დიდი სინჯის უპირატესობები

რაც შეეხება სამეცნიერო კვლევებს, ნიმუშის ზომა გადამწყვეტი მნიშვნელობა აქვს ხარისხის კვლევისთვის. ნიმუშის ზომა, ზოგჯერ წარმოდგენილია როგორც ნ, არის მონაცემების ცალკეული ნაწილის რაოდენობა, რომელიც გამოიყენება სტატისტიკის ნაკრების გამოსათვლელად. უფრო დიდი ზომის ნიმუშები მკვლევარებს საშუალებას აძლევს უკეთ დაადგინონ მათი საშუალო საშუალო მნიშვნელობები და თავიდან აიცილონ შეცდომები მცირე რაოდენობის, შესაძლოა, ატიპიური ნიმუშების ტესტირებისას.

TL; DR (ძალიან გრძელია; არ წავიკითხე)

ნიმუშის ზომა მნიშვნელოვანი განხილვაა კვლევისთვის. უფრო დიდი ზომის ნიმუშები იძლევა უფრო ზუსტ საშუალო მნიშვნელობებს, განსაზღვრავს ისეთ საზღვრებს, რომლებსაც შეუძლიათ მონაცემების გადახრა მცირე ზომის ნიმუშში და შეცდომის მცირე ზღვრის შექმნა.

ნიმუშის ზომა არის ინფორმაციის ან გამოკვლევის შედეგად ტესტირებული ინფორმაციის რაოდენობა. მაგალითად, თუ ზღვის წყლის 100 ნიმუშს შეამოწმებთ ნავთობის ნარჩენებზე, თქვენი ნიმუშის ზომაა 100. თუ თქვენ გამოკითხავთ 20,000 ადამიანს შფოთის ნიშნების გამოვლენისთვის, თქვენი ნიმუშის ზომაა 20,000. უფრო დიდი ზომის ნიმუშებს აშკარა უპირატესობა აქვთ, რომ მეტ მონაცემს აწვდიან მკვლევარებს სამუშაოდ; მაგრამ დიდი ზომის ექსპერიმენტები მოითხოვს უფრო დიდ ფინანსურ და დროულ ვალდებულებებს.

უფრო დიდი ზომის ნიმუშებს ეხმარება ხარისხის საშუალო მნიშვნელობის განსაზღვრაში ტესტირებულ ნიმუშებს შორის - ეს საშუალო არის ნიშნავს. რაც უფრო დიდია ნიმუშის ზომა, მით უფრო ზუსტია საშუალო. მაგალითად, თუ აღმოაჩენთ, რომ 40 ადამიანს შორის საშუალო სიმაღლეა 5 ფუტი, 4 ინჩი, მაგრამ 100 ადამიანში საშუალო სიმაღლეა 5 ფუტი, 3 დუიმი, მეორე გაზომვა არის საშუალო საშუალო სიმაღლის უკეთესი შეფასება, რადგან თქვენ მნიშვნელოვნად უფრო მეტ ტესტირებას ახორციელებთ საგნები. საშუალო განსაზღვრა საშუალებას აძლევს მკვლევარებს უფრო ადვილად დაადგინონ დაშორებები. Outlier არის მონაცემთა ნაწილი, რომელიც მკვეთრად განსხვავდება საშუალო მნიშვნელობისგან და შეიძლება წარმოადგენს კვლევისთვის საინტერესო წერტილს. საშუალო სიმაღლის საფუძველზე, ადამიანი, რომლის სიმაღლეა 6 ფუტი, 8 დუიმი, იქნება მონაცემების მოშორებული წერტილი.

დაშორების შესაძლებლობა არის ის, რაც მნიშვნელოვნად აფასებს დიდი ზომის ნიმუშს. მაგალითად, თქვით, რომ თქვენ გამოკითხეთ 4 ადამიანი მათი პოლიტიკური კუთვნილების შესახებ და ერთი დამოუკიდებელ პარტიას ეკუთვნის. ვინაიდან ეს არის ერთი ინდივიდი, რომლის ნიმუშია 4, თქვენი სტატისტიკა აჩვენებს, რომ მოსახლეობის 25 პროცენტი დამოუკიდებელ პარტიას ეკუთვნის, რაც სავარაუდოდ არაზუსტი ექსტრაპოლაციაა. თქვენი ნიმუშის ზომის გაზრდა თავიდან აიცილებთ შეცდომაში შემყვან სტატისტიკას, თუკი თქვენს ნიმუშში იმყოფება მოვაჭრე.

ნიმუშის ზომა პირდაპირ კავშირშია სტატისტიკასთან შეცდომის ზღვარი, ან რამდენად ზუსტი სტატისტიკის გამოთვლა შეიძლება. დიახ ან არა კითხვისთვის, მაგალითად, აქვს თუ არა ინდივიდუალური მანქანა ავტომობილს, შეგიძლიათ განსაზღვროთ ზღვარი სტატისტიკის შეცდომა 1-ის გაყოფით ნიმუშის ზომის კვადრატულ ფესვზე და გამრავლებით 100. საერთო პროცენტია. მაგალითად, 100 ნიმუშის ზომას აქვს 10 პროცენტიანი შეცდომა. საშუალო მნიშვნელობის მქონე რიცხვითი თვისებების გაზომვისას, მაგალითად, სიმაღლე ან წონა, ამ ჯამის გამრავლება ორზე სტანდარტული გადახრა მონაცემთა, რომელიც ზომავს რამდენად არის განაწილებული მონაცემთა მნიშვნელობები საშუალოდან. ორივე შემთხვევაში, რაც უფრო დიდია ნიმუშის ზომა, მით მცირეა შეცდომის ზღვარი.