Kandungan
- Sampling secara rawak
- Ketepatan
- Selang Keyakinan
- Kesalahan biasa
- Kesukaran menggunakan Saiz Sampel yang lebih besar
Saiz sampel mewakili bilangan pemerhatian yang diambil untuk menjalankan analisis statistik. Saiz sampel boleh terdiri daripada orang, haiwan, kelompok makanan, mesin, bateri atau apa sahaja populasi yang dinilai.
Sampling secara rawak
Persampelan rawak adalah satu kaedah yang mana sampel rawak dikumpulkan dari populasi untuk menganggarkan maklumat tentang penduduk tanpa berat sebelah. Sebagai contoh, jika anda ingin mengetahui jenis orang yang tinggal di sebuah bandar tertentu, anda perlu membuat wawancara / mengukur orang yang berbeza secara rawak. Walau bagaimanapun, jika anda hanya menggunakan semua orang dari perpustakaan, anda tidak akan mempunyai anggaran yang adil / tidak adil tentang apa yang penduduk umum yang menduduki bandar itu seperti, hanya orang yang pergi ke perpustakaan.
Ketepatan
Apabila saiz sampel meningkat, anggaran menjadi lebih tepat. Sebagai contoh, jika kita memilih 10 orang dewasa lelaki secara rawak, kita mungkin mendapati ketinggian purata mereka menjadi tinggi 6-kaki-3 inci, mungkin kerana ada seorang pemain bola keranjang yang menaikkan anggaran kita. Walau bagaimanapun, jika kita mengukur dua juta manusia lelaki dewasa, kita akan mempunyai peramal yang lebih baik dari ketinggian purata lelaki kerana keterlaluan akan mengimbangi dan purata sebenar akan mengatasi sebarang penyimpangan daripada min.
Selang Keyakinan
Apabila seorang ahli statistik membuat ramalan tentang hasilnya, dia akan sering membina selang sekitar anggarannya. Sebagai contoh, jika kita mengukur berat badan 100 wanita, kita boleh mengatakan bahawa kita adalah 90 peratus yakin bahawa berat badan rata-rata wanita adalah dalam jarak 103 hingga 129 paun. (Ini sememangnya bergantung kepada faktor lain seperti kebolehubahan dalam pengukuran juga.) Apabila saiz sampel meningkat, kami menjadi lebih yakin tentang anggaran kami, dan selang masa kami menjadi lebih kecil. Sebagai contoh, dengan satu juta wanita, kita boleh mengatakan bahawa kita adalah 98 peratus yakin bahawa berat badan sebenar wanita adalah antara 115 dan 117 paun. Dalam erti kata lain, apabila saiz sampel meningkat, keyakinan kami dalam ukuran kami meningkat dan saiz selang keyakinan kami berkurang.
Kesalahan biasa
Variasi adalah ukuran penyebaran data di sekitar min. Penyimpangan piawai adalah akar kuadrat variasi dan membantu menghampiri peratusan populasi yang jatuh antara julat nilai berbanding dengan min. Oleh kerana saiz sampel meningkat, ralat standard, yang bergantung kepada sisihan piawai dan saiz sampel, berkurang. Akibatnya, anggaran peningkatan ketepatan dan penyelidikan yang dibina pada anggaran ini dianggap lebih dipercayai (dengan risiko kurang berisiko).
Kesukaran menggunakan Saiz Sampel yang lebih besar
Saiz sampel yang lebih besar jelas menghasilkan perkiraan yang lebih baik, lebih tepat mengenai populasi, tetapi terdapat beberapa masalah dengan penyelidik menggunakan saiz sampel yang lebih besar. Pertama sekali, sukar untuk mencari sampel rawak orang yang sanggup mencuba ubat baru. Apabila anda berbuat demikian, ia menjadi lebih mahal untuk menyediakan ubat kepada lebih banyak orang dan memantau lebih ramai orang dari masa ke masa. Di samping itu, ia memerlukan lebih banyak usaha untuk mendapatkan dan mengekalkan saiz sampel yang lebih besar. Walaupun saiz sampel yang lebih besar menghasilkan statistik yang lebih tepat, kos tambahan dan usaha tidak selalu diperlukan kerana ukuran sampel yang lebih kecil juga dapat menghasilkan hasil yang signifikan.