样本偏差和总体偏差的区别

记得那年在一家小公司做市场调研，老板让我去街上随机采访路人，调查他们对新推出的手机品牌的看法。我拿着问卷，在人来人往的街头一站就是一下午。时间到了，我数了数，一共采访了100个人。
结果出来，80%的人都表示对这款手机很满意。我兴高采烈地回去汇报，老板却皱起了眉头。他让我再仔细看看数据，我发现我大部分时间都站在了繁华的商业区，而商业区的人通常对新产品接受度更高。
这就是样本偏差和总体偏差的区别。样本偏差，就是我采集的样本并不能代表整个总体，因为我的样本集中在商业区，而这些人的看法并不能代表所有人的看法。而总体偏差，则是整个调查对象的群体与实际总体之间的偏差。我那次调查，样本偏差就导致了结果与实际总体有较大出入。
等等，还有个事，我突然想到。有一次我在网上看到一个调查，说90%的人喜欢喝咖啡。但我知道，我身边很多朋友都不喝咖啡，甚至有人对咖啡过敏。这个调查的结果，可能也存在着样本偏差。

这问题，得说点实话，我自己当年刚入行的时候，还真没想明白这两者的区别。现在回想起来，主要是看应用场景和数据来源。
先说总体偏差吧。这玩意儿，得追溯到2006年，那时候我在一家市场调研公司做实习生。当时有个项目，是要调查北京市民对某品牌洗衣液的满意度。这个调查，覆盖了北京市的东城区、西城区、朝阳区、海淀区等四个区，每个区随机抽取了1000个家庭。
总体偏差，简单来说，就是调查结果和整个北京市所有市民的真实满意度之间的差距。这个差距，可能是因为我们只调查了四个区，漏掉了其他区的市民，或者是因为我们调查的样本不是完全随机的，导致结果有偏差。
再说样本偏差。这个概念，得提到2010年，我在一家互联网公司做数据分析。那时候，公司想了解用户对某个新功能的满意度。我们通过公司的APP收集了1000条用户反馈。
样本偏差，就是指这个1000条反馈和所有使用该功能的用户之间的差距。可能是因为我们只收集了APP用户的反馈，漏掉了其他渠道的用户；或者是因为我们收集的反馈样本，比如用户年龄、性别等分布不均匀，导致结果有偏差。
总之，总体偏差是看整体，样本偏差是看局部。一个是从宏观上分析，一个是从微观上分析。这俩区别，就像是看全国人口平均身高，和一个城市平均身高，角度不一样，结果自然也不一样。

这个问题我倒是有点经验。记得有次做市场调研，那时候我还在一家小公司混日子呢。我们那会想了解消费者对某个新产品的看法，就随机抽了100个人来问。
当时我就发现了个问题，样本偏差和总体偏差那真是区别大了去了。先说样本偏差吧，那是我当时做调查的时候，发现选出来的这100个人里，年龄都集中在20到30岁之间，而且大部分是学生。这就叫样本偏差，因为我们这个产品是面向全年龄段的，但样本里的人却不能代表所有人。
然后是总体偏差，这更离谱了。后来我们产品上市后，发现其实40到50岁的中年人更爱买这个产品，而年轻人反而没那么买账。这就说明我们的样本和实际购买群体偏差太大了，导致我们对市场需求的判断出现了失误。
所以啊，做研究的时候一定要小心样本偏差和总体偏差，别像我当时那样只顾着眼前这个小圈子，忽略了更大的市场。这事儿得谨慎，不然就白费劲了。