Słownik metodologiczny · Projekt badania

Randomizacja – co to jest losowy przydział do grup i jak go przeprowadzić?

Randomizacja to losowy przydział uczestników do warunków badania. Wyjaśniamy, czym różni się od losowego doboru próby, kiedy wybrać randomizację blokową albo warstwową i jak opisać ją w pracy.

Strona główna / Słownik / Randomizacja
W skrócie: Randomizacja to losowy przydział uczestników do warunków badania – dzięki niej grupy różnią się na starcie tylko przypadkowo, co uzasadnia wniosek przyczynowy. W małej próbie użyj randomizacji blokowej, która daje równe liczebności, a gdy jedna zmienna silnie wpływa na wynik – randomizacji warstwowej.

Co to jest randomizacja?

Randomizacja (ang. randomization, random assignment) to losowy przydział uczestników do warunków badania, np. do grupy eksperymentalnej i grupy kontrolnej. O tym, kto dostanie który warunek, decyduje wyłącznie przypadek, a nie badacz ani uczestnik. Dzięki temu grupy różnią się na starcie tylko losowo – zarówno w cechach zmierzonych, jak i niezmierzonych. Randomizacja jest rdzeniem schematu eksperymentalnego i głównym sposobem ochrony trafności wewnętrznej.

Nie myl jej z losowym doborem próby. Losowy dobór decyduje, kto trafi do badania, i uzasadnia uogólnianie wyników na populację. Randomizacja decyduje, kto dostanie który warunek, i uzasadnia wniosek przyczynowy. Typowy eksperyment studencki ma próbę wygodną, ale losowy przydział do warunków.

Rodzaje randomizacji

  • Prosta – każdą osobę przydzielasz niezależnie, jak rzutem monetą. W małych próbach grupy mogą wyjść wyraźnie nierówne.
  • Blokowa – w każdym bloku kolejnych osób (np. czterech) jest tyle samo przydziałów do każdego warunku, więc liczebności są równe na każdym etapie rekrutacji. Przy stałej długości bloku osoba rekrutująca może odgadnąć kolejny przydział; zapobiega temu losowa długość bloków (Efird, 2011).
  • Warstwowa – osobna lista bloków dla każdej warstwy, np. kobiet i mężczyzn albo osób z łagodnymi i nasilonymi objawami. Według przeglądu Kernana i in. (1999) przynosi korzyść głównie w małych badaniach (poniżej 400 osób) i tylko wtedy, gdy zmienna warstwująca silnie wpływa na wynik. Warstw powinno być niewiele, a zmienne warstwujące trzeba uwzględnić w analizie.

Przykład

Do eksperymentu z dwoma warunkami zgłosiło się 40 osób: 24 kobiety i 16 mężczyzn. Randomizacja prosta w R (sample() ze zwracaniem) dała podział 17:23, a podział co najmniej tak nierówny zdarza się w 43% takich losowań. Randomizacja blokowa z blokami po 4 osoby dała 20:20, a warstwowa według płci – po 12 kobiet i 8 mężczyzn w każdym warunku.

Jak zapisać w pracy

Uczestników (N = 40) przydzielono losowo do warunku eksperymentalnego albo kontrolnego (po 20 osób) za pomocą randomizacji blokowej z blokami po 4 osoby, warstwowanej według płci; sekwencję przydziałów wygenerowano w R przed rozpoczęciem rekrutacji.

Gdzie umieścić taki opis i co jeszcze podać w procedurze, pokazujemy w poradniku rozdział metodologiczny pracy magisterskiej.

Na co uważać

  • Przydział naprzemienny, według dnia tygodnia albo daty urodzenia to nie randomizacja. Taki przydział jest przewidywalny, a badanie staje się quasi-eksperymentem.
  • Nie testuj istotności różnic wyjściowych między grupami. Przy prawidłowej randomizacji każda różnica na starcie jest dziełem przypadku, dlatego wytyczne CONSORT takich testów nie zalecają (Hopewell i in., 2025). Zmienne silnie związane z wynikiem zaplanuj z góry jako kowarianty, np. w ANCOVA.
  • Randomizacja chroni porównywalność grup tylko w chwili przydziału. Gdy z jednej grupy odpada więcej osób, grupy mogą przestać być porównywalne. Analizuj uczestników według przydzielonego warunku, a nie tego, który faktycznie otrzymali.
Przykład reprodukowalny

Randomizacja w R

Kod losuje przydział 40 osób na trzy sposoby. Liczby z przykładu pochodzą z tego kodu.

Randomizacja prosta, blokowa i warstwowa

Dane wejściowe: 40 osób (24 kobiety i 16 mężczyzn), dwa warunki: eksp i kontr (set.seed(78)).

Co odczytać: liczebności grup w każdej metodzie i prawdopodobieństwo podziału 17:23 albo bardziej nierównego.

