통계는 예측의 대표적 근거다. 통계가 다양하고 객관적일수록 판단이나 예측이 정확해진다.
통계는 판단·예측의 나침반인 셈이다.

하지만 통계 숫자에는 오류나 허점도 많다. 무엇보다 잘못된 샘플(Sample)은 통계의 미를 변질시킨다.
샘플의 크기도 통계의 객관성을 높인다. 샘플이 작으면 한 두개의 샘플로 50~100% 라는 수치를
붙이는 오류를 범한다.

샘플(Sample)이 전체를 대변하지 못하는 경우에 모집단을 추론하지마라
집단의 규모가 클수록 그 집단을 대표하는 샘플을 일관성 있게 선정하기가 어렵다.
샘플은 모집단의 다양한 특성을 두루 대변할 수 있게 고르게 추출해야 한다.

작은 샘플수를 사용하여 모집단의 모수를 추론하기 위해 통계적 방법을 사용한다
그러나 선택한 샘플이 모집단을 대변하지 못하는 경우 모집단에 대하여 추론하지 않도록 해야 한다.

예를 들면,

■ 공정능력 분석시에, 전체의 공정능력을 예측하기 위해 단 하루 동안에 수집한 데이터로
공정능력을 예측하는 것은 적절하지 못하다.

■ 샘플링 검수시에, 전 로트를 대상으로 하는 분석을 위해 어느 생산 로트의 특정영역으로 부터
수집한 샘플(Sample)로 분석을 하는 것은 적절하지 못하다.

■ 신뢰성 분석시에, 신뢰성 테스트에서 전체 모집단에서 수집하지 않고 고장난 부품만 모아둔
샘플(Sample)만 사용하여 신뢰성 테스트하는 것은 적절하지 못하다.

이와 같은 상황을 피하기 위해서는 샘플(Sample)을 수집하기 전에 분석 대상이 되는 모집단을 주의깊게
정의하고 엄밀히 모집단을 대표하는 샘플을 수집하도록 해야한다.