Sampling, sa mga istatistika, isang proseso o pamamaraan ng pagguhit ng isang kinatawan na grupo ng mga indibidwal o mga kaso mula sa isang partikular na populasyon. Ang pag-sampling at statistical inference ay ginagamit sa mga pangyayari kung saan hindi praktikal upang makakuha ng impormasyon mula sa bawat miyembro ng populasyon, tulad ng sa pagsusuri sa biological o kemikal, kontrol sa kalidad ng industriya, o mga panlipunang survey. Ang pangunahing disenyo ng sampling ay simpleng random sampling, batay sa teorya ng posibilidad. Sa form na ito ng random sampling, ang bawat elemento ng populasyon na na-sample ay may pantay na posibilidad na mapili. Sa isang random na sample ng isang klase ng 50 mga mag-aaral, halimbawa, ang bawat mag-aaral ay may parehong posibilidad, 1/50, na napili. Ang bawat kumbinasyon ng mga elemento na iginuhit mula sa populasyon ay mayroon ding pantay na posibilidad na mapili. Ang pag-sampol batay sa teorya ng probabilidad ay nagbibigay-daan sa investigator upang matukoy ang posibilidad na ang mga natuklasan sa istatistika ay bunga ng pagkakataon. Ang mas karaniwang ginagamit na mga pamamaraan, mga pagpipino ng pangunahing ideyang ito, ay stratified sampling (kung saan ang populasyon ay nahahati sa mga klase at simpleng random na mga sample ay iginuhit mula sa bawat klase), ang cluster sampling (kung saan ang yunit ng sample ay isang grupo, tulad ng isang sambahayan), at sistematikong sampling (mga sample na kinuha ng anumang system maliban sa random na pagpipilian, tulad ng bawat ika-10 na pangalan sa isang listahan).
opinyon ng publiko: Ang sample
Kapag natukoy na ang uniberso, dapat na mapili ang isang halimbawa ng uniberso. Ang pinaka-maaasahang paraan ng probabilidad sampling, na kilala bilang
Ang isang kahalili sa pag-sampol ng probabilidad ay ang sampling ng paghuhusga, kung saan ang pagpili ay batay sa paghuhusga ng mananaliksik at mayroong isang hindi kilalang posibilidad ng pagsasama sa sample para sa anumang naibigay na kaso. Ang mga pamamaraan ng posibilidad ay karaniwang ginustong dahil iniiwasan nila ang pagpili ng bias at ginagawang posible upang matantya ang mga sampling error (ang pagkakaiba sa pagitan ng panukalang nakuha mula sa sample at ng buong populasyon kung saan nakuha ang sample).
