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 della 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 è quindi che mentre puoi contare quante persone hanno partecipato a ciascuna riunione, ciò che effettivamente accade in termini di partecipazione a una riunione non è lo stesso di quello che accade alla riunione successiva, anche se le regole o le probabilità sottostanti sono le stesse. Le chiavi per minimizzare l'errore di campionamento sono più osservazioni e campioni più grandi.
Riduci al minimo il rischio di distorsioni 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 autori di reato viene generato selezionando i nomi da un elenco da intervistare. Prima di visualizzare l'elenco, il ricercatore identifica i giovani autori di reati 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 del popolazione implementando un protocollo di stratificazione. Ad esempio, se hai studiato le abitudini di consumo degli studenti universitari, potresti aspettarti differenze tra studenti della Fraternità e studenti non della Fraternità. Dividere il campione in quei due strati all'inizio riduce il rischio di errori di campionamento.
Usa campioni di dimensioni maggiori. All'aumentare delle dimensioni, il campione si avvicina alla popolazione effettiva, riducendo in tal modo il potenziale di deviazioni dalla popolazione effettiva. Ad esempio, la media di un campione di 10 varia in misura maggiore rispetto alla media di un campione di 100. Tuttavia, campioni più grandi comportano costi più elevati.
Replica il tuo studio eseguendo la stessa misurazione ripetutamente, usando più di una materia o più gruppi o intraprendendo più studi. La replica consente di eliminare gli errori di campionamento.
