Charakterystyka dobrej wielkości próbki

Wielkość próby to niewielki procent populacji, który jest używany do analizy statystycznej. Na przykład, gdy zastanawiamy się, ile osób zagłosowałoby na daną osobę w wyborach, nie jest to możliwe (finansowo lub logistycznie) zapytanie każdej osoby w Stanach Zjednoczonych o głosowanie pierwszeństwo. Zamiast tego pobierana jest niewielka próbka populacji. Wielkość próbki mogła wynosić kilkaset lub kilka tysięcy. Wszystko zależy od tego, jakie cechy ma mieć ta próbka populacji i jak dokładne mają być wyniki.

Za każdym razem, gdy sondujesz próbkę populacji (w przeciwieństwie do pytania wszystkich), otrzymasz statystyki, które różnią się nieco od „prawdziwych” statystyk. Nazywa się to błędem próbkowania i często wyraża się go w punktach procentowych. Na przykład sonda może mieć plus lub minus „dziesięć punktów”. Innymi słowy, jeśli ankieter stwierdzi, że 55 procent ludzi zagłosuje na a pewien kandydat, plus lub minus dziesięć punktów, tak naprawdę mówią, że zagłosuje na to od 45 do 65 procent kandydat. Dobra próbka będzie miała niski błąd próbkowania (punkt lub dwa).

Poziom ufności opiera się na teorii, że im częściej próbkujesz populację, tym bardziej dane przypominają krzywą dzwonową. Poziomy ufności są wyrażone w procentach, np. „90-procentowy poziom ufności”. Im wyższy poziom zaufania, tym pewniejszy jest badacz że jego dane wyglądają jak krzywa dzwonowa: pożądany jest 99-procentowy poziom ufności i prawdopodobnie przyniesie lepsze wyniki niż 90-procentowy (lub niższy) poziom pewności poziom.

Stopień zmienności odnosi się do tego, jak zróżnicowana jest populacja. Na przykład sondaż wszystkich partii politycznych na temat opieki zdrowotnej prawdopodobnie spowoduje bardziej rozpowszechnioną różnorodność odpowiedzi niż prosty sondaż jednej partii. Im wyższy podany odsetek, tym większy poziom zmienności, przy czym 0,5 jest wartością najwyższą (i prawdopodobnie najmniej pożądaną). W przypadku mniejszych próbek chciałbyś zobaczyć niski stopień zmienności (na przykład .2).