표본 크기는 통계 분석에 사용되는 모집단의 작은 비율입니다. 예를 들어, 선거에서 특정 사람에게 투표 할 사람의 수를 파악할 때 미국의 모든 사람에게 투표에 대해 질문 할 수 있습니다 (재정적으로 또는 물류적으로) 우선권. 대신, 소수의 모집단 표본을 채취합니다. 표본 크기는 수백 또는 수천과 같을 수 있습니다. 그것은 모두 모집단 표본이 원하는 특성과 결과가 얼마나 정확하기를 원하는지에 달려 있습니다.
낮은 샘플링 오류
(모든 사람에게 묻는 것과는 반대로) 인구 표본을 조사 할 때마다 "진정한"통계와는 약간 다른 통계를 얻게됩니다. 이를 샘플링 오류라고하며 종종 백분율 포인트로 표시됩니다. 예를 들어 설문 조사는 플러스 또는 마이너스 "10 점"일 수 있습니다. 즉, 여론 조사원이 55 %의 사람들이 어떤 후보자, 플러스 또는 마이너스 10 점, 그들은 실제로 45 ~ 65 %의 어딘가에서 투표 할 것이라고 말하고 있습니다. 후보자. 좋은 샘플은 낮은 샘플링 오류 (한두 점)를 갖습니다.
높은 신뢰 수준
신뢰 수준은 모집단을 더 자주 샘플링할수록 데이터가 종형 곡선과 비슷하다는 이론을 기반으로합니다. 신뢰 수준은 "90 % 신뢰 수준"과 같은 백분율로 표시됩니다. 신뢰 수준이 높을수록 연구원은 그의 데이터는 종 모양의 곡선처럼 보입니다. 99 % 신뢰 수준이 바람직하며 90 % (또는 그 이하) 신뢰보다 더 나은 결과를 얻을 수 있습니다. 수평.
가변성
가변성의 정도는 모집단의 다양성을 나타냅니다. 예를 들어, 건강 관리에 대한 모든 정당을 대상으로 한 여론 조사는 단일 정당에 대한 단순한 여론 조사보다 더 광범위한 응답 변동을 초래할 수 있습니다. 명시된 비율이 높을수록 변동성 수준이 높아지며 .5가 가장 높은 (그리고 아마도 가장 바람직하지 않은) 값입니다. 더 작은 표본의 경우 낮은 수준의 변동성을보고 싶을 것입니다 (예: .2).
