Zawartość
- Losowe pobieranie próbek
- Precyzja
- Przedziały ufności
- Standardowy błąd
- Trudności w stosowaniu większych rozmiarów próbek
Wielkość próbki reprezentuje liczbę obserwacji wykonanych w celu przeprowadzenia analizy statystycznej. Wielkości próbek mogą składać się z ludzi, zwierząt, partii żywności, maszyn, baterii lub dowolnej populacji, która jest poddawana ocenie.
Losowe pobieranie próbek
Losowe pobieranie próbek to metoda, za pomocą której losowe próbki są pobierane z populacji w celu oszacowania informacji o populacji bez uprzedzeń. Na przykład, jeśli chcesz wiedzieć, jaki typ ludzi mieszka w danym mieście, musisz przeprowadzać wywiady / mierzyć losowo różne osoby. Jednak gdybyś tylko wykorzystał wszystkich z biblioteki, nie miałbyś uczciwej / obiektywnej oceny tego, jaka jest ogólna populacja zamieszkująca miasto, tylko ludzie, którzy chodzą do biblioteki.
Precyzja
W miarę wzrostu wielkości próbek szacunki stają się dokładniejsze. Na przykład, jeśli losowo wybraliśmy 10 dorosłych mężczyzn, możemy stwierdzić, że ich średnia wysokość to 6 stóp-3 cali wysokości, być może dlatego, że istnieje koszykarz, który zawyża nasze szacunki. Gdybyśmy jednak zmierzyli dwa miliony dorosłych mężczyzn, mielibyśmy lepsze predyktory średniego wzrostu mężczyzn, ponieważ skrajności byłyby zrównoważone, a prawdziwa średnia przesłaniałaby wszelkie odchylenia od średniej.
Przedziały ufności
Kiedy statystyki przewidują wynik, często buduje odstępy wokół swoich oszacowań. Na przykład, jeśli zmierzyliśmy wagę 100 kobiet, możemy powiedzieć, że jesteśmy w 90 procentach przekonani, że prawdziwa, średnia waga kobiet mieści się w przedziale od 103 do 129 funtów. (To oczywiście zależy od innych czynników, takich jak zmienność pomiarów.) Wraz ze wzrostem wielkości próby stajemy się bardziej pewni naszych szacunków, a nasze interwały stają się coraz mniejsze. Na przykład, mając milion kobiet, możemy powiedzieć, że jesteśmy w 98 procentach przekonani, że prawdziwa średnia waga kobiet wynosi od 115 do 117 funtów. Innymi słowy, wraz ze wzrostem wielkości próby wzrasta nasze zaufanie do naszych pomiarów, a wielkość przedziałów ufności maleje.
Standardowy błąd
Zmienność jest miarą rozproszenia danych wokół średniej. Odchylenie standardowe jest pierwiastkiem kwadratowym zmienności i pomaga oszacować, jaki procent populacji mieści się w zakresie wartości w stosunku do średniej. Wraz ze wzrostem wielkości próbki maleje błąd standardowy, który zależy od odchylenia standardowego i wielkości próbki. W związku z tym szacunki zwiększają precyzję, a badania oparte na tych szacunkach są uważane za bardziej wiarygodne (przy mniejszym ryzyku błędu).
Trudności w stosowaniu większych rozmiarów próbek
Większe rozmiary próbek oczywiście dają lepsze, dokładniejsze dane szacunkowe dotyczące populacji, ale istnieje kilka problemów z badaczami stosującymi większe rozmiary próbek. Przede wszystkim może być trudno znaleźć losową próbkę osób chętnych do wypróbowania nowego leku. Kiedy to zrobisz, droższe staje się dostarczanie leku większej liczbie osób i monitorowanie większej liczby osób w miarę upływu czasu. Ponadto potrzeba więcej wysiłku, aby uzyskać i utrzymać większy rozmiar próbki. Nawet jeśli większe rozmiary próbek dają dokładniejsze statystyki, dodatkowy koszt i wysiłek nie zawsze są potrzebne, ponieważ mniejsze rozmiary próbek mogą również przynieść znaczące wyniki.