Пристрасност прикупљања података се јавља када погрешно одаберемо субјекте који ће припадати случајном узорку који се анализира.
Имамо проблем када овај одабир учини да случајни узорак не представља статистичку популацију. Стога је било који резултат који добијемо из узорка пристрасан и нисмо могли да потврдимо да је испуњен у анализираној популацији.У оквиру ове пристрасности можемо разликовати различите типове, што ћемо објаснити у наставку.
Необјективност преживљавања
Појављује се када се подаци изузму из анализе јер више не постоје у време анализе.
Другим речима, фокусирамо се само на податке који постоје и одбацујемо оне који су раније постојали у популацији. У пракси постоји много примера ове врсте пристрасности. Једна од њих је да се анкете спроводе само према клијентима компаније, искључујући потенцијалне клијенте. Друга би била процена понашања берзанских индекса уклањањем из анализе компанија које су биле и више нису у том индексу.
Решење ове пристрасности је врло једноставно. Спроведите студију са свим постојећим и раније постојећим подацима.
Пристрасност у предвиђању
Појављује се када се анализа врши помоћу података који нису доступни у време анализе. Пример би био да се направи анализа односа цене акције са неком променљивом финансијског биланса. Цена акције је динамичка променљива, чија уколико имамо тачне информације у време анализе. Међутим, променљиве утврђене у билансу стања су статичне и зато би требало сачекати објављивање финансијских извештаја за ову анализу.
Претпоставимо да желимо да проучимо однос између цене и капитала за већи број компанија на крају фискалне године. У овом случају нећемо имати податке о нето вредности до објављивања финансијских извештаја. Публикација која се обично даје неколико месеци након завршетка фискалне године.
Стога би решење за ову пристрасност било сачекати објављивање финансијских извештаја. И извршите анализу са објављеним подацима заједно са ценом у тренутку објављивања.
Предрасуде у временском периоду
Ова пристрасност се јавља када је период одабран за податке прекратак или предуг. Ако је прекратак, анализа би могла да одражава одређене резултате који су постигнути само за тај период. Односно, они не би били репрезентативни дужи временски период.
Замислите петогодишњи оквир у којем су мале компаније надмашиле велике компаније на берзи. Из овога бисмо могли извући закључак да ће у будућности мале компаније увек надмашити велике. Али за тако кратак временски период не могу се донијети такви закључци. Због углавном чињенице да би се у дужим временским периодима ситуација могла променити. Стога су добијени резултати пристрасни овом смањеном временском периоду.