Os erros de amostragem são as diferenças aparentemente aleatórias entre as características de uma população de amostra e as da população em geral. Por exemplo, um estudo do comparecimento a uma reunião mensal revela uma taxa média de 70%. A participação em algumas reuniões certamente seria menor para alguns do que para outros. O erro de amostragem é que, embora você possa contar quantas pessoas participaram de cada reunião, o que realmente acontece em termos de a participação em uma reunião não é a mesma que acontece na próxima reunião, mesmo que as regras ou probabilidades subjacentes sejam o mesmo. As chaves para minimizar o erro de amostragem são múltiplas observações e amostras maiores.
Minimize o potencial de viés na seleção da amostra por meio de amostragem aleatória. A amostragem aleatória não é uma amostragem aleatória, mas sim uma abordagem sistemática para selecionar uma amostra. Por exemplo, uma amostra aleatória de uma população de jovens infratores é gerada selecionando nomes de uma lista para entrevistar. Antes de ver a lista, o pesquisador identifica os jovens infratores a serem entrevistados como aqueles cujos nomes aparecem em primeiro, 10º, 20º, 30º, 40º e assim por diante, na lista.
Certifique-se de que a amostra é representativa da população, implementando um protocolo de estratificação. Por exemplo, se você estudou os hábitos de bebida dos estudantes universitários, pode esperar diferenças entre os alunos da fraternidade e os que não são da fraternidade. Dividir sua amostra nesses dois estratos no início reduz o potencial de erro de amostragem.
Use tamanhos de amostra maiores. À medida que o tamanho aumenta, a amostra se aproxima da população real, diminuindo assim o potencial de desvios da população real. Por exemplo, a média de uma amostra de 10 varia mais do que a média de uma amostra de 100. Amostras maiores, entretanto, envolvem custos mais elevados.
Replique seu estudo fazendo a mesma medição repetidamente, usando mais de um assunto ou vários grupos, ou realizando vários estudos. A replicação permite que você elimine os erros de amostragem.