L'échantillonnage consiste en la sélection d'une partie dans un tout. Lors d'une étude statistique rigoureuse, il va de soi que les échantillons prélevés doivent être représentatifs de la population étudiée (respect des proportions d'hommes/femmes, provenance géographique, classe sociale, tranche d'âge, ...).
Ce qu'on appelle « estimateur » permet d'évaluer un paramètre inconnu (ex : moyenne ou écart-type) relatif à une loi de probabilité. Il sert à estimer certaines caractéristiques d'une population totale à partir de données obtenues sur un échantillon (ex : lors d'un sondage, la moyenne de l'échantillon sondé est un estimateur de la moyenne de la population).
Un « biais » est une différence entre la moyenne de l'estimateur et de la variable aléatoire qu'il est censé estimer (ex : lors d'un sondage, la moyenne de l'échantillon sondé est différente de la moyenne de la population).
Un échantillon est dit biaisé si la sélection des individus a introduit un biais qui ne permet alors plus de conclure directement pour l'ensemble de la population.
Le principe du biais est toujours d'actualité pour les sondages téléphoniques car, pour faire partie de l'échantillon, il est nécessaire d'avoir une ligne de téléphone fixe et d'être rpésent à son domicile à l'heure d'appel, ce qui est clairement non représentatif de l'ensemble de la population.
Dans le cadre de la rédaction d'un TFE ou d'un mémoire de fin d'études, il n'est pas toujours possible de réunir suffisamment de cobayes pour assurer la représentativité de la population ou de l'absence de biais. De plus, les échantillons devant être aléatoires (condition systématique dans un test d'hypothèse), il devient vite compliqué de respecter simultannément ces deux exigences. Il convient dès lors de garder à l'esprit quelle est la réelle population étudiée lors de la rédaction des conclusions du travail et d'y glisser quelques mots à ce propos.