Techniquement, un échantillon représentatif ne requiert que le pourcentage de la population statistique nécessaire pour reproduire le plus fidèlement possible la qualité ou la caractéristique étudiée ou analysée. Par exemple, sur une population de 1 000 personnes composée de 600 hommes et 400 femmes utilisée dans une analyse des tendances d'achat par sexe, un échantillon représentatif peut être composé de cinq membres, trois hommes et deux femmes, soit 0, 5% des population. Cependant, bien que cet échantillon soit nominalement représentatif de la population plus large, il est susceptible d'entraîner un degré élevé d'erreur ou de biais d'échantillonnage lors des inférences concernant la population plus grande, car il est si petit.
Le biais d'échantillonnage est une conséquence inévitable de l'utilisation d'échantillons pour analyser un plus grand groupe. Leur obtention est un processus limité et incomplet de par sa nature même. Mais comme c'est souvent nécessaire étant donné la disponibilité limitée des ressources, les analystes économiques utilisent des méthodes qui peuvent réduire le biais d'échantillonnage à des niveaux statistiquement négligeables. Bien que l'échantillonnage représentatif soit l'une des méthodes les plus efficaces utilisées pour réduire le biais, il ne suffit souvent pas de le faire suffisamment.
Une stratégie utilisée en combinaison avec un échantillonnage représentatif consiste à s'assurer que l'échantillon est suffisamment grand pour réduire de manière optimale l'erreur. Et tandis que, en général, plus le sous-groupe est grand, plus il est probable que l'erreur soit réduite, à un certain point, la réduction devient si minime qu'elle ne justifie pas les dépenses supplémentaires nécessaires pour agrandir l'échantillon.
Tout comme l'utilisation d'un échantillon techniquement représentatif mais minuscule ne suffit pas à lui seul pour réduire le biais d'échantillonnage, le simple choix d'un grand groupe sans tenir compte de la représentation peut conduire à des résultats encore plus erronés que l'utilisation du petit échantillon représentatif. Pour revenir à l'exemple ci-dessus, un groupe de 600 hommes est statistiquement inutile en soi lors de l'analyse des différences entre les sexes dans les tendances d'achat.
