ਰਿਸਰਚ ਵਿਚ ਨਮੂਨਾ ਦੀਆਂ ਕਿਸਮਾਂ ਅਤੇ ਸੈਂਪਲਿੰਗ ਦੀਆਂ ਗਲਤੀਆਂ

ਅੰਕੜੇ ਵਿੱਚ, ਇੱਕ ਨਮੂਨਾ ਆਬਾਦੀ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ ਜੋ ਸਮੁੱਚੇ ਗਰੁਪ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਦਰਸਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਖੋਜ ਕਰਦੇ ਸਮੇਂ, ਕਿਸੇ ਖਾਸ ਆਬਾਦੀ ਦੇ ਹਰੇਕ ਮੈਂਬਰ ਨੂੰ ਸਰਵੇਖਣ ਕਰਨਾ ਅਕਸਰ ਅਵਿਵਹਾਰਕ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ ਬਹੁਤ ਵੱਡੀ ਹੁੰਦੀ ਹੈ. ਆਬਾਦੀ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇਣ ਲਈ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਨਿਰੰਤਰ ਸਤਰ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ.

ਖੋਜਕਰਤਾ ਨਮੂਨੇ ਕਿਉਂ ਵਰਤਦੇ ਹਨ?

ਜਦੋਂ ਮਨੁੱਖੀ ਦਿਮਾਗ ਜਾਂ ਵਿਵਹਾਰ ਦੇ ਕਿਸੇ ਪਹਿਲੂ ਦੀ ਖੋਜ ਕਰਦੇ ਹਨ ਤਾਂ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਸਿਰਫ਼ ਹਰੇਕ ਵਿਅਕਤੀ ਦੇ ਅੰਕੜੇ ਇਕੱਤਰ ਨਹੀਂ ਕਰ ਸਕਦੇ. ਇਸ ਦੀ ਬਜਾਇ, ਉਹ ਉਹਨਾਂ ਵਿਅਕਤੀਆਂ ਦਾ ਇੱਕ ਛੋਟਾ ਨਮੂਨਾ ਚੁਣਦੇ ਹਨ ਜੋ ਵੱਡੇ ਸਮੂਹ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ. ਜੇ ਨਮੂਨਾ ਪ੍ਰਸ਼ਨ ਵਿੱਚ ਵਾਸਤਵ ਵਿੱਚ ਪ੍ਰਤੀਨਿਧ ਹੈ, ਤਾਂ ਖੋਜਕਰਤਾ ਫਿਰ ਆਪਣੇ ਨਤੀਜਿਆਂ ਨੂੰ ਲੈ ਸਕਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਵੱਡੇ ਸਮੂਹ ਵਿੱਚ ਸਧਾਰਣ ਕਰ ਸਕਦੇ ਹਨ.

ਸੈਂਪਲਿੰਗ ਦੀਆਂ ਕਿਸਮਾਂ

ਮਨੋਵਿਗਿਆਨਿਕ ਖੋਜ ਅਤੇ ਹੋਰ ਪ੍ਰਕਾਰ ਦੇ ਸਮਾਜਿਕ ਖੋਜਾਂ ਵਿੱਚ, ਤਜਰਬੇਕਾਰ ਕੁਝ ਵੱਖਰੇ ਨਮੂਨਿਆਂ ਦੇ ਢੰਗਾਂ ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ.

1. ਸੰਭਾਵੀ ਸਾਮੱਗਰੀ

ਸੰਭਾਵੀ ਨਮੂਨੇ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜਨਸੰਖਿਆ ਦੇ ਹਰੇਕ ਵਿਅਕਤੀ ਦੀ ਬਰਾਬਰੀ ਹੈ ਅਤੇ ਚੁਣੇ ਜਾਣ ਦੇ ਸਮਾਨ ਅਵਸਰ ਹਨ. ਕਿਉਕਿ ਸੰਭਾਵਨਾ ਨਮੂਨਾ ਵਿੱਚ ਬੇਤਰਤੀਬ ਚੋਣ ਸ਼ਾਮਲ ਹੈ, ਇਹ ਭਰੋਸਾ ਦਿਵਾਉਂਦਾ ਹੈ ਕਿ ਆਬਾਦੀ ਦੇ ਵੱਖ-ਵੱਖ ਉਪ-ਸਮੂਹਾਂ ਨੂੰ ਨਮੂਨੇ ਵਿੱਚ ਦਰਸਾਏ ਜਾਣ ਦੀ ਬਰਾਬਰ ਸੰਭਾਵਨਾ ਹੈ. ਇਹ ਸੰਭਾਵਨਾ ਦੇ ਨਮੂਨਿਆਂ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਤਿਨਿਧੀ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਖੋਜਕਰਤਾ ਆਪਣੇ ਨਤੀਜਿਆਂ ਨੂੰ ਸਮੂਹ ਦੇ ਤੌਰ ਤੇ ਆਮ ਤੌਰ ਤੇ ਪੂਰਾ ਕਰਨ ਦੇ ਯੋਗ ਹਨ.

