טעויות דגימה הן ההבדלים האקראיים לכאורה בין המאפיינים של אוכלוסיית מדגם לאלה של האוכלוסייה הכללית. לדוגמא, מחקר על הנוכחות בפגישה חודשית מגלה שיעור ממוצע של 70 אחוז. הנוכחות בישיבות מסוימות בוודאי תהיה נמוכה יותר עבור חלקם מאשר עבור אחרים. טעות הדגימה אם כן היא שאמנם ניתן לספור כמה אנשים השתתפו בכל פגישה, אך מה קורה בפועל מבחינת נוכחות בפגישה אחת אינה זהה למה שקורה בפגישה הבאה, למרות שהכללים או ההסתברויות הבסיסיים הם אותו הדבר. המפתחות למזעור שגיאת הדגימה הם תצפיות מרובות ודוגמאות גדולות יותר.
למזער את פוטנציאל ההטיה בבחירת המדגם באמצעות דגימה אקראית. דגימה אקראית אינה דגימה מקרית אלא היא גישה שיטתית לבחירת מדגם. לדוגמא, מדגם אקראי של אוכלוסיית עבריינים צעירים נוצר על ידי בחירת שמות מתוך רשימה לראיון. לפני שראה את הרשימה, החוקר מזהה שעבריינים צעירים שיש להתראיין כמי ששמם מופיע ברשימה הראשונה, ה -10, ה -20, ה -30, ה -40 וכן הלאה.
ודא שהמדגם מייצג את האוכלוסייה על ידי יישום פרוטוקול ריבוד. לדוגמה, אם למדת את הרגלי השתייה של סטודנטים באוניברסיטה, אתה עשוי לצפות להבדלים בין סטודנטים לאחווה לבין סטודנטים שאינם אחווה. פיצול המדגם לשתי השכבות הללו בהתחלה מקטין את הפוטנציאל לשגיאת דגימה.
השתמש בגדלים גדולים יותר לדוגמא. ככל שהגודל גדל, המדגם מתקרב לאוכלוסיה בפועל, ובכך מקטין את פוטנציאל הסטיות מהאוכלוסייה בפועל. לדוגמא, הממוצע של מדגם של 10 משתנה יותר מהממוצע של מדגם של 100. עם זאת, דוגמאות גדולות יותר כרוכות בעלויות גבוהות יותר.
העתק את המחקר על ידי ביצוע אותה מדידה שוב ושוב, באמצעות יותר מנבדק אחד או קבוצות מרובות, או על ידי ביצוע מספר מחקרים. שכפול מאפשר לך להחליף שגיאות דגימה.