İçerik
- Rasgele örnekleme
- Hassas
- Güvenilirlik aralığı
- Standart hata
- Daha Büyük Örneklem Boyutlarını Kullanmada Zorluk
Örneklem büyüklüğü, istatistiksel bir analiz yapmak için alınan gözlem sayısını temsil eder. Numune büyüklükleri insanlar, hayvanlar, yiyecek grupları, makineler, piller veya değerlendirilen popülasyonlardan oluşabilir.
Rasgele örnekleme
Rastgele örnekleme, önyargısız nüfus hakkında bilgi tahmin etmek için bir popülasyondan rastgele örneklerin toplandığı bir yöntemdir. Örneğin, belirli bir kasabada ne tür bir insanın yaşadığını bilmek istiyorsanız, farklı kişilerle rastgele görüşmek / ölçmek zorundasınız. Bununla birlikte, eğer herkesi kütüphaneden yeni kullandıysanız, şehri işgal eden genel halkın nasıl olduğunu, sadece kütüphaneye gidenlerin ne kadar adil / tarafsız bir tahminde bulunmazsınız.
Hassas
Örnek boyutları arttıkça, tahminler daha kesin hale gelir. Örneğin, rastgele 10 erkek yetişkin insanı seçersek, ortalama boylarını 6 feet-3 inç boyunda bulabiliriz, çünkü belki de tahminimizi şişiren bir basketbol oyuncusu vardır. Bununla birlikte, iki milyon yetişkin erkek insanı ölçersek, erkeklerin ortalama yüksekliğinin daha iyi bir tahminde bulunacağız, çünkü aşırı uçlar dengeleyecek ve gerçek ortalama, ortalamadan herhangi bir sapmayı gölgeleyecektir.
Güvenilirlik aralığı
Bir istatistikçi bir sonuç hakkında bir öngörüde bulunduğunda, tahmininin etrafında genellikle bir aralık oluşturur. Örneğin, 100 kadının ağırlığını ölçersek, kadınların ortalama gerçek ağırlığının 103 ila 129 kilo aralığında olduğundan emin olduklarını yüzde 90 diyebiliriz. (Bu, elbette, ölçümlerdeki değişkenlik gibi diğer faktörlere de bağlıdır.) Numune büyüklüğü arttıkça, tahminde daha emin oluruz ve aralıklarımız daha küçük hale gelir. Örneğin, bir milyon kadınla, kadınların gerçek, ortalama ağırlığının 115 ila 117 pound arasında olduğundan emin olduklarını yüzde 98 oranında söyleyebiliriz. Diğer bir deyişle, örneklem büyüklüğü arttıkça, ölçümlerimize duyduğumuz güven artmakta ve güven aralıklarımızın büyüklüğü azalmaktadır.
Standart hata
Varyasyon, verilerin ortalamaya yayılmasının bir ölçüsüdür. Standart sapma, varyasyonun kareköküdür ve popülasyonun yüzde kaçının ortalamaya göre bir değerler aralığı arasında kaldığını tahmin etmeye yardımcı olur. Numune boyutu arttıkça, standart sapmaya ve numune boyutuna bağlı olan standart hata azalır. Sonuç olarak, hassasiyetteki tahminlerin artması ve bu tahminlere dayanan araştırmaların daha güvenilir olduğu (daha az hata riskiyle) olduğu kabul edilmektedir.
Daha Büyük Örneklem Boyutlarını Kullanmada Zorluk
Daha büyük örneklem boyutları açıkça popülasyonlar hakkında daha iyi, daha doğru tahminler üretiyor, ancak daha büyük örneklem büyüklükleri kullanan araştırmacılarla ilgili birkaç sorun var. Her şeyden önce, yeni bir ilaç denemeye istekli rastgele bir insan örneği bulmak zor olabilir. Bunu yaptığınızda, ilacı daha fazla kişiye sağlamak ve zaman içinde daha fazla kişiyi izlemek daha maliyetli olur. Ek olarak, daha büyük bir örneklem büyüklüğü elde etmek ve korumak için daha fazla çaba harcar. Daha büyük örneklem boyutları daha kesin istatistikler üretse bile, daha küçük örneklem boyutları da önemli sonuçlar verebileceğinden, ek maliyet ve efor her zaman gerekli değildir.