Que porcentagem da população você precisa em uma amostra representativa?
Tecnicamente, uma amostra representativa requer apenas a porcentagem da população estatística necessária para replicar o mais próximo possível a qualidade ou característica que está sendo estudada ou analisada. Por exemplo, em uma população de 1.000 composta por 600 homens e 400 mulheres, usada em uma análise das tendências de compra por gênero, uma amostra representativa pode consistir em apenas cinco membros, três homens e duas mulheres, ou 0,5 por cento dos população. No entanto, embora essa amostra seja nominalmente representativa da população maior, é provável que resulte em um alto grau de erro de amostragem ao fazer inferências a respeito da população maior por ser tão pequena.
O erro de amostragem é uma consequência inevitável do emprego de amostras para analisar um grupo maior. A obtenção de dados deles é um processo limitado e incompleto por sua própria natureza. Mas, como costuma ser necessário, dada a disponibilidade limitada de recursos, os analistas econômicos empregam métodos que podem reduzir o erro de amostragem a níveis estatisticamente insignificantes. Embora a amostragem representativa seja um dos métodos mais eficazes usados para reduzir o erro, muitas vezes não é suficiente fazê-lo por conta própria.
Uma estratégia usada em combinação com a amostragem representativa é garantir que a amostra seja grande o suficiente para reduzir o erro de forma otimizada. E enquanto, em geral, quanto maior o subgrupo, maior a probabilidade de que o erro seja reduzido, em determinado ponto, a redução torna-se tão mínima que não justifica o gasto adicional necessário para tornar a amostra maior.
Assim como o uso de uma amostra tecnicamente representativa, mas minúscula, não é suficiente para reduzir o erro de amostragem por si só, simplesmente escolher um grande grupo sem levar em conta a representação pode levar a resultados ainda mais falhos do que usar a pequena amostra representativa. Voltando ao exemplo acima, um grupo de 600 homens é estatisticamente inútil por conta própria ao analisar as diferenças de gênero nas tendências de compra.
Surpreendentemente, a fração de amostragem tem muito pouco a ver com o erro dos resultados quando a amostragem aleatória é usada. O principal determinante do erro é o tamanho absoluto da amostra, não o tamanho da amostra em relação ao tamanho da população.