在统计分析中，对总体进行研究往往是不现实的，因为很难获取总体数据，所以通常用样本来估计总体的特征。
例如，用样本均值估计总体的中心位置，样本方差估计总体的分散程度。
为此，需要使用合理的抽样方法，以确保样本具有代表性、独立性和随机性。
样本缺乏代表性会怎样？
来看一个例子。
如果要统计一个夜店顾客的薪资水平，现在已经有9个顾客，平均工资1万美元，此时，马斯克下班后突然来到夜店找乐子，马斯克薪资10亿，这9个人什么都没做，10人的平均薪资一下子就从1万美元暴涨到1亿美元。
在这个例子中，马斯克就是一个干扰数据，因为他的存在，样本的平均值并不能体现真实薪资水平。
那统计学家应该怎么办呢？
在统计上，把马斯克这种干扰数据称为异常值（Outlier）。最简单的办法就是剔除掉它们。
这种方法还经常用在体育赛事裁判打分上，例如，跳水运动中，通常会去掉一个最高分和一个最低分。
样本缺乏独立性会怎样？
再来看一个例子。