ਸੰਭਾਵੀ ਨਮੂਨੇ ਦੇ ਕੁਝ ਵੱਖ ਵੱਖ ਕਿਸਮ ਦੇ ਹਨ:

• ਸਧਾਰਣ ਬੇਤਰਤੀਬ ਨਮੂਨਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਨਾਮ ਤੋਂ ਹੀ ਸੁਝਾਅ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਸਭ ਤੋਂ ਸੌਖਾ ਕਿਸਮ ਦੇ ਸੰਭਾਵੀ ਨਮੂਨੇ. ਖੋਜਕਰਤਾ ਆਬਾਦੀ ਵਿਚ ਹਰੇਕ ਵਿਅਕਤੀ ਨੂੰ ਲੈਂਦੇ ਹਨ ਅਤੇ ਲਗਾਤਾਰ ਆਪਣੇ ਨਮੂਨੇ ਦੀ ਚੋਣ ਕਰਦੇ ਹਨ, ਅਕਸਰ ਕਿਸੇ ਕਿਸਮ ਦੇ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਜਾਂ ਰੈਂਡਮ ਨੰਬਰ ਜਨਰੇਟਰ ਦਾ ਇਸਤੇਮਾਲ ਕਰਦੇ ਹਨ

• ਸਟ੍ਰੈਟਿਫਾਈਡ ਬੇਤਰਤੀਬ ਨਮੂਨਾ ਵਿੱਚ ਆਬਾਦੀ ਨੂੰ ਉਪ ਸਮੂਹਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਅਤੇ ਇਹਨਾਂ ਉਪ ਸਮੂਹਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਤੋਂ ਇੱਕ ਸਧਾਰਨ ਰੈਂਡਮ ਨਮੂਨਾ ਲੈਣਾ ਸ਼ਾਮਲ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਖੋਜ ਜਨਸੰਖਿਆ ਨੂੰ ਜਾਤੀ, ਲਿੰਗ, ਜਾਂ ਉਮਰ ਦੇ ਅਧਾਰ ਤੇ ਉਪ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਗਰੁੱਪ ਦਾ ਇੱਕ ਸਧਾਰਨ ਰਲਵੇਂ ਨਮੂਨਾ ਲੈ ਸਕਦਾ ਹੈ. ਸਟ੍ਰੈਟਿਫਾਈਡ ਬੇਤਰਤੀਬ ਨਮੂਨਾ ਅਕਸਰ ਸਧਾਰਣ ਬੇਤਰਤੀਬ ਨਮੂਨੇ ਦੀ ਬਜਾਏ ਵੱਡੀ ਸੰਖਿਆਤਮਕ ਸਹੀਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿਚ ਸਹਾਇਤਾ ਕਰਦਾ ਹੈ ਕਿ ਕੁਝ ਸਮੂਹਾਂ ਨੂੰ ਸਹੀ ਰੂਪ ਵਿਚ ਨਮੂਨਾ ਵਿਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ.
• ਕਲਸਟਰ ਸੈਂਪਲਿੰਗ ਵਿਚ ਆਬਾਦੀ ਨੂੰ ਛੋਟੇ ਕਲੱਸਟਰਾਂ ਵਿਚ ਵੰਡਣਾ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਅਕਸਰ ਭੂਗੋਲਿਕ ਸਥਿਤੀ ਜਾਂ ਹੱਦਾਂ 'ਤੇ ਆਧਾਰਿਤ ਹੁੰਦਾ ਹੈ. ਇਹਨਾਂ ਕਲੱਸਟਰਾਂ ਦੇ ਇੱਕ ਬੇਤਰਤੀਜੇ ਨਮੂਨੇ ਦੀ ਚੋਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਕਲੱਸਟਰ ਦੇ ਅੰਦਰਲੇ ਸਾਰੇ ਵਿਸ਼ਿਆਂ ਨੂੰ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਸੂਬੇ ਦੇ ਸਕੂਲ ਦੇ ਪ੍ਰਿੰਸੀਪਲਾਂ ਬਾਰੇ ਇਕ ਅਧਿਐਨ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹੋ. ਹਰੇਕ ਸਕੂਲ ਦੇ ਸਿਧਾਂਤ ਤੋਂ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ ਲਾਗਤ-ਰੋਕਥਾਮ ਅਤੇ ਸਮਾਂ ਬਰਬਾਦ ਕਰਨਾ ਹੋਵੇਗਾ ਕਲੱਸਟਰ ਸੈਂਪਲਿੰਗ ਵਿਧੀ ਦਾ ਇਸਤੇਮਾਲ ਕਰਨਾ, ਤੁਸੀਂ ਆਪਣੇ ਰਾਜ ਵਿੱਚੋਂ ਪੰਜ ਕਾਉਂਟੀਆਂ ਨੂੰ ਬੇਤਰਤੀਬ ਨਾਲ ਚੁਣਦੇ ਹੋ ਅਤੇ ਫਿਰ ਇਹਨਾਂ ਪੰਜ ਕਾਉਂਟਿਕਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਵਿਚ ਹਰੇਕ ਵਿਸ਼ੇ ਤੋਂ ਡਾਟਾ ਇਕੱਠਾ ਕਰੋ.

