Quando si tratta di studi scientifici, la dimensione del campione è una considerazione cruciale per la ricerca di qualità. Dimensione del campione, a volte rappresentata come n, è il numero di singoli dati utilizzati per calcolare un insieme di statistiche. Campioni di dimensioni maggiori consentono ai ricercatori di determinare meglio i valori medi dei loro dati ed evitare errori nel testare un numero ridotto di campioni potenzialmente atipici.
TL; DR (troppo lungo; non ho letto)
La dimensione del campione è una considerazione importante per la ricerca. Campioni di dimensioni maggiori forniscono valori medi più accurati, identificano valori anomali che potrebbero distorcere i dati in un campione più piccolo e forniscono un margine di errore inferiore.
Misura di prova
La dimensione del campione è il numero di informazioni testate in un sondaggio o in un esperimento. Ad esempio, se si testano 100 campioni di acqua di mare per i residui di olio, la dimensione del campione è 100. Se esamini 20.000 persone per i segni di ansia, la dimensione del campione è 20.000. Campioni di dimensioni maggiori hanno l'ovvio vantaggio di fornire più dati con cui i ricercatori possono lavorare; ma esperimenti di grandi dimensioni richiedono maggiori impegni finanziari e di tempo.
Valore medio e valori anomali
Le dimensioni dei campioni più grandi aiutano a determinare il valore medio di una qualità tra i campioni testati: questa media è il significare. Maggiore è la dimensione del campione, più precisa è la media. Ad esempio, se trovi che, tra 40 persone, l'altezza media è 5 piedi e 4 pollici, ma tra 100 persone, l'altezza media è 5 piedi, 3 pollici, la seconda misurazione è una stima migliore dell'altezza media di un individuo, poiché stai testando sostanzialmente di più soggetti. La determinazione della media consente inoltre ai ricercatori di individuare più facilmente valori anomali. Un outlier è un dato che differisce fortemente dal valore medio e può rappresentare un punto di interesse per la ricerca. Quindi, in base all'altezza media, qualcuno con un'altezza di 6 piedi e 8 pollici sarebbe un punto dati esterno.
Il pericolo dei piccoli campioni
La possibilità di valori anomali è parte di ciò che rende importante una grande dimensione del campione. Ad esempio, supponiamo di intervistare 4 persone sulla loro affiliazione politica e una appartiene al partito Indipendente. Poiché si tratta di un individuo in una dimensione del campione di 4, la tua statistica mostrerà che il 25% della popolazione appartiene al partito indipendente, probabilmente un'estrapolazione imprecisa. L'aumento della dimensione del campione eviterà statistiche fuorvianti se nel campione è presente un valore anomalo.
Margine di errore
La dimensione del campione è direttamente correlata a una statistica margine di errore, o quanto può essere accurata una statistica calcolata. Per una domanda sì o no, ad esempio se un individuo possiede un'auto, puoi determinare il margine di errore per una statistica dividendo 1 per la radice quadrata della dimensione del campione e moltiplicando per 100. Il totale è una percentuale. Ad esempio, una dimensione del campione di 100 avrà un margine di errore del 10%. Quando si misurano qualità numeriche con un valore medio, come altezza o peso, moltiplicare questo totale per due volte il deviazione standard dei dati, che misura quanto sono distanziati i valori dei dati dalla media. In entrambi i casi, maggiore è la dimensione del campione, minore è il margine di errore.