Viktigheten av prøvestørrelse i forskning

Prøvestørrelse representerer antall observasjoner som er tatt for å utføre en statistisk analyse. Prøvestørrelser kan bestå av mennesker, dyr, matbunker, maskiner, batterier eller hvilken populasjon som helst som blir evaluert.

Tilfeldig prøvetaking er en metode der tilfeldige prøver samles inn fra en populasjon for å estimere informasjon om populasjonen uten å være partisk. Hvis du for eksempel vil vite hvilken type mennesker som bor i en bestemt by, må du intervjue / måle forskjellige mennesker tilfeldig. Men hvis du bare brukte alle fra biblioteket, ville du ikke ha et rettferdig / upartisk estimat av hvordan befolkningen generelt som okkuperer byen er, bare menneskene som går til biblioteket.

Når prøvestørrelsene øker, blir estimatene mer nøyaktige. For eksempel, hvis vi tilfeldig valgte 10 mannlige voksne mennesker, kan vi finne at gjennomsnittshøyden er 6 fot-3-tommer høy, kanskje fordi det er en basketballspiller som blåser opp vårt estimat. Hvis vi imidlertid målte to millioner voksne menn, ville vi ha en bedre prediktor for gjennomsnittshøyden på menn fordi ytterpunktene ville balansere og det virkelige gjennomsnittet ville overskygge eventuelle avvik fra mener.

Når en statistiker spår om et utfall, vil han ofte bygge et intervall rundt estimatet. For eksempel, hvis vi målte vekten til 100 kvinner, kan vi si at vi er 90 prosent sikre på at den sanne gjennomsnittsvekten til kvinner er i intervallet 103 til 129 pund. (Dette avhenger selvfølgelig også av andre faktorer som variasjon i målingene.) Når prøvestørrelsen øker, blir vi mer sikre på vårt estimat, og intervallene våre blir mindre. For eksempel, med en million kvinner, kan vi si at vi er 98 prosent sikre på at den sanne gjennomsnittsvekten til kvinner er mellom 115 og 117 pund. Med andre ord, når prøvestørrelsen øker, øker tilliten vår til målingene våre og størrelsen på konfidensintervallene minker.

Variasjon er et mål på spredningen av data rundt gjennomsnittet. Standardavvik er kvadratroten av variasjonen og hjelper tilnærmet hvor stor prosentandel av befolkningen som ligger mellom et verdiområde i forhold til gjennomsnittet. Når prøvestørrelsen øker, reduseres standardfeilen, som avhenger av standardavvik og prøvestørrelse. Følgelig blir estimater som øker i presisjon, og forskning bygget på disse estimatene ansett som mer pålitelige (med mindre risiko for feil).

Større utvalgstørrelser gir åpenbart bedre, mer nøyaktige estimater om populasjoner, men det er flere problemer med forskere som bruker større utvalgstørrelser. Først og fremst kan det være vanskelig å finne et tilfeldig utvalg av mennesker som er villige til å prøve et nytt stoff. Når du gjør det, blir det dyrere å gi stoffet til flere mennesker og å overvåke flere over tid. I tillegg krever det mer innsats for å oppnå og opprettholde en større utvalgstørrelse. Selv om større utvalgstørrelser gir mer nøyaktig statistikk, er ikke alltid ekstra kostnad og krefter nødvendig, ettersom mindre utvalgstørrelser også kan gi betydelige resultater.