随机样本（Random Sample）是指来自总体的、能够正确反映总体情况的元素总称。满足如下条件：
（1）被研究的总体要有明确的定义。
（2）总体的每个个体有一个已知的概率包含在该样本中。
（3）抽样过程中必须遵循随机原则。
案例1中小明就是用随机抽样的方法抽取了一个“好样本”。而事实上，在实际中产生一个“好样本”要比产生一个“坏样本”难得多。“坏样本”不是通过科学、严格的设计得到的样本，而是本着实用原则，取得的“唾手可得”的样本。
方便样本（Convenient Sample）是指研究者出于方便性的原因而选取的“唾手可得”的样本。自愿回应样本（Voluntary Response Sample）是指通过来信来电的方式收集的民情民意。大致来说，这两种方式取得的样本是有偏差的，从中得到的结论很难严格推广到总体。
在统计学中，总体是指所有需要被研究的个体，在研究之前需要被严格定义。比如，国家统计局要调查我国平均每个家庭的孩子数量。这里，我国的所有家庭就是总体。当然，“家庭”是指什么？按户口本算吗？离异家庭怎么算？等等问题，都是需要详细考虑的。
样本，是相对于总体的一个概念，指的是总体中被选中的部分。不可能去敲开每个家庭的大门询问孩子的个数，那样就变成了人口普查。人口普查每隔几年才举行一次，每次举行都倾举国之力，耗时耗力。所以，需要依赖一个较小的样本来反映较大的一个总体，这才符合经济学原理。
注意：样本的好坏，是决定性因素。就像一锅汤，如果搅拌均匀，品尝其中的任何一勺都可以尝出整锅汤的味道。好的样本一定是来自一个信息被搅拌均匀的总体，抽取的过程要满足随机性原则。案例1中，小明利用随机数表来抽取5个客户的方法虽然很落伍，却产生了一个具有代表性的“随机样本”，用它得到的结论是靠谱的。当然，随机数表产生随机数的方法已经被各种程序所取代，人们可以轻松通过写代码或者点击鼠标来获取随机数。
相反，案例2中的美国的Town Talk杂志告诉人们一个“坏样本”是如何产生的。人们根据自己的意愿选择是否打电话过去投票，因此产生了“自愿回应样本”，也在这个过程中不知不觉引入了“偏差”——样本中给支持救护车企业继续维护垄断经营的相应者过分大的权重，这使得对整体的估计丧失了公平性。
在各行各业研究中，被普遍应用的“方便样本”也同样产生“坏样本”。在商场中拦住来往的行人，说服他们做某种产品的市场调研。这样确实方便、简易、经济实惠，却也在引进偏差。在商场的行人未必就是他们产品或服务的全部受众，会被说服、愿意停留下来做问卷的行人或许是不赶时间的人，或许是性格温柔的老好人。如果受访者大多都是某一固定类型的人，结论又怎能代表总体呢？
