ნიმუშის ზომის მნიშვნელობა კვლევაში

ნიმუშის ზომა წარმოადგენს სტატისტიკური ანალიზის ჩასატარებლად დაკვირვების რაოდენობას. ნიმუშის ზომები შეიძლება შედგებოდეს ადამიანებისგან, ცხოველებისგან, საკვების სურათებისგან, აპარატებისგან, ელემენტებისგან ან ნებისმიერი მოსახლეობის შეფასებისგან.

შემთხვევითი შერჩევა არის მეთოდი, რომლის დროსაც ხდება შემთხვევითი ნიმუშების შეგროვება პოპულაციიდან, რათა შეფასდეს ინფორმაცია მოსახლეობის შესახებ მიკერძოებულობის გარეშე. მაგალითად, თუ გსურთ იცოდეთ რა ტიპის ხალხი ცხოვრობს გარკვეულ ქალაქში, შემთხვევითი ინტერვიუ უნდა ჩაატაროთ / გაზომოთ სხვადასხვა ადამიანი. ამასთან, თუ ბიბლიოთეკიდან ყველას მხოლოდ გამოიყენებდი, არ გექნებოდა სამართლიანი / მიუკერძოებელი შეფასება იმის შესახებ, თუ როგორია მოსახლეობა, ვინც ოკუპირებულია ქალაქი, მხოლოდ ის ხალხი, ვინც ბიბლიოთეკაში მიდის.

ნიმუშის ზომის ზრდასთან ერთად, შეფასებები უფრო ზუსტი ხდება. მაგალითად, თუ ჩვენ შემთხვევით შევარჩიეთ 10 კაცი ზრდასრული ადამიანი, შეიძლება მათი საშუალო სიმაღლე იყოს 6-ფუტი -3-ინჩიანი, ალბათ იმიტომ, რომ იქ არის კალათბურთელი, რომელიც აფასებს ჩვენს შეფასებას. თუკი ორი მილიონი კაცი კაცი გავზომეთ, საშუალო სიმაღლის უკეთესი პროგნოზირება გვექნება მამრობითი სქესის წარმომადგენლები, რადგან უკიდურესობები დააბალანსებენ და ნამდვილი საშუალო დაჩრდილავს ნებისმიერი გადახრებიდან ნიშნავს

როდესაც სტატისტიკოსი წინასწარმეტყველებს შედეგის შესახებ, ის ხშირად ააშენებს ინტერვალს მისი შეფასების გარშემო. მაგალითად, 100 ქალის წონა რომ გავზომოთ, შეიძლება ითქვას, რომ 90 პროცენტით დარწმუნებული ვართ, რომ ქალის საშუალო, საშუალო წონა 103 – დან 129 ფუნტამდე ინტერვალშია. (ეს, რა თქმა უნდა, დამოკიდებულია სხვა ფაქტორებზეც, როგორიცაა გაზომვების ცვალებადობაც.) ნიმუშის ზომის ზრდასთან ერთად, ჩვენ უფრო დარწმუნებულები ვიქნებით ჩვენი შეფასების მიმართ და ჩვენი ინტერვალიც პატარავდება. მაგალითად, მილიონი ქალით, შეიძლება ითქვას, რომ ჩვენ 98 პროცენტით დარწმუნებული ვართ, რომ ქალების საშუალო, საშუალო წონაა 115 – დან 117 ფუნტამდე. სხვა სიტყვებით რომ ვთქვათ, ნიმუშის ზომა იზრდება, ჩვენი ნდობა გაზომვებისადმი იზრდება და ნდობის ინტერვალების ზომა იკლებს.

ვარიაცია არის მონაცემების გავრცელების საზომი საშუალო მნიშვნელობის გარშემო. სტანდარტული გადახრა წარმოადგენს ვარიაციის კვადრატულ ფესვს და ხელს უწყობს მოსახლეობის დაახლოებით პროცენტული მაჩვენებლის საშუალო მნიშვნელობას შორის მნიშვნელობების დიაპაზონს. ნიმუშის ზომის ზრდასთან ერთად მცირდება სტანდარტული შეცდომა, რაც დამოკიდებულია სტანდარტულ გადახრაზე და ნიმუშის ზომაზე. შესაბამისად, შეფასების სიზუსტის ზრდა და ამ შეფასებებზე დაყრდნობით ჩატარებული კვლევა მიიჩნევა უფრო საიმედოდ (შეცდომის ნაკლები რისკით).

უფრო დიდი ზომის ნიმუშები აშკარად უკეთეს, უფრო ზუსტ შეფასებებს ქმნის პოპულაციების შესახებ, მაგრამ მკვლევარებს აქვთ რამდენიმე პრობლემა, რომლებიც უფრო დიდი ზომის ნიმუშებს იყენებენ. უპირველეს ყოვლისა, შეიძლება ძნელი აღმოჩნდეს შემთხვევითი ნიმუშის პოვნა, ვისაც სურს ახალი წამლის მოსინჯვა. ამის გაკეთებისას, უფრო ძვირი ხდება წამლის მიწოდება უფრო მეტი ადამიანისთვის და მეტი დროის მონიტორინგი. გარდა ამისა, უფრო მეტი ძალისხმევაა საჭირო ნიმუშის უფრო დიდი ზომის მოსაპოვებლად და შენარჩუნებისთვის. მაშინაც კი, თუ უფრო დიდი ზომის ნიმუშები უფრო ზუსტ სტატისტიკას იძლევა, დამატებითი ღირებულება და ძალისხმევა ყოველთვის არ არის საჭირო, რადგან მცირე ზომის ნიმუშებს ასევე შეუძლია მნიშვნელოვანი შედეგების მოტანა.