2. ਗੈਰ-ਪ੍ਰੋਬੇਬਲ ਸੈਂਪਲਿੰਗ

ਗੈਰ-ਸੰਭਾਵੀ ਨਮੂਨਾ, ਦੂਜੇ ਪਾਸੇ, ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਦੀ ਉਹਨਾਂ ਵਿਧੀਆਂ ਦੀ ਚੋਣ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜੋ ਹਰ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਜਨਸੰਖਿਆ ਵਿੱਚ ਨਹੀਂ ਚੁਣਿਆ ਜਾ ਰਿਹਾ ਹੈ ਅਤੇ ਉਸ ਨੂੰ ਚੁਣਨ ਦੇ ਬਰਾਬਰ ਦੀ ਸੰਭਾਵਨਾ ਹੈ.

ਇਸ ਕਿਸਮ ਦੇ ਨਮੂਨੇ ਦੇ ਨਾਲ ਇੱਕ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਵਾਲੰਟੀਅਰ ਗੈਰ-ਸਵੈਸੇਵਕਾਂ ਦੇ ਮੁਕਾਬਲੇ ਕੁਝ ਵੇਰੀਅਬਲ ਤੇ ਵੱਖਰੇ ਹੋ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਨਤੀਜਿਆਂ ਦੀ ਪੂਰੀ ਆਬਾਦੀ ਨੂੰ ਸਧਾਰਣ ਕਰਨਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ.

ਕਈ ਕਿਸਮ ਦੇ ਗ਼ੈਰਪ੍ਰਸਤਾਜਨਕ ਨਮੂਨੇ ਵੀ ਹਨ:

• ਸਹੂਲਤ ਸੈਂਪਲਿੰਗ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਵਾਲਿਆਂ ਨੂੰ ਇਕ ਅਧਿਐਨ ਵਿਚ ਸ਼ਾਮਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਕਿਉਂਕਿ ਉਹ ਸੁਵਿਧਾਜਨਕ ਅਤੇ ਉਪਲੱਬਧ ਹਨ. ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਤੁਹਾਡੇ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਮਨੋਵਿਗਿਆਨ ਵਿਭਾਗ ਦੁਆਰਾ ਕਰਵਾਏ ਗਏ ਮਨੋਵਿਗਿਆਨਕ ਅਧਿਐਨਾਂ ਲਈ ਹਰ ਇਕ ਸਵੈਸੇਵਿਤ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇਕ ਅਧਿਐਨ ਵਿਚ ਹਿੱਸਾ ਲਿਆ ਹੈ ਜੋ ਕਿ ਸਹੂਲਤ ਦੇ ਨਮੂਨੇ 'ਤੇ ਨਿਰਭਰ ਹੈ. ਉਹ ਅਧਿਐਨ ਜੋ ਵਲੰਟੀਅਰਾਂ ਲਈ ਪੁੱਛਣ ਤੇ ਜਾਂ ਕਲੀਨਿਕਲ ਨਮੂਨਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜੋ ਖੋਜਕਰਤਾ ਲਈ ਉਪਲਬਧ ਹਨ, ਸਹੂਲਤ ਦੇ ਨਮੂਨੇ ਦੇ ਵੀ ਉਦਾਹਰਣ ਹਨ.

