サンプルサイズは、実験の設計において重要な考慮事項です。 サンプルサイズが小さすぎると、実験の結果が歪められます。 収集されたデータは、テストされる人またはオブジェクトの数が少ないために無効になる可能性があります。 サンプルサイズは、平均と中央値という2つの重要な統計に影響を与えます。
サンプルサイズと実験計画
ほとんどの実験は、2つのグループの人またはオブジェクトが変数にどのように反応するかを比較することによって実行されます。 結果を解釈する際の混乱を避けるために、変数以外はすべて同じに保たれます。 各グループの人またはオブジェクトの数は、サンプルサイズと呼ばれます。 サンプルサイズは、操作変数ではなくランダムな偶然要因が原因で結果が発生する可能性を排除するのに十分な大きさである必要があります。 たとえば、夜に読まれることが子供たちの読むことを学ぶ能力にどのように影響するかについての研究は、5人の子供だけが研究された場合には有効ではありません。
平均と中央値
実験が終わった後、科学者は統計を使って実験の結果を解釈するのを助けます。 2つの重要な統計は、平均と中央値です。
平均値（平均値）は、グループのすべての結果を加算し、グループ内の人数で割ることによって計算されます。 たとえば、子供たちのグループのリーディングテストの平均テストスコアが94％だった場合、これは 科学者はすべてのテストスコアを合計し、学生数で割ると、約94の回答が得られました。 パーセント。
中央値は、データの上半分と下半分を区切る数値を指します。 データを番号順に並べて見つけます。 たとえば、読解テストを受けるすべての生徒のスコアの中央値は、生徒の半数が83パーセントより高く、半数が低い場合、83パーセントになる可能性があります。
平均とサンプルサイズ
サンプルサイズが小さすぎると、平均スコアが人為的に膨張または収縮します。 5人の学生だけが読書テストを受けたと仮定します。 94％の平均スコアでは、これらの学生のほとんどが94％近くのスコアを獲得している必要があります。 500人の学生が同じテストを受けた場合、平均はより多様なスコアを反映する可能性があります。
中央値とサンプルサイズ
同様に、スコアの中央値は、サンプルサイズが小さいことによって過度に影響を受けます。 5人の生徒だけがテストを受けた場合、スコアの中央値が83％の場合、2人の生徒のスコアが83％を上回り、2人の生徒のスコアが低くなります。 500人の学生がテストを受けた場合、スコアの中央値は、249人の学生がスコアの中央値よりも高いスコアを示したという事実を反映します。
サンプルサイズと統計的有意性
小さいサンプルサイズは、それらを含む実験の結果が通常統計的に有意ではないため、問題があります。 統計的有意性は、結果が偶然に発生した可能性の尺度です。 サンプルサイズが小さい場合、結果は実験ではなく偶然によるものである可能性が非常に高くなります。