Atrankos klaidos yra iš pažiūros atsitiktiniai atrankos ir visos populiacijos charakteristikų skirtumai. Pavyzdžiui, ištyrus mėnesio susitikimo dalyvavimą, paaiškėja, kad vidutiniškai 70 proc. Dalyvavimas kai kuriuose susitikimuose tikrai būtų mažesnis nei kitų. Atrankos klaida yra ta, kad nors jūs galite suskaičiuoti, kiek žmonių dalyvavo kiekviename susitikime, kas iš tikrųjų vyksta dalyvavimas viename posėdyje nėra tas pats, kas vyksta kitame susitikime, nors pagrindinės taisyklės ar tikimybės yra tas pats. Raktai siekiant sumažinti atrankos klaidą yra keli stebėjimai ir didesni pavyzdžiai.
Sumažinkite šališkumo potencialą atrenkant imtį atsitiktinės atrankos būdu. Atsitiktinis mėginių ėmimas nėra atsitiktinis mėginių ėmimas, o sisteminis požiūris į atranką. Pavyzdžiui, atsitiktinė jaunų nusikaltėlių populiacijos imtis yra sukurta pasirinkus vardus iš sąrašo, kurį norite apklausti. Prieš pamatydamas sąrašą, mokslininkas nustato, kad jauni nusikaltėliai, kurie turi būti apklausti, yra tie, kurių vardai sąraše yra pirmieji, 10, 20, 30, 40 ir pan.
Įsitikinkite, kad imtis reprezentuoja populiaciją, įgyvendindama stratifikacijos protokolą. Pavyzdžiui, jei ištyrėte universiteto studentų gėrimo įpročius, galite tikėtis skirtumų tarp brolijos studentų ir ne brolijos studentų. Iš pradžių padalijus mėginį į tuos du sluoksnius, sumažėja imties klaidų tikimybė.
Naudokite didesnius imties dydžius. Didėjant dydžiui, imtis priartėja prie faktinės populiacijos, taigi sumažėja nukrypimų nuo faktinės populiacijos galimybė. Pavyzdžiui, 10 pavyzdžių vidurkis skiriasi daugiau nei 100 imčių vidurkis. Tačiau didesni mėginiai kainuoja brangiau.
Pakartokite savo tyrimą pakartotinai atlikdami tą patį matavimą, naudodami daugiau nei vieną tiriamąjį ar kelias grupes arba atlikdami kelis tyrimus. Replikacija leidžia pašalinti mėginių ėmimo klaidas.