• ਪਰਿਪੂਰਨ ਨਮੂਨਾ ਵਿੱਚ ਅਜਿਹੇ ਵਿਅਕਤੀਆਂ ਦੀ ਖੋਜ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜੋ ਕੁਝ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ. ਉਦਾਹਰਨ ਲਈ, ਮਾਰਕਿਟ ਨੂੰ ਇਹ ਜਾਣਨ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੋ ਸਕਦੀ ਹੈ ਕਿ 18 ਤੋਂ 35 ਸਾਲ ਦੀ ਉਮਰ ਦੀਆਂ ਔਰਤਾਂ ਦੁਆਰਾ ਉਨ੍ਹਾਂ ਦੇ ਉਤਪਾਦਾਂ ਨੂੰ ਕਿਵੇਂ ਵਿਚਾਰਿਆ ਜਾਂਦਾ ਹੈ. ਉਹ ਟੈਲੀਫ਼ੋਨ 'ਤੇ ਇੰਟਰਵਿਊ ਕਰਨ ਲਈ ਇੱਕ ਮਾਰਕੀਟ ਖੋਜ ਫਰਮ ਵਿੱਚ ਨੌਕਰੀ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਜਾਣਬੁੱਝ ਕੇ ਉਨ੍ਹਾਂ ਦੀ ਉਮਰ ਦੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਾਲੀਆਂ ਔਰਤਾਂ ਦੀ ਤਲਾਸ਼ ਕਰਦੇ ਹਨ ਅਤੇ ਇੰਟਰਵਿਊ ਕਰਦੇ ਹਨ.
• ਕੋਟੇ ਦੇ ਨਮੂਨੇ ਵਿਚ ਜਾਣਬੁੱਝ ਕੇ ਆਬਾਦੀ ਦੇ ਅੰਦਰ ਇਕ ਸਬ-ਗਰੁੱਪ ਦੀ ਵਿਸ਼ੇਸ਼ ਅਨੁਪਾਤ ਦਾ ਇਸ਼ਾਰਾ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਰਾਜਨੀਤਕ ਪੋਲਟਰਾਂ ਨੂੰ ਕਿਸੇ ਖਾਸ ਸਿਆਸੀ ਮਸਲੇ ਤੇ ਆਬਾਦੀ ਦੇ ਵਿਚਾਰਾਂ ਦੀ ਖੋਜ ਕਰਨ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੋ ਸਕਦੀ ਹੈ. ਜੇ ਉਹ ਸਧਾਰਣ ਬੇਤਰਤੀਬ ਨਮੂਨੇ ਲੈਂਦੇ ਹਨ, ਤਾਂ ਉਹ ਸ਼ਾਇਦ ਆਬਾਦੀ ਦੇ ਕੁਝ ਸਬਸੈੱਟਾਂ ਨੂੰ ਮੌਕਾ ਦੇ ਕੇ ਗੁਆ ਬੈਠਦੇ ਹਨ. ਇਸ ਦੀ ਬਜਾਏ, ਉਹ ਮਾਪਦੰਡ ਸਥਾਪਤ ਕਰਦੇ ਹਨ ਕਿ ਕੁਝ ਨਮੂਨਿਆਂ ਵਿੱਚ ਇਹ ਸਬਗਰੁੱਪ ਸ਼ਾਮਲ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ. ਜਦੋਂ ਕਿ ਨਤੀਜਾ ਨਮੂਨਾ ਅਸਲ ਵਿਚ ਜਨਸੰਖਿਆ ਦੇ ਅਸਲ ਅਨੁਪਾਤ ਦਾ ਪ੍ਰਤੀਨਿਧੀ ਨਹੀਂ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸਦਾ ਕੋਟਾ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਛੋਟਾ ਉਪ-ਸਮੂਹ ਦਰਸਾਏ ਗਏ ਹਨ.

ਕੁੱਝ ਢੰਗਾਂ ਬਾਰੇ ਹੋਰ ਜਾਣੋ ਜੋ ਸੰਭਾਵੀਤਾ ਅਤੇ ਗੈਰ-ਪ੍ਰੇਸ਼ਾਨੀ ਦੇ ਨਮੂਨਿਆਂ ਵਿੱਚ ਭਿੰਨਤਾ ਹੈ.

