Ideál dosažení reprezentativního vzorku respondentů bývá v praxi někdy narušen nevyhnutelnými okolnostmi výzkumu. Stává se to proto, že některá ze skupin (například lidé se základním vzděláním) se v souboru objeví v menším zastoupení, než jaký je jejich skutečný podíl v populaci. Nejčastěji je to z důvodu, že některé osoby se nemohou výzkumu účastnit (třeba nejsou často doma a tazatelé je nemohou zastihnout) anebo zkrátka nejsou ochotny poskytnout rozhovor, a i když jsou tazatelem osloveni, prostě odmítnou. Tyto skutečnosti se přitom neobjevují náhodně, některé skupiny jsou k absenci ve výběrovém souboru náchylnější (například pracovně hodně vytížení lidé, osoby s vyššími příjmy, nebo také lidé s nižším vzděláním).
Pokud ovšem odchylka není příliš výrazná, lze dodatečně tyto problémy napravit tzv. vážením, tedy úpravou důležitosti jednotlivých skupin respondentů ve výběrovém souboru. Pokud se například zjistí, že namísto 10 % osob se základním vzděláním tvoří tito lidé v souboru pouze 5 %, lze respondentům se základním vzděláním v souboru zdvojnásobit jejich váhu. To má podobný efekt, jako by se jejich podíl navýšil na oněch požadovaných 10 %. Pro tyto úpravy samozřejmě existují přísná odborná pravidla, v jakých situacích a do jaké míry je metodologicky bezpečné data vážit. Rozhodně to například neznamená, že by se z jednoho respondenta v souboru mohlo udělat deset.
V situaci, kdy praktické okolnosti neumožňují získat dokonale reprezentativní soubor respondentů přímo v průběhu dotazování, je vážení velmi jednoduchý a přitom metodologicky korektní způsob, jak menší vychýlení napravit. Přiblížíme se tím více ideálu reprezentativity a můžeme tak dosáhnout vyšší kvality celého výzkumu. Například pro pravděpodobnostní (náhodné) výběry je vážení dat v podstatě nezbytností.