У прикладному науковому дослідженні передусім важливо визначити обсяг вибірки, тобто число вимірювань. Вибірка має бути оптимальною, або репрезентативною, тобто такою, яка б відображала всі характерні особливості генеральної сукупності.

Достатньо репрезентативним вважається вибірковий параметр, для якого гранична помилка не перевищує 5 %. Збільшення обсягу вибірки підвищує точність дослідження через зменшення випадкових помилок, а зменшення обсягу вибірки економить час, кошти, людські ресурси, однак зменшує ймовірність отримання точних результатів. Необхідно вибирати "золоту середину". Для цього користуються формулами і таблицями, за допомогою яких можна визначити мінімальний обсяг вибіркової сукупності, виходячи з обсягу генеральної сукупності та прийнятого рівня значущості залежно від типу вибірки.

Зазвичай, процес педагогічного дослідження фізичного виховання і спорту проходить наступні етапи:

Для дослідника дуже важливим є питання: як отримати максимум інформації під час проведення експерименту. Тут потрібно зосередити увагу на двох питаннях:

1)     як правильно побудувати дослідження, щоб не загубити інформацію;

2)      як отримати всю доступну інформацію під час аналізу даних.

Слід перш за все засвоїти, що в кожному експерименті ми отримуємо два сорти даних - з одного боку ті, які відображають загальні закономірності вивчає мого процесу, а з другого - ті, що відображають індивідуальність кожного конкретного результату. Оскільки важливими є і ті, і другі, то вся інформація, отримана під час проведення експерименту, повинна дуже ретельного аналізуватися і обговорюватися. Поверхневого поділу даних на годні і негодні слід уникати. Зупинимося на найбільш частих причинах, які приводять до втрати інформації, яку можуть дати дослідження. Перш за все це грубі виміри та розрахунки. Сюди, до речі, відносяться і занадто грубі округлення величин при розрахунках та використання констант і даних з погрішностями, які не відповідають бажаній точності досліджень. І насамкінець - недостатня чутливість вимірювальних приладів. Слід пам’ятати, що у випадку грубих вимірів втрачається найважливіша частина інформації. 

Другою причиною втрати інформації може бути відсутність паралельних вимірів в кожному із дослідів. Знання дисперсії розсіювання результатів - важлива інформація про ступінь і неоднорідність залишків.

Зневага вимог рандомізації також загрожує втратою інформації, оскільки при цьому в деякі дані вноситься систематична похибка, яка й породжує невизначеність результатів. В кінцевому рахунку це може привести до помилкових висновків.

Інколи деякі дослідники вважають, що краще зробити виміри, наприклад, в трьох різних точках замість проведення трьох паралельних вимірів в одній і тій же точці. Але при цьому часто виявляється, що із-за великої погрішності експерименту вимірив різних точках фактично співпадають. Інколи в різних точках дані відрізняються, але їх значини знаходяться в межах одного і того ж довірчого інтервалу. У зв’язку з цим слід пам’ятати, що чим складніше вивчаєме явище, тим важливіші дані щодо відповідних дисперсій.

Під час аналізу даних треба враховувати багатозначність висновків, які, в принципі, можна зробити на їх основі. Всі можливі варіанти висновків на початку аналізу повинні розглядатися як рівноправні. Одні і ті ж числові та смислові результати можуть приймати участь в різних залежностях.

Однак, може статися, що одні і ті ж данні можна з однаковим успіхом використовувати для взаємно протилежних висновків або для погано погоджених між собою умовиводів. В принципі це повинно насторожити дослідника, але не повинно його лякати. В любому випадку корисно звернутися до аналізу подібних результатів, у сумнівному - тим більше. При цьому рекомендується використовувати результати аналогічних досліджень, проведених іншими авторами. Вихідною процедурою аналізу даних є компонування результатів для представлення їх в зручній компактній формі.

Наступним кроком є пошук закономірностей, тобто того загального, що об’єднує (характеризує) весь масив даних. Це можна здійснити, наприклад, методами регресійного аналізу або шляхом побудови емпіричних чи математичних моделей процесу. Такі модулі випливають із аналізу форми експериментальних кривих, тобто зв’язані з методикою регресійного аналізу. Серед експериментальних даних досить часто з’являються такі, які виглядають як аномальні (промахи). Досліднику слід навчитись находити емпіричні закономірності при наявності великої кількості промахів. Іншими словами, він повинен вміти будувати експериментальні криві при значному випадковому розкиді даних.

Для цього використовують так зване згладжування. В цьому випадку враховуються всі отримані експериментальні точки.

Раптовим може виявитися не один чи кілька ізольованих результатів, які випадають із загальної закономірності, а підсумок всієї серії досліджень. Джерелом такої аномалії частіше всього є систематична похибка. Вона не обов’язково зв’язана з технікою виконання експерименту. Однією із причин може бути неправильна вибрана методика досліджень тощо.

З метою запобігання помилок в ситуаціях такого типу рекомендується застосовувати різні методи перевірок (використовувати кілька незалежних методик досліджень, проводити дослідження в умовах, вивчених раніше тощо). Якщо після всіх перевірок виявлена аномалія не зникає, слід заново ґрунтовно проаналізувати загальні уявлення про фізичну природу процесу, який вивчається і аналізується.