Tecnicamente, un campione rappresentativo richiede solo qualunque percentuale della popolazione statistica sia necessaria per replicare il più fedelmente possibile la qualità o la caratteristica studiata o analizzata. Ad esempio, in una popolazione di 1.000 persone composta da 600 uomini e 400 donne utilizzate in un'analisi delle tendenze di acquisto per genere, un campione rappresentativo può essere costituito da soli cinque membri, tre uomini e due donne o lo 0, 5 percento del popolazione. Tuttavia, sebbene questo campione sia nominalmente rappresentativo della popolazione più ampia, è probabile che si traduca in un alto grado di errore di campionamento o distorsione quando si fanno deduzioni sulla popolazione più ampia perché è così piccolo.
Il bias di campionamento è una conseguenza inevitabile dell'impiego di campioni per analizzare un gruppo più ampio. Ottenere dati da questi è un processo che è limitato e incompleto per sua stessa natura. Ma poiché è così spesso necessario vista la limitata disponibilità di risorse, gli analisti economici utilizzano metodi che possono ridurre la distorsione del campionamento a livelli statisticamente trascurabili. Mentre il campionamento rappresentativo è uno dei metodi più efficaci utilizzati per ridurre la distorsione, spesso non è sufficiente farlo in modo sufficientemente autonomo.
Una strategia utilizzata in combinazione con il campionamento rappresentativo è assicurarsi che il campione sia abbastanza grande da ridurre in modo ottimale l'errore. E mentre, in generale, maggiore è il sottogruppo, maggiore è la probabilità che l'errore si riduca, ad un certo punto, la riduzione diventa così minima che non giustifica le spese aggiuntive necessarie per ingrandire il campione.
Proprio come l'uso di un campione tecnicamente rappresentativo ma di dimensioni ridotte non è sufficiente per ridurre il bias di campionamento da solo, la scelta di un grande gruppo senza tener conto della rappresentazione può portare a risultati ancora più imperfetti rispetto all'utilizzo del piccolo campione rappresentativo. Tornando all'esempio sopra, un gruppo di 600 maschi è statisticamente inutile da solo quando analizza le differenze di genere nelle tendenze di acquisto.
