技術的には、代表的なサンプルは、研究または分析される品質または特性を可能な限り厳密に複製するために必要な統計母集団の割合のみを必要とします。 たとえば、性別による購入傾向の分析に使用される男性600人と女性400人で構成される1, 000人の人口では、代表的なサンプルは、わずか5人のメンバー、3人の男性と2人の女性、または人口。 ただし、このサンプルは名目上は大規模な母集団を表しますが、大規模な母集団に関する推論を行うと、非常に小さいため、サンプリング誤差やバイアスが大きくなる可能性があります。
サンプリングバイアスは、より大きなグループを分析するためにサンプルを使用することの避けられない結果です。 それらからデータを取得することは、その性質上、制限された不完全なプロセスです。 しかし、リソースの可用性が限られていることを考えると、非常に頻繁に必要になるため、経済分析者は、サンプリングの偏りを統計的に無視できるレベルに減らすことができる方法を採用しています。 代表的なサンプリングは、バイアスを減らすために使用される最も効果的な方法の1つですが、独自のサンプリングを行うのに十分ではないことがよくあります。
代表的なサンプリングと組み合わせて使用される1つの戦略は、サンプルがエラーを最適に減らすのに十分な大きさであることを確認することです。 一般に、サブグループが大きいほど、エラーが減少する可能性が高くなりますが、特定の時点で、減少は非常に小さくなり、サンプルを大きくするために必要な追加費用を正当化できません。
技術的に代表的な小さなサンプルを使用するだけではサンプリングバイアスを減らすのに十分ではないのと同様に、表現を考慮せずに単に大きなグループを選択すると、小さな代表的なサンプルを使用するよりもさらに欠陥のある結果につながる可能性があります。 上記の例に戻ると、600人の男性のグループは、購入傾向の性差を分析する場合、統計的にそれだけでは役に立ちません。
