Parauga lieluma nozīme pētniecībā

Izlases lielums apzīmē novērojumu skaitu, kas veikti statistiskās analīzes veikšanai. Paraugu lielumus var veidot cilvēki, dzīvnieki, pārtikas partijas, mašīnas, akumulatori vai jebkura cita populācija, kas tiek vērtēta.

Nejauša atlase ir metode, ar kuru no populācijas tiek savākti nejauši paraugi, lai novērtētu informāciju par populāciju, neobjektīvi. Piemēram, ja vēlaties uzzināt, kāda veida cilvēki dzīvo noteiktā pilsētā, jums nejauši jāintervē / jāmēra dažādi cilvēki. Tomēr, ja jūs vienkārši izmantojat visus no bibliotēkas, jums nav taisnīgas / objektīvas aplēses par to, kādi ir vispārējie iedzīvotāji, kas aizņem pilsētu, tikai cilvēki, kuri apmeklē bibliotēku.

Palielinoties izlases lielumam, aprēķini kļūst precīzāki. Piemēram, ja mēs nejauši izvēlējāmies 10 pieaugušos vīriešus, viņu vidējais augstums varētu būt 6 pēdas - 3 collas garš, iespējams, tāpēc, ka ir kāds basketbolists, kas palielina mūsu novērtējumu. Tomēr, ja mēs izmērītu divus miljonus pieaugušo vīriešu vīriešu, mums būtu labāk prognozējams vidējais augstums vīriešiem, jo ​​galējības līdzsvarotos un patiesais vidējais rādītājs aizēnotu jebkuras novirzes no nozīmē.

Kad statistiķis prognozē rezultātu, viņš bieži izveido intervālu ap savu novērtējumu. Piemēram, ja mēs izmērīsim 100 sieviešu svaru, mēs varētu teikt, ka esam par 90 procentiem pārliecināti, ka patiesais, vidējais sieviešu svars ir intervālā no 103 līdz 129 mārciņām. (Tas, protams, ir atkarīgs no citiem faktoriem, piemēram, mainība mērījumos, kā arī.) Palielinoties izlases lielumam, mēs kļūstam pārliecinātāki par savu novērtējumu, un mūsu intervāli kļūst mazāki. Piemēram, ja būtu miljons sieviešu, mēs varētu teikt, ka esam par 98 procentiem pārliecināti, ka patiesais vidējais sieviešu svars ir no 115 līdz 117 mārciņām. Citiem vārdiem sakot, palielinoties izlases lielumam, palielinās mūsu uzticība mērījumiem un samazinās ticamības intervālu lielums.

Variācija ir datu izplatības rādītājs ap vidējo. Standarta novirze ir variācijas kvadrātsakne, un tā palīdz aptuveni noteikt, cik procentu iedzīvotāju ir starp vērtību diapazonu attiecībā pret vidējo. Palielinoties izlases lielumam, samazinās standarta kļūda, kas ir atkarīga no standartnovirzes un izlases lieluma. Līdz ar to aprēķinu precizitātes pieaugums un uz šiem aprēķiniem balstītie pētījumi tiek uzskatīti par ticamākiem (ar mazāku kļūdu risku).

Lielāki izlases lielumi acīmredzami rada labākus, precīzākus aprēķinus par populācijām, taču pētniekiem ir vairākas problēmas, izmantojot lielākus izlases lielumus. Pirmkārt, var būt grūti atrast izlases paraugu no cilvēkiem, kuri vēlas izmēģināt jaunas zāles. Kad jūs to darāt, kļūst dārgāk piegādāt zāles vairāk cilvēkiem un laika gaitā uzraudzīt vairāk cilvēku. Turklāt, lai iegūtu un saglabātu lielāku izlases lielumu, ir jāpieliek lielākas pūles. Pat ja lielāki izlases lielumi nodrošina precīzāku statistiku, papildu izmaksas un pūles ne vienmēr ir nepieciešamas, jo arī mazāki izlases lielumi var dot ievērojamus rezultātus.