Um erro de amostragem é um problema na forma como membros de uma população são selecionados para pesquisa ou data collection, que impacta a validade dos resultados. Numericamente, um erro de amostragem expressa a diferença entre os resultados da amostra e os resultados estimados para a população.
Subjectos são seleccionados através de vários métodos diferentes, amplamente categorizados como probabilidadebaseada ou não na capacidade. Métodos baseados na probabilidade são considerados como produzindo os resultados mais válidos porque cada membro de uma população tem uma chance igual de seleção; desde que um suficientemente grande <sample é selecionado, o grupo deve ser representativo da população. <
Nenhum método de amostragem é infalível. Em simple random sampling, considerado como o método mais infalível, os sujeitos para a amostra são selecionados aleatoriamente de toda a população para criar um subconjunto.
Even, neste caso, no entanto, o tamanho da amostra é um problema. Em geral, um grupo maior de sujeitos será mais representativo da população. Imagine, for exemplo, a estudo no qual trinta sujeitos são selecionados de uma população de mil -- seleção aleatória não poderia garantir that the sample representaria a população.
Outra amostragem erros incluem:
Não-resposta: Os sujeitos podem não responder, e aqueles que respondem podem diferem daqueles que não respondem de forma significativa.
Self-selection: Se os sujeitos forem voluntários, isso pode indicar que eles têm um viés particular relacionado com o estudo, que pode distorcer os resultados.
Amostras de erro de estrutura: Um subgrupo não representativo pode ser selecionado como uma amostra.
Erro de especificação da população: O pesquisador não consegue identificar a população de interesse com precisão suficiente.
Um tamanho de amostra suficientemente grande, selecção aleatória e atenção ao desenho do estudo podem todos ajudar a melhorar a validade dos dados.