a:

Secara teknis, sampel yang representatif hanya mensyaratkan berapa pun persentase populasi statistik diperlukan untuk meniru semirip mungkin kualitas atau karakteristik yang dipelajari atau dianalisis. Misalnya, dalam populasi 1.000 yang terdiri dari 600 pria dan 400 wanita yang digunakan dalam analisis kecenderungan membeli menurut jenis kelamin, sampel yang representatif hanya terdiri dari lima anggota, tiga pria dan dua wanita, atau 0. 5 persen dari populasi. Namun, sementara sampel ini secara nominal mewakili populasi yang lebih besar, kemungkinan akan menghasilkan kesalahan sampling atau bias tingkat tinggi saat membuat kesimpulan mengenai populasi yang lebih besar karena sangat kecil.

Bias sampling adalah konsekuensi yang tidak dapat dihindari untuk menggunakan sampel untuk menganalisa kelompok yang lebih besar. Mendapatkan data dari mereka adalah proses yang terbatas dan tidak lengkap karena sifatnya. Tetapi karena sangat sering diperlukan mengingat terbatasnya ketersediaan sumber daya, analis ekonomi menggunakan metode yang dapat mengurangi bias sampling ke tingkat yang diabaikan secara statistik. Sedangkan representative sampling adalah salah satu metode paling efektif yang digunakan untuk mengurangi bias, seringkali tidak cukup untuk melakukannya dengan cukup sendirinya.

Salah satu strategi yang digunakan dalam kombinasi dengan sampling representative adalah memastikan sampel cukup besar untuk mengurangi kesalahan secara optimal. Dan sementara, pada umumnya, semakin besar subkelompok, semakin besar kemungkinan kesalahan berkurang, pada titik tertentu, pengurangan menjadi sangat minim sehingga tidak membenarkan biaya tambahan yang diperlukan untuk membuat sampel lebih besar.

Sama seperti penggunaan sampel yang secara teknis namun sampel kecil tidak cukup untuk mengurangi bias sampling dengan sendirinya, hanya memilih kelompok besar tanpa mempertimbangkan representasi dapat menyebabkan hasil yang lebih buruk daripada menggunakan sampel perwakilan kecil. Kembali ke contoh di atas, sekelompok 600 pria secara statistik tidak berguna dengan sendirinya saat menganalisis perbedaan gender dalam tren pembelian.