Provstorleken representerar antalet observationer som tagits för att genomföra en statistisk analys. Provstorlekar kan bestå av människor, djur, livsmedelsbatcher, maskiner, batterier eller vilken population som helst som utvärderas.
Slumpmässigt urval
Slumpmässigt urval är en metod genom vilken slumpmässiga prover samlas in från en population för att uppskatta information om populationen utan att vara partisk. Om du till exempel vill veta vilken typ av människor som bor i en viss stad, måste du intervjua / mäta olika människor slumpmässigt. Men om du bara använde alla från biblioteket, skulle du inte ha en rättvis / opartisk uppskattning av hur den allmänna befolkningen som ockuperar staden är, bara de människor som går till biblioteket.
Precision
När provstorlekarna ökar blir uppskattningarna mer exakta. Om vi till exempel slumpmässigt valde 10 manliga vuxna människor kan vi tycka att deras genomsnittliga höjd är 6 fot-3 tum lång, kanske för att det finns en basketspelare som blåser upp vår uppskattning. Om vi dock mätte två miljoner vuxna manliga människor skulle vi ha en bättre förutsägelse för medelhöjden på män eftersom ytterligheterna skulle balansera och det verkliga genomsnittet skulle överskugga alla avvikelser från betyda.
Förtroendeintervall
När en statistiker förutsäger ett resultat kommer han ofta att bygga ett intervall runt sin uppskattning. Om vi till exempel mätte vikten på 100 kvinnor kan vi säga att vi är 90 procent övertygade om att den verkliga genomsnittliga vikten för kvinnor ligger i intervallet 103 till 129 pund. (Detta beror naturligtvis på andra faktorer som variationer i mätningarna också.) När provstorleken ökar blir vi mer säkra på vår uppskattning och våra intervall blir mindre. Till exempel, med en miljon kvinnor, kan vi säga att vi är 98 procent övertygade om att den verkliga genomsnittliga vikten för kvinnor är mellan 115 och 117 pund. Med andra ord, när provstorleken ökar, ökar vårt förtroende för våra mätningar och storleken på våra konfidensintervall minskar.
Standard fel
Variation är ett mått på spridningen av data runt medelvärdet. Standardavvikelse är kvadratroten av variationen och hjälper ungefär hur stor andel av befolkningen som ligger mellan ett värdeintervall i förhållande till medelvärdet. När provstorleken ökar minskar standardfelet, som beror på standardavvikelse och provstorlek. Följaktligen anses uppskattningar öka i precision och forskning som bygger på dessa uppskattningar anses vara mer tillförlitliga (med mindre risk för fel).
Svårighet att använda större provstorlekar
Större provstorlekar ger uppenbarligen bättre, mer exakta uppskattningar av populationer, men det finns flera problem med forskare som använder större provstorlekar. Först och främst kan det vara svårt att hitta ett slumpmässigt urval av människor som är villiga att testa ett nytt läkemedel. När du gör det blir det dyrare att ge läkemedlet till fler människor och att övervaka fler människor över tiden. Dessutom krävs mer ansträngningar för att få och behålla en större provstorlek. Även om större provstorlekar ger mer exakt statistik behövs inte alltid extra kostnad och ansträngning eftersom mindre provstorlekar också kan ge betydande resultat.