Keuntungan dari Ukuran Sampel Besar

Ketika datang ke studi ilmiah, ukuran sampel merupakan pertimbangan penting untuk penelitian yang berkualitas. Ukuran sampel, terkadang direpresentasikan sebagai tidak, adalah jumlah potongan data individual yang digunakan untuk menghitung sekumpulan statistik. Ukuran sampel yang lebih besar memungkinkan peneliti untuk menentukan nilai rata-rata data mereka dengan lebih baik dan menghindari kesalahan dari pengujian sejumlah kecil sampel yang mungkin tidak biasa.

TL; DR (Terlalu Panjang; Tidak Membaca)

Ukuran sampel menjadi pertimbangan penting untuk penelitian. Ukuran sampel yang lebih besar memberikan nilai rata-rata yang lebih akurat, mengidentifikasi outlier yang dapat membelokkan data dalam sampel yang lebih kecil dan memberikan margin kesalahan yang lebih kecil.

Ukuran sampel adalah jumlah potongan informasi yang diuji dalam survei atau eksperimen. Misalnya, jika Anda menguji 100 sampel air laut untuk residu minyak, ukuran sampel Anda adalah 100. Jika Anda mensurvei 20.000 orang untuk tanda-tanda kecemasan, ukuran sampel Anda adalah 20.000. Ukuran sampel yang lebih besar memiliki keuntungan yang jelas dalam menyediakan lebih banyak data bagi peneliti untuk bekerja dengannya; tetapi eksperimen ukuran sampel yang besar membutuhkan komitmen keuangan dan waktu yang lebih besar.

Ukuran sampel yang lebih besar membantu dalam menentukan nilai rata-rata kualitas di antara sampel yang diuji -- rata-rata ini adalah berarti. Semakin besar ukuran sampel, semakin tepat rata-ratanya. Misalnya, jika Anda menemukan bahwa di antara 40 orang, tinggi rata-rata adalah 5 kaki, 4 inci, tetapi di antara 100 orang, tinggi rata-rata adalah 5 kaki, 3 inci, pengukuran kedua adalah perkiraan yang lebih baik dari tinggi rata-rata seseorang, karena Anda menguji jauh lebih banyak mata pelajaran. Menentukan mean juga memungkinkan peneliti untuk lebih mudah menentukan outlier. Pencilan adalah bagian dari data yang sangat berbeda dari nilai rata-rata dan dapat mewakili tempat menarik untuk penelitian. Jadi berdasarkan tinggi rata-rata, seseorang dengan tinggi 6 kaki, 8 inci, akan menjadi titik data terluar.

Kemungkinan outlier adalah bagian dari apa yang membuat ukuran sampel yang besar menjadi penting. Misalnya, Anda mensurvei 4 orang tentang afiliasi politik mereka, dan satu dari Partai Independen. Karena ini adalah satu individu dalam ukuran sampel 4, statistik Anda akan menunjukkan bahwa 25 persen dari populasi adalah anggota Partai Independen, kemungkinan ekstrapolasi yang tidak akurat. Meningkatkan ukuran sampel Anda akan menghindari statistik yang menyesatkan jika ada outlier dalam sampel Anda.

Ukuran sampel berhubungan langsung dengan statistik margin kesalahan, atau seberapa akurat statistik dapat dihitung. Untuk pertanyaan ya atau tidak, seperti apakah seseorang memiliki mobil, Anda dapat menentukan margin dari kesalahan untuk statistik dengan membagi 1 dengan akar kuadrat dari ukuran sampel dan dan mengalikannya dengan 100. Jumlahnya adalah persentase. Misalnya, ukuran sampel 100 akan memiliki margin kesalahan 10 persen. Saat mengukur kualitas numerik dengan nilai rata-rata, seperti tinggi atau berat badan, kalikan total ini dengan dua kali simpangan baku dari data, yang mengukur seberapa menyebar nilai data dari mean. Dalam kedua kasus, semakin besar ukuran sampel, semakin kecil margin kesalahan.