Otantavirheet ovat näennäisesti satunnaisia eroja otospopulaation ja yleisen populaation ominaisuuksien välillä. Esimerkiksi kuukausittaisen kokouksen läsnäoloa koskeva tutkimus paljastaa keskimäärin 70 prosenttia. Osallistuminen joihinkin kokouksiin olisi varmasti joillekin pienempi kuin toisille. Näytteenottovirhe on siis se, että vaikka voit laskea kuinka monta ihmistä osallistui jokaiseen kokoukseen, mitä itse asiassa tapahtuu läsnäolo yhdessä kokouksessa ei ole sama kuin mitä tapahtuu seuraavassa kokouksessa, vaikka taustalla olevat säännöt tai todennäköisyydet ovatkin sama. Avaimia näytevirheiden minimoimiseksi ovat useat havainnot ja suuremmat näytteet.
Minimoi poikkeaman mahdollisuus otoksen valinnassa satunnaisotannalla. Satunnainen näytteenotto ei ole sattumanvaraista näytteenottoa, vaan se on systemaattinen lähestymistapa näytteen valintaan. Esimerkiksi satunnainen otos nuorten rikoksentekijöiden joukosta muodostetaan valitsemalla nimet luettelosta haastatteltaviksi. Ennen luettelon näkemistä tutkija tunnistaa haastateltavat nuoret rikoksentekijät sellaisiksi, joiden nimet esiintyvät luettelossa ensimmäisenä, 10., 20., 30., 40. ja niin edelleen.
Varmista, että otos edustaa väestöä, ottamalla käyttöön kerrostamisprotokolla. Esimerkiksi, jos tutkit yliopistojen opiskelijoiden juomistottumuksia, saatat odottaa eroja veljeysopiskelijoiden ja muiden kuin veljeyden opiskelijoiden välillä. Näytteen jakaminen aluksi näihin kahteen kerrokseen vähentää näytevirheiden mahdollisuutta.
Käytä suurempia näytekokoja. Kun koko kasvaa, otos lähestyy todellista populaatiota, mikä vähentää poikkeamien mahdollisuutta todellisesta populaatiosta. Esimerkiksi 10 otoksen keskiarvo vaihtelee enemmän kuin 100 otoksen keskiarvo. Suuremmat näytteet aiheuttavat kuitenkin suurempia kustannuksia.
Toista tutkimuksesi tekemällä sama mittaus toistuvasti, käyttämällä useampaa kuin yhtä aihetta tai useita ryhmiä tai tekemällä useita tutkimuksia. Replikoinnin avulla voit poistaa näytteenottovirheet.