Die verschiedenen Verfahren der Stichprobenziehung lassen sich grob in die folgenden beiden Kategorien einordnen:

• Probabilistische Stichprobenverfahren. Diese zeichnen sich durch die folgenden Eigenschaften aus:
  • Die Selektion der Beobachtungen basiert auf einem strikten Zufallsmechanismus (Urnenmodell, Zufallszahlentabelle, Zufallszahlengenerator).
  • Jedes Element der Population hat eine positive, d.h. eine von Null verschiedene, Wahrscheinlichkeit, Eingang in die Stichprobe zu finden. Die Auswahlwahrscheinlichkeit der Beobachtungen ist bekannt oder lässt sich berechnen.
  • Es ist allerdings nicht notwendig, dass alle Beobachtungen dieselbe Auswahlwahrscheinlichkeit aufweisen.
  • Probabilistische Stichprobenverfahren erlauben den Rückschluss von der Stichprobe auf die Population.
• Nicht-probabilistische Stichprobenverfahren. Diese zeichen sich durch die folgenden Eigenschaften aus:
  • Die Selektion der Beobachtungen basiert nicht auf einem Zufallsmechanismus, sondern erfolgt durch subjektive Entscheidungen (bewusste oder willkürliche Auswahl von Beobachtungen).
  • Dies führt im allgemeinen dazu, dass ein Teil der Beobachtungen eine Auswahlwahrscheinlichkeit von Null aufweist.
  • Die Auswahlwahrscheinlichkeit der einzelnen Beobachtungen ist weder bekannt noch lässt sich diese berechnen.
  • Bei nicht-probabilistischen Stichprobenverfahren ist kein Rückschluss von der Stichprobe auf die Population möglich. Bei diesen Verfahren der Stichprobenziehung ist oftmals völlig unklar, auf welche Grundgesamtheit sich die Stichprobe bezieht.

Eine probabilistische Stichprobenziehung ist eine notwendige Voraussetzung für den Rückschluss von der Stichprobe auf die Population: Alle inferenzstatistischen Verfahren gehen von der Voraussetzung einer probabilistischen Stichprobe aus! Liegt eine nicht-probabilistische Stichprobe vor, lassen sich keine inferenzstatistischen Verfahren anwenden.