Une plateforme fictive observe 900 achats urbains d’un montant moyen de 40 euros et 100 achats ruraux d’un montant moyen de 20 euros. Les sommes locales valent 36 000 et 2 000 euros. La moyenne de tous les achats observés est donc 38 000/1 000 = 38 euros. Faire la moyenne des deux moyennes donnerait 30 euros : ce résultat accorde le même poids à deux partitions de tailles différentes et ne correspond pas à la distribution observée.
Supposons maintenant que la population cible comporte autant d’achats urbains que ruraux. Une poststratification utilisant ces parts connues donne 0,5 × 40 + 0,5 × 20 = 30 euros. La même valeur numérique devient pertinente, mais pour une autre cible et sous une hypothèse forte : au sein de chaque zone, les achats observés doivent représenter ceux de la population. Si les ménages modestes utilisent moins la plateforme même à territoire donné, la pondération géographique ne corrige pas cette sélection résiduelle.
Cet exemple distingue une erreur informatique d’agrégation d’une correction statistique de couverture. Les deux calculs peuvent utiliser exactement les mêmes sommes, mais leurs dénominateurs et leurs interprétations diffèrent. Pour un indicateur publié, il faut donc conserver les effectifs par partition, les poids de référence et la définition de l’unité achat. Une pondération extrême peut aussi augmenter l’incertitude ; présenter seulement le nombre brut de lignes donnerait une image excessive de la précision disponible.