อคติในการเลือกเกี่ยวข้องกับบุคคลบางคนที่มีแนวโน้มที่จะถูกเลือกสำหรับการศึกษามากกว่าคนอื่น ๆซึ่งทำให้ตัวอย่างเกิดอคตินอกจากนี้ยังสามารถเรียกว่าผลกระทบจากการเลือกอคติในการสุ่มตัวอย่างและอคติแบบเบิร์กสันได้ อีกด้วย ^{[ 3 ]}

• อคติสเปกตรัมเกิดขึ้นจากการประเมินการทดสอบการวินิจฉัยบนตัวอย่างผู้ป่วยที่มีอคติ ซึ่งนำไปสู่การประเมินความไวและความจำเพาะของการทดสอบที่สูงเกินไป ตัวอย่างเช่น ความชุกของโรคที่สูงในประชากรศึกษาจะเพิ่มค่าการทำนายเชิงบวก ซึ่งจะทำให้เกิดอคติระหว่างค่าการทำนายและค่าจริง^{[ 4 ]}
• อคติในการเลือกผู้สังเกตการณ์เกิดขึ้นเมื่อหลักฐานที่นำเสนอได้รับการกรองล่วงหน้าโดยผู้สังเกตการณ์ ซึ่งเรียกว่าหลักการมานุษยวิทยาข้อมูลที่รวบรวมได้ไม่เพียงแต่ถูกกรองโดยการออกแบบการทดลองเท่านั้น แต่ยังรวมถึงเงื่อนไขเบื้องต้นที่จำเป็นที่ว่าต้องมีคนทำการศึกษาด้วย^{[ 5 ]}ตัวอย่างเช่น ผลกระทบของโลกในอดีต เหตุการณ์การชนอาจทำให้สัตว์ที่มีสติปัญญาสูญพันธุ์ หรืออาจไม่มีสัตว์ที่มีสติปัญญาในเวลานั้น ดังนั้น เหตุการณ์การชนบางเหตุการณ์จึงไม่ได้รับการสังเกต แต่เหตุการณ์เหล่านั้นอาจเคยเกิดขึ้นในอดีต^{[ 6 ]}
• อคติของอาสาสมัครเกิดขึ้นเมื่ออาสาสมัครมีลักษณะที่แตกต่างจากกลุ่มเป้าหมายของการศึกษาโดยเนื้อแท้^{[ 7 ]}งานวิจัยแสดงให้เห็นว่าอาสาสมัครมักมาจากครอบครัวที่มีสถานะทางเศรษฐกิจและสังคมสูงกว่า^{[ 8 ]}นอกจากนี้ งานวิจัยอีกชิ้นหนึ่งแสดงให้เห็นว่าผู้หญิงมีแนวโน้มที่จะเป็นอาสาสมัครในการศึกษามากกว่าผู้ชาย^{[ 9 ]}
• อคติด้านเงินทุนอาจนำไปสู่การเลือกผลลัพธ์ ตัวอย่างทดสอบ หรือขั้นตอนการทดสอบที่เอื้อประโยชน์ต่อผู้สนับสนุนทางการเงินของการศึกษา^{[ 10 ]}
• อคติจากการสูญเสียผู้เข้าร่วมเกิดขึ้นเนื่องจากการสูญเสียผู้เข้าร่วม เช่น การติดตามผลไม่ต่อเนื่องในระหว่างการศึกษา^{[ 11 ]}
• อคติจากการระลึกเกิดขึ้นเนื่องจากความแตกต่างในความถูกต้องหรือความสมบูรณ์ของการระลึกถึงเหตุการณ์ในอดีตของผู้เข้าร่วม ตัวอย่างเช่น ผู้ป่วยไม่สามารถจำจำนวนบุหรี่ที่สูบไปเมื่อสัปดาห์ที่แล้วได้อย่างแม่นยำ ทำให้เกิดการประเมินค่าสูงเกินไปหรือต่ำเกินไป

ในกรอบงานของ Neyman–Pearson ความดีของการทดสอบสมมติฐานจะถูกกำหนดโดยข้อผิดพลาดประเภทที่ 1 และประเภทที่ 2 ^{[ 12 ]}ข้อผิดพลาดประเภทที่ 1หรือผลบวกเท็จเกิดขึ้นเมื่อสมมติฐานว่างถูกต้องแต่ถูกปฏิเสธ อัตราผลบวกเท็จเขียนได้ดังนี้${\displaystyle \alpha }$ข้อผิดพลาดประเภทที่ 2หรือผลลบเท็จเกิดขึ้นเมื่อสมมติฐานว่างไม่ถูกต้องแต่กลับถูกยอมรับ อัตราผลลบเท็จเขียนได้ดังนี้${\displaystyle \beta }$.

