Chyby pri výbere vzoriek sú zdanlivo náhodné rozdiely medzi charakteristikami vzorky a charakteristikami všeobecnej populácie. Napríklad štúdia o účasti na mesačnom stretnutí odhalila priemernú mieru 70 percent. Účasť na niektorých stretnutiach by bola určite pre niektorých nižšia ako pre iných. Chyba vzorkovania potom spočíva v tom, že zatiaľ čo môžete spočítať, koľko ľudí sa zúčastnilo na každom stretnutí, to, čo sa v skutočnosti stane z hľadiska účasti na jednom stretnutí, nie je to isté ako to, čo sa stane na nasledujúcom stretnutí, aj keď základné pravidlá alebo pravdepodobnosti sú rovnaké. Kľúčom k minimalizácii chyby vzorkovania sú viacnásobné pozorovania a väčšie vzorky.
Minimalizujte možnosť zaujatosti pri výbere vzorky náhodným odberom vzoriek. Náhodný výber nie je náhodný výber, ale systematický prístup k výberu vzorky. Napríklad náhodná vzorka populácie mladých páchateľov sa generuje výberom mien zo zoznamu na pohovor. Predtým, ako sa tento zoznam zobrazí, vedec zistí, že mladí páchatelia, s ktorými sa má viesť rozhovor, sú tí, ktorých mená sa nachádzajú na zozname ako prvé, 10., 20., 30., 40. a pod.
Implementáciou stratifikačného protokolu sa ubezpečte, že vzorka reprezentuje populáciu. Napríklad, ak ste študovali návyky na pitie u študentov vysokých škôl, môžete očakávať rozdiely medzi študentmi bratstva a bratmi. Rozdelenie vzorky na tieto dve vrstvy na začiatku znižuje pravdepodobnosť chyby vzorkovania.
Použite väčšie vzorky. Keď sa veľkosť zväčšuje, vzorka sa priblíži k skutočnej populácii, čím sa znižuje možnosť odchýlok od skutočnej populácie. Napríklad priemer vzorky 10 sa líši viac ako priemer vzorky 100. Väčšie vzorky však znamenajú vyššie náklady.
Zopakujte svoju štúdiu opakovaním toho istého merania pomocou viac ako jedného subjektu alebo viacerých skupín alebo vykonaním viacerých štúdií. Replikácia vám umožňuje vylúčiť chyby pri vzorkovaní.