a:

Tecnicamente, uma amostra representativa requer apenas qualquer porcentagem da população estatística necessária para replicar o mais próximo possível da qualidade ou característica a ser estudada ou analisada. Por exemplo, em uma população de 1 000, composta por 600 homens e 400 mulheres utilizadas em uma análise das tendências de compra por gênero, uma amostra representativa pode ser composta por apenas cinco membros, três homens e duas mulheres ou 0. 5% da população. No entanto, embora esta amostra seja nominalmente representativa da população maior, é provável que resulte em um alto grau de erro de amostragem ou viés ao fazer inferências em relação à população maior porque é tão pequeno.

O viés de amostragem é uma conseqüência inevitável de empregar amostras para analisar um grupo maior. Obter dados deles é um processo que é limitado e incompleto por sua própria natureza. Mas, como muitas vezes é necessário, dada a disponibilidade limitada de recursos, analistas econômicos empregam métodos que podem reduzir o viés de amostragem para níveis estatisticamente insignificantes. Embora a amostragem representativa seja um dos métodos mais eficazes utilizados para reduzir o viés, muitas vezes não é suficiente para fazê-lo suficientemente próprio.

Uma estratégia usada em combinação com amostragem representativa é garantir que a amostra seja grande o suficiente para reduzir o erro de forma otimizada. E enquanto, em geral, quanto maior o subgrupo, mais provável que esse erro seja reduzido, em um certo ponto, a redução torna-se tão mínima que não justifica a despesa adicional necessária para aumentar a amostra.

Assim como o uso de uma amostra tecnicamente representativa, mas pequena, não é suficiente para reduzir o viés de amostragem por conta própria, simplesmente escolher um grupo grande sem levar em consideração a representação pode levar a resultados ainda mais defeituosos do que usar a pequena amostra representativa. Voltando ao exemplo acima, um grupo de 600 homens é estatisticamente inútil por conta própria ao analisar as diferenças de gênero nas tendências de compra.