ตัวอย่างเช่น สมมติว่าการขับรถเร็วเกินกำหนดหมายถึงการขับรถด้วยความเร็วเฉลี่ยต่ำกว่า 85 กม./ชม. และสมมติฐานหลักคือ "ไม่ได้ขับรถเร็วเกินกำหนด" หากมีคนได้รับใบสั่งปรับเนื่องจากความเร็วเฉลี่ยในการขับขี่อยู่ที่ 70 กม./ชม. ผู้ตัดสินใจได้กระทำความผิดพลาดประเภทที่ 1 ในทางกลับกัน หากไม่มีใครได้รับใบสั่งปรับเนื่องจากความเร็วเฉลี่ยในการขับขี่อยู่ที่ 90 กม./ชม. ผู้ตัดสินใจได้กระทำความผิดพลาดประเภทที่ 2

โดยทั่วไป การทดสอบทางสถิติอาจลดลง${\displaystyle \alpha }$แต่ก็อาจต้องแลกมาด้วยการเพิ่มต้นทุน${\displaystyle \beta }$และในทางกลับกัน ตัวอย่างเช่น การทดสอบอาจมีความไวสูงต่อผลบวกที่แท้จริง แต่ต้องแลกมาด้วยการสร้างผลบวกเท็จจำนวนมาก และในทางกลับกัน นอกจากนี้ ในขณะที่${\displaystyle \alpha }$ขึ้นอยู่กับการทดสอบทางสถิติและสมมติฐานว่างเท่านั้น${\displaystyle H_{0}}$,${\displaystyle \beta }$ขึ้นอยู่กับการทดสอบทางสถิติและสมมติฐานทางเลือกที่ไม่ทราบค่า${\displaystyle H_{1}}$กรอบแนวคิด ของเนย์แมน-เพียร์สันช่วยแก้ปัญหาความยากลำบากที่เกิดจากตัวแปรที่ไม่ทราบค่า${\displaystyle H_{1}}$โดยการกำหนดมาตรฐานที่เป็นเอกภาพ กล่าวคือ การทดสอบจะดีก็ต่อเมื่อมันได้ผลดีกับทุกกรณี${\displaystyle H_{1}}$.

ให้กำหนดนิยามอย่างเป็นทางการของสิ่งต่อไปนี้:

• ${\displaystyle H_{0}}$สมมติฐานว่าง (null hypothesis)
• ${\displaystyle \mathrm {T} }$เป็นการทดสอบ

เมื่อใช้คำจำกัดความก่อนหน้านี้ เราจะได้ว่า$${\displaystyle \Pr({\text{reject }}H_{0}|H_{0},\mathrm {T} )=\alpha (H_{0},\mathrm {T} ),\quad \Pr({\text{reject }}H_{0}|H_{1},\mathrm {T} )=1-\beta (H_{1},\mathrm {T} )}$$ที่ไหน${\displaystyle H_{1}}$เป็นสมมติฐานทางเลือกที่ไม่ระบุรายละเอียด

เรากล่าวว่าการทดสอบนั้นปราศจากอคติ (ในความหมายของเนย์แมน-เพียร์สัน) ก็ต่อเมื่อสำหรับสมมติฐานทางเลือกใดๆ${\displaystyle H_{1}}$,$${\displaystyle \Pr({\text{reject }}H_{0}|H_{1},\mathrm {T} )\geq \alpha (H_{0},\mathrm {T} )}$$โปรดทราบว่าด้านขวาของสมการไม่สามารถมีค่ามากกว่าได้${\displaystyle \alpha (H_{0},\mathrm {T} )}$เนื่องจากรูปแบบดังกล่าวอนุญาตให้${\displaystyle H_{1}}$เหมือนกันทุกประการกับ${\displaystyle H_{0}}$ในกรณีนั้น$${\displaystyle \Pr({\text{reject }}H_{0}|H_{1},\mathrm {T} )=\alpha (H_{0},\mathrm {T} )}$$กล่าวโดยสรุป: การทดสอบที่ไม่ลำเอียง คือการทดสอบที่ลดอัตราผลลบเท็จสูงสุดให้เหลือน้อยที่สุดเมื่อเทียบกับสมมติฐานทางเลือกอื่นๆ ทั้งหมด

โดยทั่วไปแล้ว เราไม่ได้พิจารณาเพียงแค่การทดสอบเดียว แต่จะพิจารณาการทดสอบทั้งชุดโดยใช้สถิติการทดสอบให้${\displaystyle T}$เป็นค่าสถิติการทดสอบ สำหรับแต่ละระดับนัยสำคัญ${\displaystyle p\in [0,1]}$การทดสอบที่เกี่ยวข้องคือการตรวจสอบว่า${\displaystyle T>p}$ถ้าเป็นเช่นนั้น สมมติฐานว่างจะถูกปฏิเสธที่ระดับนัยสำคัญ n${\displaystyle p}$มิเช่นนั้นก็ถือว่ายอมรับได้

