Örnek boyutu, istatistiksel bir analiz yapmak için alınan gözlemlerin sayısını temsil eder. Numune boyutları, insanlar, hayvanlar, gıda grupları, makineler, piller veya değerlendirilmekte olan herhangi bir popülasyondan oluşabilir.
Rasgele örnekleme
Rastgele örnekleme, popülasyon hakkındaki bilgileri önyargısız olarak tahmin etmek için bir popülasyondan rastgele örneklerin toplandığı bir yöntemdir. Örneğin, belirli bir şehirde ne tür insanların yaşadığını bilmek istiyorsanız, rastgele farklı insanlarla görüşmeniz/ölçmeniz gerekir. Ancak, kütüphanedeki herkesi kullanmış olsaydınız, kasabayı işgal eden genel nüfusun neye benzediğine dair adil/tarafsız bir tahmine sahip olamazsınız, sadece kütüphaneye giden insanlar.
Hassas
Örnek boyutları arttıkça, tahminler daha doğru hale gelir. Örneğin, rastgele 10 erkek yetişkin insan seçersek, ortalama boylarının 6 fit-3 inç olduğunu bulabiliriz, çünkü belki de tahminimizi şişiren bir basketbolcu var. Bununla birlikte, iki milyon yetişkin erkek insanı ölçseydik, ortalama boyunun daha iyi bir tahmincisine sahip olurduk. çünkü aşırı uçlar dengelenecek ve gerçek ortalama, sapmaları gölgede bırakacaktır. anlamına gelmek.
Güvenilirlik aralığı
Bir istatistikçi bir sonuç hakkında bir tahminde bulunduğunda, genellikle tahmininin etrafında bir aralık oluşturur. Örneğin, 100 kadının ağırlığını ölçtüysek, kadınların gerçek, ortalama ağırlığının 103 ila 129 pound aralığında olduğundan yüzde 90 emin olduğumuzu söyleyebiliriz. (Bu, elbette, ölçümlerdeki değişkenlik gibi diğer faktörlere de bağlıdır.) Örnek boyutu arttıkça, tahminimiz konusunda daha emin oluyoruz ve aralıklarımız küçülüyor. Örneğin, bir milyon kadınla, kadınların gerçek, ortalama ağırlığının 115 ila 117 pound arasında olduğundan yüzde 98 emin olduğumuzu söyleyebiliriz. Diğer bir deyişle, örneklem büyüklüğü arttıkça ölçümlerimize olan güvenimiz artmakta ve güven aralıklarımızın büyüklüğü azalmaktadır.
Standart hata
Varyasyon, verilerin ortalama etrafındaki yayılmasının bir ölçüsüdür. Standart sapma, varyasyonun karekökü olup, popülasyonun yüzde kaçının ortalamaya göre bir değer aralığı arasına düştüğünü tahmin etmeye yardımcı olur. Örneklem büyüklüğü arttıkça standart sapma ve örneklem büyüklüğüne bağlı olan standart hata azalmaktadır. Sonuç olarak, tahminlerin kesinliği artar ve bu tahminler üzerine inşa edilen araştırmalar daha güvenilir olarak kabul edilir (daha az hata riski ile).
Daha Büyük Örneklem Boyutlarını Kullanmada Zorluk
Daha büyük örneklem boyutları açıkça popülasyonlar hakkında daha iyi, daha doğru tahminler üretir, ancak daha büyük örnek boyutları kullanan araştırmacılarla ilgili birkaç sorun vardır. Her şeyden önce, yeni bir ilacı denemek isteyen insanlardan rastgele bir örnek bulmak zor olabilir. Bunu yaptığınızda, ilacı daha fazla kişiye sağlamak ve zamanla daha fazla insanı izlemek daha maliyetli hale gelir. Ek olarak, daha büyük bir örneklem büyüklüğü elde etmek ve sürdürmek daha fazla çaba gerektirir. Daha büyük örnek boyutları daha doğru istatistikler üretse bile, daha küçük örnek boyutları da önemli sonuçlar üretebileceğinden, ekstra maliyet ve çabaya her zaman ihtiyaç duyulmaz.