Quando se trata de estudos científicos, o tamanho da amostra é uma consideração crucial para uma pesquisa de qualidade. Tamanho da amostra, às vezes representado como n, é o número de dados individuais usados para calcular um conjunto de estatísticas. Tamanhos maiores de amostra permitem aos pesquisadores determinar melhor os valores médios de seus dados e evitar erros ao testar um pequeno número de amostras possivelmente atípicas.
TL; DR (muito longo; Não li)
O tamanho da amostra é uma consideração importante para a pesquisa. Tamanhos de amostra maiores fornecem valores médios mais precisos, identificam valores discrepantes que podem distorcer os dados em uma amostra menor e fornecer uma margem de erro menor.
Tamanho da Amostra
O tamanho da amostra é o número de informações testadas em uma pesquisa ou experimento. Por exemplo, se você testar 100 amostras de água do mar para resíduos de óleo, o tamanho da amostra será 100. Se você pesquisar 20.000 pessoas em busca de sinais de ansiedade, o tamanho da amostra será de 20.000. Tamanhos maiores de amostras têm a vantagem óbvia de fornecer mais dados para os pesquisadores trabalharem; mas experimentos de grande tamanho de amostra requerem maiores compromissos financeiros e de tempo.
Valor médio e outliers
Tamanhos de amostras maiores ajudam a determinar o valor médio de uma qualidade entre as amostras testadas - esta média é o mau. Quanto maior o tamanho da amostra, mais precisa é a média. Por exemplo, se você descobrir que, entre 40 pessoas, a altura média é de 5 pés, 4 polegadas, mas entre 100 pessoas, a altura média é de 5 pés, 3 polegadas, a segunda medição é uma estimativa melhor da altura média de um indivíduo, uma vez que você está testando substancialmente mais assuntos. Determinar a média também permite que os pesquisadores identifiquem com mais facilidade outliers. Um outlier é um dado que difere fortemente do valor médio e pode representar um ponto de interesse para a pesquisa. Portanto, com base na altura média, alguém com uma altura de 6 pés e 8 polegadas, seria um ponto de dados remoto.
O perigo de pequenas amostras
A possibilidade de outliers é parte do que torna importante o grande tamanho da amostra. Por exemplo, digamos que você faça uma pesquisa com 4 pessoas sobre sua filiação política e uma delas pertença ao Partido Independente. Como este é um indivíduo em uma amostra de 4, sua estatística mostrará que 25% da população pertence ao Partido Independente, provavelmente uma extrapolação imprecisa. Aumentar o tamanho da amostra evitará estatísticas enganosas se um outlier estiver presente em sua amostra.
Margem de erro
O tamanho da amostra está diretamente relacionado a uma estatística margem de erro, ou quão precisa uma estatística pode ser calculada. Para uma pergunta sim ou não, como se um indivíduo possui um carro, você pode determinar a margem de erro para uma estatística dividindo 1 pela raiz quadrada do tamanho da amostra e multiplicando por 100. O total é uma porcentagem. Por exemplo, um tamanho de amostra de 100 terá uma margem de erro de 10 por cento. Ao medir qualidades numéricas com um valor médio, como altura ou peso, multiplique este total por duas vezes o desvio padrão dos dados, que mede a extensão dos valores dos dados em relação à média. Em ambos os casos, quanto maior o tamanho da amostra, menor é a margem de erro.