Fördelarna med en stor provstorlek

När det gäller vetenskapliga studier är urvalsstorlek en avgörande faktor för kvalitetsforskning. Provstorlek, ibland representerad som n, är antalet enskilda data som används för att beräkna en uppsättning statistik. Större provstorlekar gör det möjligt för forskare att bättre bestämma medelvärdena för deras data och undvika fel från att testa ett litet antal möjligen atypiska prover.

TL; DR (för lång; Läste inte)

Provstorlek är en viktig faktor för forskning. Större provstorlekar ger mer exakta medelvärden, identifierar avvikare som kan förskjuta data i ett mindre urval och ge en mindre felmarginal.

Provstorlek är antalet informationsstycken som testats i en undersökning eller ett experiment. Om du till exempel testar 100 prover av havsvatten för oljerester är din provstorlek 100. Om du undersöker 20 000 personer för tecken på ångest är din provstorlek 20 000. Större provstorlekar har den uppenbara fördelen att de ger mer data för forskare att arbeta med; men stora provstorleksexperiment kräver större ekonomiska åtaganden och tidsåtaganden.

Större provstorlekar hjälper till att bestämma medelvärdet av en kvalitet bland testade prover - detta genomsnitt är betyda. Ju större provstorlek, desto mer exakt medelvärdet. Om du till exempel upptäcker att medelhöjden bland 40 personer är 5 fot, 4 tum, men bland 100 personer är medelhöjden 5 fot, 3 tum är den andra mätningen en bättre uppskattning av en individs genomsnittliga höjd, eftersom du testar betydligt mer ämnen. Att bestämma medelvärdet gör det också möjligt för forskare att lättare hitta avvikare. En outlier är en bit data som skiljer sig starkt från medelvärdet och kan representera en intressant plats för forskning. Så baserat på medelhöjden skulle någon med en höjd av 6 fot, 8 tum, vara en avlägsen datapunkt.

Möjligheten att avvikare är en del av det som gör stor provstorlek viktig. Säg till exempel att du undersöker fyra personer om deras politiska tillhörighet, och en tillhör det oberoende partiet. Eftersom detta är en individ i ett urval av 4, kommer din statistik att visa att 25 procent av befolkningen tillhör det oberoende partiet, sannolikt en felaktig extrapolering. Att öka din provstorlek kommer att undvika vilseledande statistik om en outlier finns i ditt urval.

Provstorleken är direkt relaterad till en statistik felmarginal, eller hur exakt en statistik kan beräknas vara. För en ja-eller-nej-fråga, som om en person äger en bil, kan du bestämma marginalen för fel för en statistik genom att dividera 1 med kvadratroten av provstorleken och multiplicera med 100. Summan är en procentsats. Exempelvis kommer en provstorlek på 100 att ha en felmarginal på 10 procent. När du mäter numeriska kvaliteter med ett medelvärde, såsom höjd eller vikt, multiplicerar du denna summa med två gånger den standardavvikelse av data, som mäter hur utspridda datavärdena är från medelvärdet. I båda fallen är ju större urvalsstorleken desto mindre felmarginal.