انتخاب این‌گونه مشاهدات معمولا به روش‌های آماری وابستگی دارد.

جدول زیر شماره ردیف‌های مربوط به اعضای جامعه آماری که باید در نمونه قرار گیرند را مشخص کرده است.

تفاوت این روش نمونه گیری با نمونه گیری طبقه‌بندی شده در این است که در نمونه گیری طبقه بندی شده افراد در یک طبقه تفاوتی ندارند و مشابه هستند(بین طبقات تفاوت زیادی وجود دارد)؛ اما در نمونه گیری خوشه‌بندی تفاوت بین خوشه ها بسیار کم است و نیز افراد درون خوشه ها نیز با یکدیگر متفاوت هستند.

روش نمونه‌گیری خوشه‌ای پژوهشگر را از ساختن چارچوب برای تمامی جامعه بی‌نیاز می‌کند. تهیه چارچوب خود اغلب یک کار پرخرج و خسته کننده است. به علاوه چون واحدهای یک خوشه، مجاور هم هستند. بنابراین دسترسی به آنها آسان است. در نمونه‌گیری خوشه‌ای واحد اندازه‌گیری فرد نیست.



استفاده از شیوه نمونه‌گیری طبقه‌ای این امکان را می‌دهد که در هر زیربخش از جامعه آماری روش نمونه‌گیری خاصی به کار رود.

در ادامه نمونه گیری حتی اگر به نمونه هایی از مردان برخوردید که معیارهای ورود به مطالعه را داشتند از آنها صرف نظر می نمایید چون شما سهمیه مردان را جمع آوری کرده اید. نمونه گیری سهمیه ای نامتناسب تا حدودی محدودیت کمتری دارد. در این روش محقق حداقل تعداد واحدهای نمونه را که در هر گروه می خواهد، مشخص می نماید. در این روش دیگر تناسب مشخصات و ویژگی هایی که در بالا ذکر گردید وجود ندارد. اگر نسبت جنسیت ۶۰ به ۴۰ باشد در روش نامتناسب شاید محقق بخواهد ۵۰ مرد و ۵۰ زن را انتخاب نماید و به نسبت متغیر مورد نظر در جامعه کاری نداشته باشد. در این روش در واقع نوع غیر احتمالی از روش نمونه گیری احتمالی طبقه بندی شده به حساب می‌آید و در واقع معمولا برای اطمینان از اینکه گروه نمونه سوالات مقدمات مکانیک حرکت انسان پیام نور های کوچکتر به اندازه کافی در نمونه در نظر گرفته شده اند مناسب می‌باشد.

نمونه گیری هدفمند یعنی خود محقق برای نمونه انتخابی نظر می‌دهد که چه مواردی انتخاب شوند. محقق برای ورود واحدهای نمونه‌گیری به نمونه‌اش، ویژگی ها خاص از آنها را در نظر گرفته و به پیاده سازی ایده‌هایش می‌پردازد. این نوع نمونه گیری اغلب در مطالعات کیفی استفاده می‌گردد.

مطابق قانون احتمال، افراد انتخاب شده باید دارای ویژگی هایی همانند جامعه‌ای باشند که از آن انتخاب شده اند. از معایب این روش نمونه‌گیری در مقایسه با انواع روش‌های نمونه‌گیری تصادفی می‌توان به زمان‌بر بودن و وجود اریبی بالا اشاره کرد، که در جوامع با پراکندگی بالا رخ می‌دهد.



ایجاد بخش‌های مجزا از جامعه آماری، امکان بررسی گروه‌هایی از جامعه را به وجود می‌آورد که ممکن است در نمونه‌گیری تصادفی ساده در نظر گرفته نشوند.

تغییرات بین خوشه‌ها: در مقابل، تفاوت بین خوشه‌ها معمولاً کمتر است. این یعنی خوشه‌ها باید از نظر ویژگی‌های مورد نظر به‌طور مشابه و نزدیک به هم باشند.

در این شیوه نمونه‌گیری برای مثال، انتخاب ۱۰ نفر از یک جامعه، باعث می‌شود که به طور متوسط به اطلاعات ۵ مرد و ۵ زن دسترسی داشته باشیم.

اشتباهاتی(اریبی هایی) که ممکن است هر پژوهشگری در روند تحقیق خود مرتکب شود به ۲ دسته تقسیم می شوند: