a:

Tecnicamente, un campione rappresentativo richiede che qualsiasi percentuale della popolazione statistica sia necessaria per replicare il più possibile la qualità o la caratteristica che viene studiata o analizzata. Ad esempio, in una popolazione di 1 000 che è composta da 600 uomini e 400 donne utilizzati in un'analisi dell'acquisto di tendenze per sesso, un campione rappresentativo può essere costituito da soli cinque membri, tre uomini e due donne, o 0. 5 per cento della popolazione. Tuttavia, mentre questo campione è nominalmente rappresentativo della popolazione più grande, è probabile che si traduca in un elevato grado di errore di campionamento o di bias quando si fanno inferenze rispetto alla popolazione più grande perché è così piccolo.

La bias di campionamento è una conseguenza inevitabile di impiegare campioni per analizzare un gruppo più grande. Ottenere dati da loro è un processo limitato e incompleto per la sua stessa natura. Ma perché spesso è necessario a causa della scarsa disponibilità di risorse, gli analisti economici impiegano metodi che possono ridurre la prevenzione del campionamento a livelli statisticamente trascurabili. Mentre il campionamento rappresentativo è uno dei metodi più efficaci utilizzati per ridurre la polarizzazione, spesso non è sufficiente farlo in modo sufficiente.

Una strategia usata in combinazione con il campionamento rappresentativo è assicurarsi che il campione sia abbastanza grande per ridurre in modo ottimale l'errore. E mentre, in generale, più grande è il sottogruppo, più è probabile che l'errore sia ridotto, ad un certo punto, la riduzione diventa così minimale da non giustificare la spesa aggiuntiva necessaria per rendere il campione più grande.

Proprio come l'uso di un campione tecnicamente rappresentativo ma piccolo non è sufficiente a ridurre la polarizzazione dei campionamenti da soli, semplicemente scegliere un grande gruppo senza prendere in considerazione la rappresentazione può portare a risultati ancora più difettosi rispetto all'utilizzo del piccolo campione rappresentativo. Tornando all'esempio precedente, un gruppo di 600 maschi è statisticamente inutile da solo quando analizza le differenze di genere nei trend di acquisto.