答:不，因为私立高中学生的母亲可能不能代表城市中的所有母亲。

这里需要注意的是，结论所针对的人群——“城市里的母亲”——与被调查的人群并不相同。接受调查的是私立学校学生的母亲(这意味着我们不知道公立学校学生的母亲会怎么想)和高中生的母亲(因此我们不知道低年级学生的母亲会怎么想)。这就造成了一个过于狭窄的样本，无法得出关于“城市中所有母亲”的更大人口的结论。

答案:可能有76%到86%的美国家庭家中至少有一只宠物。

误差幅度是统计数据最可能下降的范围。在这里，研究人员对至少有一只宠物的美国家庭比例的最佳估计是81%，如果你加减5%的误差幅度，你会得到76-86%的范围，这意味着这个范围是真实、准确的百分比最有可能下降的地方。然而，请注意，虽然真实的统计数据很可能落在这个范围内，但不能100%保证，所以“不大于86%”或“大于76%”的结论太过了，不能从这次调查中得到证明。

回答:从每所学校选出20名学生，调查他们对各种自助餐厅的满意程度。特别是因为该公司认为，幸福感会因学校而异，所以从每所学校获得样本很重要，这样公司就能了解每所学校的偏好。请注意，虽然参观了这20所学校中的每一所，也可能会深入了解每所学校的偏好，但观察只有一天的样本过于狭窄，无法了解学生对各种选择的感受，因为假设每个学生那天只吃一顿饭。

答案:超过一半的老师选择鲨鱼作为新学校的吉祥物。我们被告知，80%的老师投票了，在这80%的投票中，70%选择了鲨鱼。这意味着56%的老师选择了鲨鱼，超过了一半。

对于其他选项，请注意，我们不知道是学生多还是老师多，至少有可能老师比学生多。例如，如果有1000名学生和50名教师，那么这将意味着200名学生投票，其中100人选择了熊，而只有28名教师选择了鲨鱼——如果学生人数远远超过教师，鲨鱼在教师选民中的巨大优势就不重要了，所以“鲨鱼获得了最多的投票”和“老师比学生多”并不一定是正确的。

我们也不能得出结论，如果所有的学生都投票，熊会赢:首先，我们不知道学生的人数远远超过老师，其次，我们也不知道那80%没有投票的学生将如何投票。

答:研究人员使用的抽样方法是有缺陷的，可能会对洛斯加托斯每户家庭的平均宠物数量做出有偏见的估计。

这里需要考虑的一个重要问题是，研究人员只调查了那些已经在宠物用品店的人，所以她选择的样本完全由那些很可能至少有一只宠物的人组成。没有宠物的人很少去买宠物用品!所以她的样本很可能给出了一个有偏见的估计，因为它可能漏掉了很多本来没有宠物的人。

SAT偶尔会给你更多的信息，超出你解题所需的范围。在这种情况下，您不需要Johanna最初调查的人数的信息。虽然如果你想确定调查的有效性，这些信息会很有用，但没有必要找出喜欢全年学校的学生人数。你已经知道了喜欢一年制学校的学生的百分比和学生总数，所以你只需要能够找到这个问题的答案“280人中27.5%是多少?”

要做到这一点，你只需要把给出的数字转换成数学。记住，“percent”的意思是除以100，“of”的意思是相乘，所以这个表达式就变成了:

在Johanna所在的学校，一共有77名学生喜欢全年制的九年级教育。虽然这不是一个潜在的答案，但不要惊慌!问题是，哪个答案最接近支持全年上学的学生人数。因为77四舍五入到十位等于80，所以你可以放心地选择80作为答案。

回答:研究人员的抽样方法有缺陷，可能会对提案的受欢迎程度做出有偏见的估计。

当你在看一项调查时，询问被调查的群体是否代表了调查旨在了解的总体人口是至关重要的。这里的调查旨在了解“公民”，但被调查的群体是这个群体的一个狭窄的子集:“图书馆游客”。当然，谁最有可能支持更多的图书馆?大概是那些积极使用图书馆的人。因此，这项调查很可能高估了支持新建图书馆的全体公民的比例——它只调查了图书馆的用户，不包括那些不支持新建图书馆的人的结果。

在其他答案选择中，请注意，根据城市的规模和组成，得出结论的样本量为50可能是合适的，因此样本量的大小不是问题所在，而是它偏向于人口的一个子集。由于这种偏见，我们无法得出任何关于支持图书馆的结论。

答:因为它不包括任何没有为人父母的公民，所以该提案的受欢迎程度可能被高估了。

这种调查方法犯了一个非常常见的调查错误，你会在SAT考试中看到:市长想要了解的是另一群人(城市公民)，而不是被调查的人(居住在城市的父母)。父母是公民的一个子集，在这种情况下，他们可能比非父母更支持游乐场，因为通常情况下，孩子是使用游乐场的人，父母可能希望他们的孩子有更好的游乐场。因为公民很可能包括没有父母的人，只关注有父母的人会产生潜在的偏见。

在其他的答案选择中，只关注没有父母的人会产生一个没有代表性的样本的类似问题。因为样本是有偏见的，我们不能断定这项提案会获得大多数选票。城市以外的人可能也会使用操场，这一想法并不能改变市长想知道市民想法的事实，所以不考虑那些住在其他地方的人，并不会让样本偏离市长真正想知道的东西。

当您处理要求您得出或分析结论的数据问题时，注意数据对应的样本的特定语言是非常重要的。这里我们看到学生在分析公共图书馆的书籍，但我们得到的数据只有样本中的200本小说，而小说只是书的一种类型。所以我们不能对“所有的书”下结论(除了小说，还包括字典、传记等)。但我们知道，由于只有20%的小说超过300页，那么超过300页的小说就不足一半(20%低于50%)。(据推测，这20%中的一些甚至可能正好是300页，这意味着“超过300页”可能比包含300页或更长的20%还要少)。

在这个问题中需要考虑的一个重要问题是，虽然海洋生物学家研究的是一般的“鲨鱼”，但我们只有150头锤头鲨的测量数据，这是一种特定类型的鲨鱼。所以我们不能从统计上得出关于鲨鱼的一般结论，因为我们只知道其中的一种。

我们确实知道60%的双髻鲨长于12英尺，这意味着超过一半的双髻鲨长于12英尺。这也意味着其他部分，不到一半，长度不超过12英尺。因为我们有一个随机的双髻鲨样本，我们可以把这个结论外推到所有的双髻鲨身上，所以我们可以得出结论，大西洋中只有不到一半的双髻鲨长于12英尺。