ਸੈਂਪਲਿੰਗ ਐਰਰਸ

ਕਿਉਂਕਿ ਨਿਸਚਿਤ ਤੌਰ ਤੇ ਨਮੂਨੇ ਲੈਣ ਨਾਲ ਆਬਾਦੀ ਵਿਚ ਹਰ ਇਕ ਵਿਅਕਤੀ ਨੂੰ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਗ਼ਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ. ਆਬਾਦੀ ਵਿਚ ਜੋ ਮੌਜੂਦ ਹੈ ਅਤੇ ਜੋ ਨਮੂਨਾ ਵਿਚ ਮੌਜੂਦ ਹੈ, ਵਿਚ ਅੰਤਰ ਇਸ ਨੂੰ ਸੈਂਪਲਿੰਗ ਗਲਤੀਆਂ ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ .

ਹਾਲਾਂਕਿ ਇਹ ਜਾਣਨਾ ਅਸੰਭਵ ਹੈ ਕਿ ਜਨਸੰਖਿਆ ਅਤੇ ਨਮੂਨੇ ਦੇ ਵਿੱਚ ਫਰਕ ਕਿੰਨਾ ਵਧੀਆ ਹੋ ਸਕਦਾ ਹੈ, ਖੋਜਕਰਤਾ ਨਮੂਨੇ ਦੀਆਂ ਗਲੀਆਂ ਦੇ ਅਕਾਰ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੇ ਯੋਗ ਹਨ. ਮਿਸਾਲ ਲਈ, ਰਾਜਨੀਤਿਕ ਚੋਣਾਂ ਵਿਚ, ਤੁਸੀਂ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਵਿਸ਼ਵਾਸ ਦੇ ਪੱਧਰ ਦੀਆਂ ਗਲਤੀਆਂ ਦਾ ਅੰਦਾਜ਼ਾ ਸੁਣ ਸਕਦੇ ਹੋ.

ਸਧਾਰਣ ਰੂਪ ਵਿੱਚ, ਵੱਡਾ ਨਮੂਨਾ ਦਾ ਆਕਾਰ ਛੋਟਾ ਹੈ ਜੋ ਗਲਤੀ ਦਾ ਪੱਧਰ ਹੈ. ਇਹ ਸਿਰਫ਼ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਜਿਵੇਂ ਕਿ ਕੁੱਲ ਆਬਾਦੀ ਦੇ ਆਕਾਰ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਨਮੂਨੇ ਦੇ ਨਜ਼ਦੀਕ ਦੇ ਨੇੜੇ ਆ ਜਾਂਦੇ ਹਨ, ਉੱਨੀ ਜ਼ਿਆਦਾ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਇਹ ਜਨਸੰਖਿਆ ਦੀਆਂ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਹਾਸਲ ਕਰਨਾ ਹੈ. ਸੈਂਪਲਿੰਗ ਗਲਤੀ ਨੂੰ ਪੂਰੀ ਤਰਾਂ ਖ਼ਤਮ ਕਰਨ ਦਾ ਇਕੋ ਇਕ ਤਰੀਕਾ ਹੈ ਸਮੁੱਚੇ ਆਬਾਦੀ ਤੋਂ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ, ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਸਿਰਫ ਲਾਗਤ-ਪ੍ਰਭਾਵੀ ਹੈ ਅਤੇ ਸਮਾਂ-ਬਰਦਾਸ਼ਤ ਕਰਨ ਵਾਲੀ ਹੈ. ਸੈਂਪਲਿੰਗ ਗਲਤੀਆਂ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਰੈਂਡਮਾਈਜ਼ਡ ਸੰਭਾਵਨਾ ਟੈਸਟਿੰਗ ਅਤੇ ਵੱਡੇ ਸਧਾਰਨ ਸਾਈਜ਼ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ

_{ਹਵਾਲੇ:}

_{ਗੁਡਵਿਨ, ਸੀਜੇ (2010). ਮਨੋਵਿਗਿਆਨ ਵਿੱਚ ਖੋਜ: ਵਿਧੀ ਅਤੇ ਡਿਜ਼ਾਈਨ ਹੋਬੋਕਨ, ਐਨਜੇ: ਜੌਨ ਵਿਲੇ ਅਤੇ ਪੁੱਤਰ.}

_{ਨਿਕੋਲਸ, ਐਲ. (2008). ਮਨੋਵਿਗਿਆਨ ਦੀ ਜਾਣਕਾਰੀ UCT ਪ੍ਰੈਸ: ਕੇਪ ਟਾਊਨ}