เรากล่าวว่าสถิติการทดสอบ (หรือกลุ่มของการทดสอบ) นั้นไม่มีอคติ (ในความหมายของเนย์แมน-เพียร์สัน) ก็ต่อเมื่อ สำหรับระดับนัยสำคัญใดๆ${\displaystyle p}$เป็นกลาง^{[ 12 ] : 6 [ 13 ]}

ความเอนเอียงของตัวประมาณค่าคือความแตกต่างระหว่างค่าที่คาดหวังของตัวประมาณค่ากับค่าจริงของพารามิเตอร์ที่กำลังประมาณค่า แม้ว่าในทางทฤษฎีแล้วตัวประมาณค่าที่ไม่เอนเอียงจะดีกว่าตัวประมาณค่าที่เอนเอียง แต่ในทางปฏิบัติ ตัวประมาณค่าที่เอนเอียงที่มีความเอนเอียงเล็กน้อยมักถูกนำมาใช้ ตัวประมาณค่าที่เอนเอียงอาจมีประโยชน์มากกว่าด้วยเหตุผลหลายประการ ประการแรก ตัวประมาณค่าที่ไม่เอนเอียงอาจไม่มีอยู่จริงหากไม่มีข้อสมมติเพิ่มเติม ประการที่สอง บางครั้งการคำนวณตัวประมาณค่าที่ไม่เอนเอียงทำได้ยาก ประการที่สาม ตัวประมาณค่าที่เอนเอียงอาจมีค่าความคลาดเคลื่อนกำลังสองเฉลี่ยต่ำกว่า

• ตัวประมาณค่าแบบมีอคติจะดีกว่าตัวประมาณค่าแบบไม่มีอคติใดๆ ที่ได้มาจากการกระจายแบบปัวซง [ ^{14 ] [ 15 ] ค่า}ของตัวประมาณค่าแบบมีอคติจะเป็นบวกเสมอ และค่าความคลาดเคลื่อนกำลังสองเฉลี่ยของมันจะน้อยกว่าค่าความคลาดเคลื่อนแบบไม่มีอคติ ซึ่งทำให้ตัวประมาณค่าแบบมีอคติมีความแม่นยำมากขึ้น

• อคติจากการละเว้นตัวแปรคืออคติที่ปรากฏในค่าประมาณของพารามิเตอร์ในการวิเคราะห์การถดถอย เมื่อแบบจำลองที่กำหนดไว้ละเว้นตัวแปรอิสระที่ควรอยู่ในแบบจำลอง

• อคติในการตรวจจับเกิดขึ้นเมื่อปรากฏการณ์หนึ่งมีแนวโน้มที่จะถูกสังเกตเห็นได้มากกว่าในกลุ่มตัวอย่างการศึกษาเฉพาะกลุ่มหนึ่ง ตัวอย่างเช่นการระบาดของโรคอ้วนและเบาหวานอาจหมายความว่าแพทย์มีแนวโน้มที่จะตรวจหาเบาหวานในผู้ป่วยโรคอ้วนมากกว่าในผู้ป่วยที่ผอมกว่า ซึ่งนำไปสู่การเพิ่มขึ้นของจำนวนผู้ป่วยเบาหวานในผู้ป่วยโรคอ้วนเนื่องจากความพยายามในการตรวจจับที่ไม่สมดุล
• ในการวัดผลทางการศึกษาอคติถูกนิยามว่า "ข้อผิดพลาดที่เป็นระบบในเนื้อหาการทดสอบ การบริหารการทดสอบ และ/หรือขั้นตอนการให้คะแนนที่อาจทำให้ผู้เข้ารับการทดสอบบางคนได้รับคะแนนต่ำกว่าหรือสูงกว่าความสามารถที่แท้จริงของพวกเขา" ^{[ 16 ]}แหล่งที่มาของอคติไม่เกี่ยวข้องกับคุณลักษณะที่การทดสอบตั้งใจจะวัด
• อคติของผู้สังเกตการณ์เกิดขึ้นเมื่อนักวิจัยมีอิทธิพลต่อการทดลองโดยไม่รู้ตัวเนื่องจากอคติทางความคิดซึ่งการตัดสินอาจเปลี่ยนแปลงวิธีการดำเนินการทดลองหรือวิธีการบันทึกผลลัพธ์

อคติในการรายงานเกี่ยวข้องกับความไม่สมดุลของข้อมูลที่มีอยู่ ทำให้การสังเกตการณ์บางประเภทมีแนวโน้มที่จะถูกรายงานมากกว่า