Il campionamento è un metodo di ricerca in cui i sottogruppi sono selezionati da un gruppo più ampio noto come popolazione target. Vengono studiati i sottogruppi o i campioni. Se il campione viene scelto correttamente, i risultati possono essere utilizzati per rappresentare la popolazione target. La probabilità proporzionale alla dimensione (PPS) tiene conto delle diverse dimensioni del campione. Ciò aiuta a evitare di rappresentare in modo insufficiente un sottogruppo in uno studio e produce risultati più accurati.
Probabilità proporzionale alla dimensione

Quando vengono utilizzati campioni di sottogruppi di dimensioni diverse e il campionamento viene eseguito con la stessa probabilità, le possibilità di selezionare un membro di un gruppo di grandi dimensioni è meno della selezione di un membro di un gruppo più piccolo. Questo è noto come probabilità proporzionale alla dimensione (PPS). Ad esempio, se un campione avesse 20.000 membri, la probabilità che un membro fosse selezionato sarebbe 1/20000 o 0,005 percento. Se un altro campione avesse 10.000 membri, la probabilità che un membro fosse selezionato sarebbe 1/10000 o .01 percento.
Classificazioni dei metodi di campionamento

I metodi di campionamento sono classificati come probabilità o non propensione. I campioni di non propensione vengono selezionati in qualche modo non casuale, ma con una probabilità sconosciuta di selezione di un determinato membro della popolazione. I campioni di probabilità hanno una probabilità nota diversa da zero di essere selezionati.
Errore di campionamento

Può esserci una differenza tra i risultati ottenuti usando il campione e la popolazione target. Questa differenza è nota come errore di campionamento. Il campionamento non può essere misurato nel campionamento della non propensione. Può essere misurato nel campionamento di probabilità. Quando vengono riportati i risultati di uno studio, includono l'intervallo più o meno dell'errore di campionamento.
Ponderazione

Se la dimensione del campione non può essere equalizzata, è possibile utilizzare un fattore o un peso per equalizzare l'importanza relativa di un membro nello studio. Se viene utilizzato l'esempio di campioni con 10.000 membri e 20.000 membri, un membro del campione di 10.000 può essere moltiplicato per un fattore 1X, mentre un membro del campione di 20.000 può essere moltiplicato per 2X. Ciò comporterebbe un valore o peso uguale per ciascun membro nonostante una diversa probabilità che i membri vengano selezionati. Il bias di campionamento è il risultato di un sottogruppo che è sottorappresentato in uno studio a causa delle sue dimensioni più ridotte. La ponderazione può essere utilizzata per ridurre la distorsione del campione. La PPS è auto-ponderata grazie alla differenza nelle dimensioni del campione.
Campionamento dei cluster

Anche quando si usa la PPS, deve esserci un metodo per dividere una popolazione target in sottogruppi. I membri dei sottogruppi possono essere selezionati in base a condizioni preesistenti come la loro appartenenza a un gruppo. Questo è noto come campionamento di cluster.
Combinazione di metodi di campionamento

PPS può essere combinato con altri metodi di selezione dei campioni. Ad esempio, il clustering potrebbe essere utilizzato laddove i membri dei sottogruppi erano già assegnati a un sottogruppo come un'unità militare. Quindi la stratificazione potrebbe essere utilizzata in modo che i dati demografici come il rango siano equamente distribuiti. Infine, è possibile utilizzare un semplice campionamento casuale (SRS) per evitare la distorsione del campione. PPS può quindi essere utilizzato per lo studio.