","组距分组","同距分组"] 采用现场调查的方式主要有（） ["为了了解某证券市场股票交易量而对该证券市场每天的交易量进行观測","为了了解全国人口数量而对全国每个家庭人口状况进行的调查。","为了了解某城市居民生活水平而对该市居民家庭收入支出情况进行调查","为了找出最佳的原料配置方案而安排各种不同的原料配置对产品质量的影响进行观测。"] 试验观测的方法有（） ["完全随机试验观测","任意抽样","现场观测","随机区组试验观测"] （名词解释）配额抽样抽样