Taburan persampelan ialah konsep statistik yang mewakili taburan kebarangkalian bagi statistik tertentu, seperti min atau varians, yang diperoleh daripada sampel berulang yang diambil daripada populasi yang lebih besar. Ia pada dasarnya memetakan julat hasil yang mungkin bagi sesuatu statistik dengan mempertimbangkan semua sampel berpotensi dengan saiz tetap yang boleh diambil daripada populasi asas yang sama.
Taburan ini berfungsi dengan mengira statistik tertentu bagi setiap sampel yang mungkin dengan saiz yang diberikan. Koleksi statistik yang terhasil membentuk taburan baharu, yang membantu penyelidik memahami sejauh mana statistik sampel mungkin berbeza daripada parameter populasi sebenar. Faktor yang mempengaruhi taburan ini termasuk sifat populasi induk, saiz sampel yang dipilih, dan kaedah statistik khusus yang digunakan semasa proses persampelan.
Sebagai contoh, jika sesebuah perniagaan ingin menganggarkan purata perbelanjaan pelanggannya, ia mungkin mengambil banyak kumpulan kecil pelanggan dan mengira purata perbelanjaan bagi setiap kumpulan. Dengan memplotkan pelbagai min ini, perniagaan tersebut mencipta taburan persampelan bagi min. Menurut Teorem Had Memusat, apabila saiz sampel meningkat, taburan ini sering menjadi hampir normal, yang membolehkan perniagaan membuat keputusan yang lebih bermaklumat dan boleh dipercayai berdasarkan data yang dikumpul.