Näytteen koon merkitys tutkimuksessa

Otoksen koko edustaa tilastollisen analyysin suorittamiseksi tehtyjen havaintojen määrää. Näytekoot voivat koostua ihmisistä, eläimistä, ruoka-annoksista, koneista, paristoista tai mistä tahansa populaatiosta, jota arvioidaan.

Satunnaisotanta on menetelmä, jolla satunnaiset näytteet kerätään populaatiosta populaatiotietojen arvioimiseksi puolueettomana. Esimerkiksi, jos haluat tietää, minkä tyyppisiä ihmisiä asuu tietyssä kaupungissa, sinun on haastateltava / mitattava erilaisia ​​ihmisiä satunnaisesti. Jos kuitenkin vain käyttäisit kaikkia kirjaston jäseniä, sinulla ei olisi oikeudenmukaista / puolueetonta arviota siitä, millainen kaupunki asuu, vain kirjastossa käyvät ihmiset.

Kun otoskoko kasvaa, arviot tarkentuvat. Esimerkiksi, jos valitsimme satunnaisesti 10 aikuista urospuolista miestä, heidän keskimääräinen korkeutensa saattaa olla 6 jalkaa - 3 tuumaa pitkä, ehkä siksi, että on olemassa koripalloilija, joka paisuttaa arviomme. Jos kuitenkin mittaisimme kaksi miljoonaa aikuista miespuolista ihmistä, meillä olisi parempi ennustaja keskimääräisestä korkeudesta miehiä, koska äärimmäisyydet tasapainottaisivat ja todellinen keskiarvo varjostaisi mahdolliset poikkeamat tarkoittaa.

Kun tilastotieteilijä tekee ennusteen lopputuloksesta, hän rakentaa usein välin arvionsa ympärille. Esimerkiksi, jos mitataan 100 naisen paino, voimme sanoa, että olemme 90 prosenttia varmoja siitä, että naisten todellinen, keskimääräinen paino on välillä 103-129 kiloa. (Tämä riippuu tietysti muista tekijöistä, kuten vaihteluista myös mittauksissa.) Kun otoksen koko kasvaa, tulemme varmemmiksi arviossamme ja intervallimme pienenevät. Esimerkiksi miljoonan naisen kanssa voimme sanoa, että olemme 98 prosenttia varmoja siitä, että naisten todellinen keskimääräinen paino on 115–117 kiloa. Toisin sanoen, kun otoskoko kasvaa, luottamus mittauksiimme kasvaa ja luottamusväliemme koko pienenee.

Vaihtelu on mitta tiedon leviämisestä keskiarvon ympärille. Vakiopoikkeama on vaihtelun neliöjuuri ja auttaa arvioimaan, kuinka suuri prosenttiosuus populaatiosta on keskiarvon suhteellisen arvon välillä. Otoksen koon kasvaessa standardivirhe, joka riippuu keskihajonnasta ja otoksen koosta, pienenee. Tästä syystä tarkkuuden arvioiden lisääntymistä ja näihin arvioihin perustuvaa tutkimusta pidetään luotettavampana (ilman vähemmän virheriskiä).

Suuremmat otoskokot tuottavat tietysti parempia ja tarkempia arvioita populaatioista, mutta tutkijoiden kanssa on useita ongelmia, jotka käyttävät suurempia otoskokoja. Ensinnäkin voi olla vaikea löytää satunnainen otos ihmisistä, jotka haluavat kokeilla uutta lääkettä. Kun teet, lääkkeen toimittaminen useammalle ihmiselle ja useamman seuranta ajan myötä on kalliimpaa. Lisäksi suuremman otoskokon saaminen ja ylläpitäminen vaatii enemmän vaivaa. Vaikka suuremmat otoskokot tuottavat tarkempia tilastoja, ylimääräisiä kustannuksia ja vaivaa ei aina tarvita, koska pienemmät otoskokot voivat myös tuottaa merkittäviä tuloksia.