Gli errori di campionamento sono le differenze apparentemente casuali tra le caratteristiche di una popolazione campione e quelle della popolazione generale. Ad esempio, uno studio sulla partecipazione a una riunione mensile rivela un tasso medio del 70 percento. La partecipazione ad alcune riunioni sarebbe certamente inferiore per alcuni rispetto ad altri. L'errore di campionamento quindi è che mentre puoi contare quante persone hanno partecipato a ciascuna riunione, cosa succede effettivamente in termini di la partecipazione a una riunione non è la stessa di quella che accade alla riunione successiva, anche se le regole o le probabilità sottostanti sono lo stesso. Le chiavi per ridurre al minimo l'errore di campionamento sono osservazioni multiple e campioni più grandi.
Ridurre al minimo il potenziale di distorsione nella selezione del campione attraverso il campionamento casuale. Il campionamento casuale non è un campionamento casuale, ma è invece un approccio sistematico alla selezione di un campione. Ad esempio, un campione casuale di una popolazione di giovani delinquenti viene generato selezionando i nomi da un elenco da intervistare. Prima di vedere l'elenco, il ricercatore identifica i giovani delinquenti da intervistare come quelli i cui nomi compaiono per primi, 10°, 20°, 30°, 40° e così via nell'elenco.
Assicurarsi che il campione sia rappresentativo della popolazione implementando un protocollo di stratificazione. Ad esempio, se hai studiato le abitudini di consumo degli studenti universitari, potresti aspettarti differenze tra studenti di confraternite e studenti di non confraternite. La suddivisione del campione in questi due strati all'inizio riduce il rischio di errori di campionamento.
Utilizzare campioni di dimensioni maggiori. All'aumentare della dimensione, il campione si avvicina alla popolazione effettiva, diminuendo così il potenziale di deviazioni dalla popolazione effettiva. Ad esempio, la media di un campione di 10 varia più della media di un campione di 100. Campioni più grandi, tuttavia, comportano costi più elevati.
Replica il tuo studio effettuando più volte la stessa misurazione, utilizzando più di un soggetto o più gruppi o intraprendendo più studi. La replica consente di eliminare gli errori di campionamento.