Surveys, Experiments, and Observational Studies
Aligned to S-IC.B.3 — Common Core State Standards for Mathematics.
What this lesson teaches
A sample survey questions a sample to describe a population; an observational study watches without intervening; an experiment imposes a treatment to test cause and effect. Randomization reduces bias, and in an experiment random assignment supports causal claims.
Worked examples
Example 1
To test a new fertilizer, an experiment randomly assigns plots to either fertilizer or none and compares yields. Because assignment is random, a difference in yield can be attributed to the fertilizer itself.
Example 2
An observational study notes that students who eat breakfast score higher on tests. This cannot establish that breakfast raises scores — the same households that serve breakfast may also enforce earlier bedtimes. To test it properly, randomly assign volunteers to a breakfast group and a no-breakfast group, so the unmeasured differences spread evenly across both.
Example 3
Common mistake: confusing random SELECTION with random ASSIGNMENT. Random selection decides who enters the study and controls whether the result generalizes to the population. Random assignment decides who gets which treatment and controls whether a cause-and-effect claim is warranted. A study can have one without the other: a randomized experiment on volunteers proves causation but may not generalize.
Practice questions
- Which type of study can establish cause and effect?
- Give an example of an observational study.
- Why is random assignment important in an experiment?
Watch the lesson
Every lesson comes with a video taught in English and Spanish — the same video the QR code in the printed workbook opens.
▶ Watch this lessonEn español
Encuestas, experimentos y estudios observacionales
Una encuesta por muestreo interroga a una muestra para describir una población; un estudio observacional observa sin intervenir; un experimento impone un tratamiento para probar causa y efecto. La aleatorización reduce el sesgo, y en un experimento la asignación aleatoria respalda las afirmaciones de causalidad.
Ejemplo 1: Para probar un fertilizante nuevo, un experimento asigna al azar parcelas a fertilizante o a ninguno y compara los rendimientos. Como la asignación es aleatoria, una diferencia en el rendimiento puede atribuirse al fertilizante mismo.
Ejemplo 2: Un estudio observacional nota que los estudiantes que desayunan sacan mejores notas. Eso no puede establecer que el desayuno suba las notas — los mismos hogares que sirven desayuno quizá también imponen horarios de sueño más tempranos. Para probarlo bien, asigna al azar a voluntarios a un grupo con desayuno y otro sin él, de modo que las diferencias no medidas se repartan parejo entre ambos.
Ejemplo 3: Error común: confundir la SELECCIÓN aleatoria con la ASIGNACIÓN aleatoria. La selección aleatoria decide quién entra al estudio y controla si el resultado se generaliza a la población. La asignación aleatoria decide quién recibe cada tratamiento y controla si se justifica una afirmación de causa y efecto. Un estudio puede tener una sin la otra: un experimento aleatorizado con voluntarios prueba causalidad pero quizá no se generalice.
More Statistics & Probability lessons
Teach this lesson today
An AI tutor that guides with questions instead of just giving answers — all K–12 core subjects, every child in the family.
Start free — no card required