R
# Randomizacja prosta, blokowa i warstwowa: 40 osób (24 kobiety, 16 mężczyzn), dwa warunki
set.seed(78)
prosta <- sample(c("eksp", "kontr"), 40, replace = TRUE)   # randomizacja prosta
table(prosta)
round(2 * pbinom(17, 40, 0.5), 3)   # P(podział 17:23 albo bardziej nierówny)
blok <- function(m) unlist(replicate(m / 4, sample(rep(c("eksp", "kontr"), 2)), simplify = FALSE))
table(blok(40))                     # randomizacja blokowa, bloki po 4 osoby
plec <- rep(c("kobieta", "mężczyzna"), c(24, 16))
warstwowa <- ave(plec, plec, FUN = function(x) blok(length(x)))   # osobne bloki w każdej warstwie
table(plec, warstwowa)
Wynik w R
prosta
 eksp kontr 
   17    23 
[1] 0.43

 eksp kontr 
   20    20 
           warstwowa
plec        eksp kontr
  kobieta     12    12
  mężczyzna    8     8

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats). W pracy podaj wersję R, której faktycznie użyto (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czym różni się randomizacja od losowego doboru próby?

Losowy dobór próby decyduje, kto trafi do badania, i pozwala uogólniać wyniki na populację. Randomizacja decyduje, kto dostanie który warunek, i pozwala wnioskować o przyczynie. Eksperyment może mieć jedno bez drugiego.

Jak przeprowadzić randomizację blokową w R?

Dla każdego bloku wylosuj kolejność z równą liczbą warunków, np. sample(rep(c("eksp", "kontr"), 2)) dla bloku 4 osób, i połącz bloki w jedną listę. Przygotuj ją przed rekrutacją i ukryj przed osobami rekrutującymi.

Czy po randomizacji trzeba sprawdzać, czy grupy różnią się na starcie?

Nie testem istotności. Przy prawidłowej randomizacji różnice wyjściowe są przypadkowe, a wytyczne CONSORT takich testów nie zalecają. Pokaż statystyki opisowe grup, a ważne zmienne prognostyczne uwzględnij w zaplanowanej analizie.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Efird, J. (2011). Blocked randomization with randomly selected block sizes. International Journal of Environmental Research and Public Health, 8(1), 15–20. https://doi.org/10.3390/ijerph8010015 ● Otwarty dostęp
  2. Hopewell, S., Chan, A.-W., Collins, G. S., Hróbjartsson, A., Moher, D., Schulz, K. F., Tunn, R., Aggarwal, R., Berkwits, M., Berlin, J. A., Bhandari, N., Butcher, N. J., Campbell, M. K., Chidebe, R. C. W., Elbourne, D., Farmer, A., Fergusson, D. A., Golub, R. M., Goodman, S. N., . . . Boutron, I. (2025). CONSORT 2025 explanation and elaboration: Updated guideline for reporting randomised trials. BMJ, 389, Article e081124. https://doi.org/10.1136/bmj-2024-081124 ● Otwarty dostęp
  3. Kernan, W. N., Viscoli, C. M., Makuch, R. W., Brass, L. M., & Horwitz, R. I. (1999). Stratified randomization for clinical trials. Journal of Clinical Epidemiology, 52(1), 19–26. https://doi.org/10.1016/S0895-4356(98)00138-3 ● Otwarty dostęp

Cytowania BibTeX

@article{efird2011blocked, author={Efird, Jimmy}, title={{Blocked randomization with randomly selected block sizes}}, journal={International Journal of Environmental Research and Public Health}, year={2011}, volume={8}, number={1}, pages={15--20}, doi={10.3390/ijerph8010015}}
@article{hopewell2025consort, author={Hopewell, Sally and Chan, An-Wen and Collins, Gary S. and Hróbjartsson, Asbjørn and Moher, David and Schulz, Kenneth F. and Tunn, Ruth and Aggarwal, Rakesh and Berkwits, Michael and Berlin, Jesse A. and Bhandari, Nita and Butcher, Nancy J. and Campbell, Marion K. and Chidebe, Runcie C. W. and Elbourne, Diana and Farmer, Andrew and Fergusson, Dean A. and Golub, Robert M. and Goodman, Steven N. and Hoffmann, Tammy C. and Ioannidis, John P. A. and Kahan, Brennan C. and Knowles, Rachel L. and Lamb, Sarah E. and Lewis, Steff and Loder, Elizabeth and Offringa, Martin and Ravaud, Philippe and Richards, Dawn P. and Rockhold, Frank W. and Schriger, David L. and Siegfried, Nandi L. and Staniszewska, Sophie and Taylor, Rod S. and Thabane, Lehana and Torgerson, David and Vohra, Sunita and White, Ian R. and Boutron, Isabelle}, title={{CONSORT 2025 explanation and elaboration: Updated guideline for reporting randomised trials}}, journal={BMJ}, year={2025}, volume={389}, eid={e081124}, doi={10.1136/bmj-2024-081124}}
@article{kernan1999stratified, author={Kernan, Walter N. and Viscoli, Catherine M. and Makuch, Robert W. and Brass, Lawrence M. and Horwitz, Ralph I.}, title={{Stratified randomization for clinical trials}}, journal={Journal of Clinical Epidemiology}, year={1999}, volume={52}, number={1}, pages={19--26}, doi={10.1016/s0895-4356(98)00138-3}}
R