Περιεχόμενο
- Τυχαία δειγματοληψία
- Ακρίβεια
- Διαστήματα εμπιστοσύνης
- Πρότυπο σφάλμα
- Δυσκολία στη χρήση μεγαλύτερων μεγεθών δείγματος
Το μέγεθος του δείγματος αντιπροσωπεύει τον αριθμό των παρατηρήσεων που ελήφθησαν για τη διενέργεια στατιστικής ανάλυσης. Τα μεγέθη των δειγμάτων μπορούν να αποτελούνται από ανθρώπους, ζώα, παρτίδες τροφίμων, μηχανές, μπαταρίες ή όποιο πληθυσμό αξιολογείται.
Τυχαία δειγματοληψία
Η τυχαία δειγματοληψία είναι μια μέθοδος με την οποία συλλέγονται τυχαία δείγματα από έναν πληθυσμό προκειμένου να εκτιμηθούν οι πληροφορίες για τον πληθυσμό χωρίς να είναι προκατειλημμένη. Για παράδειγμα, εάν θέλετε να μάθετε τι είδους άτομα ζουν σε μια συγκεκριμένη πόλη, πρέπει να κάνετε συνεντεύξεις / μετρήσεις σε διαφορετικούς ανθρώπους τυχαία. Ωστόσο, αν χρησιμοποιούσατε όλοι από τη βιβλιοθήκη, δεν θα είχατε μια δίκαιη / αμερόληπτη εκτίμηση για το τι είναι ο γενικός πληθυσμός που καταλαμβάνει την πόλη, ακριβώς τους ανθρώπους που πηγαίνουν στη βιβλιοθήκη.
Ακρίβεια
Καθώς τα μεγέθη δειγμάτων αυξάνονται, οι εκτιμήσεις γίνονται ακριβέστερες Για παράδειγμα, αν επιλέξαμε τυχαία 10 άνδρες ενηλίκων, θα μπορούσαμε να βρούμε το μέσο ύψος τους να είναι ύψος 6-ποδιών-3 ιντσών, ίσως επειδή υπάρχει ένας παίκτης μπάσκετ που φουσκώνει την εκτίμησή μας. Εάν, όμως, μετρήσαμε δύο εκατομμύρια ενήλικα αρσενικά άτομα, θα έχουμε έναν καλύτερο πρόλογο του μέσου ύψους των αρσενικών, διότι τα άκρα θα εξισορροπούνταν και ο πραγματικός μέσος όρος θα επισκιάζει τυχόν αποκλίσεις από τον μέσο όρο.
Διαστήματα εμπιστοσύνης
Όταν ένας στατιστικιστής κάνει μια πρόβλεψη για ένα αποτέλεσμα, συχνά θα χτίσει ένα διάστημα γύρω από την εκτίμησή του. Για παράδειγμα, αν μετρήσουμε το βάρος των 100 γυναικών, θα μπορούσαμε να πούμε ότι είμαστε 90 τοις εκατό σίγουροι ότι το πραγματικό μέσο βάρος των γυναικών κυμαίνεται από 103 έως 129 λίβρες. (Αυτό, φυσικά, εξαρτάται από άλλους παράγοντες όπως η μεταβλητότητα στις μετρήσεις επίσης.) Καθώς το μέγεθος του δείγματος αυξάνεται, γινόμαστε πιο σίγουροι για την εκτίμησή μας και τα διαστήματα μας γίνονται μικρότερα. Για παράδειγμα, με ένα εκατομμύριο γυναίκες, θα μπορούσαμε να πούμε ότι είμαστε 98 τοις εκατό σίγουροι ότι το πραγματικό μέσο βάρος των γυναικών κυμαίνεται μεταξύ 115 και 117 κιλών. Με άλλα λόγια, καθώς το μέγεθος του δείγματος αυξάνεται, η εμπιστοσύνη μας στις μετρήσεις μας αυξάνεται και το μέγεθος των διαστημάτων εμπιστοσύνης μας μειώνεται.
Πρότυπο σφάλμα
Η μεταβολή είναι ένα μέτρο της διάδοσης των δεδομένων γύρω από τον μέσο όρο. Η τυπική απόκλιση είναι η τετραγωνική ρίζα της διακύμανσης και βοηθά στην προσέγγιση του ποσοστού του πληθυσμού που κυμαίνεται μεταξύ ενός εύρους τιμών σε σχέση με τον μέσο όρο. Καθώς το μέγεθος του δείγματος αυξάνεται, το τυπικό σφάλμα, το οποίο εξαρτάται από την τυπική απόκλιση και το μέγεθος του δείγματος, μειώνεται. Κατά συνέπεια, οι εκτιμήσεις αυξάνουν την ακρίβεια και η έρευνα που βασίζεται σε αυτές τις εκτιμήσεις θεωρείται πιο αξιόπιστη (με μικρότερο κίνδυνο σφάλματος).
Δυσκολία στη χρήση μεγαλύτερων μεγεθών δείγματος
Τα μεγαλύτερα μεγέθη δείγματος προφανώς παράγουν καλύτερες και ακριβέστερες εκτιμήσεις για τους πληθυσμούς, αλλά υπάρχουν αρκετά προβλήματα με τους ερευνητές που χρησιμοποιούν μεγαλύτερα μεγέθη δειγμάτων. Πρώτα απ 'όλα, μπορεί να είναι δύσκολο να βρεθεί ένα τυχαίο δείγμα ανθρώπων πρόθυμων να δοκιμάσουν ένα νέο φάρμακο. Όταν το κάνετε, καθίσταται δαπανηρό να παρέχετε το φάρμακο σε περισσότερους ανθρώπους και να παρακολουθείτε περισσότερους ανθρώπους με την πάροδο του χρόνου. Επιπλέον, χρειάζεται περισσότερη προσπάθεια για να αποκτήσετε και να διατηρήσετε μεγαλύτερο μέγεθος δείγματος. Ακόμη και αν τα μεγαλύτερα μεγέθη δειγμάτων παράγουν ακριβέστερα στατιστικά στοιχεία, το επιπλέον κόστος και η προσπάθεια δεν είναι πάντα απαραίτητα, καθώς τα μικρότερα μεγέθη δειγμάτων μπορούν επίσης να παράγουν σημαντικά αποτελέσματα.