ข้อดีของขนาดตัวอย่างขนาดใหญ่

เนื้อหา

• TL; DR (ยาวเกินไปไม่ได้อ่าน)
• ขนาดตัวอย่าง
• ค่าเฉลี่ยและค่าผิดปกติ
• อันตรายจากตัวอย่างขนาดเล็ก
• ระยะขอบของข้อผิดพลาด

เมื่อพูดถึงการศึกษาทางวิทยาศาสตร์ขนาดของกลุ่มตัวอย่างเป็นข้อพิจารณาที่สำคัญสำหรับการวิจัยที่มีคุณภาพ ขนาดตัวอย่างบางครั้งแสดงเป็น nคือจำนวนข้อมูลแต่ละชิ้นที่ใช้ในการคำนวณชุดของสถิติ ขนาดตัวอย่างที่ใหญ่ขึ้นช่วยให้นักวิจัยสามารถกำหนดค่าเฉลี่ยของข้อมูลได้ดีขึ้นและหลีกเลี่ยงข้อผิดพลาดจากการทดสอบตัวอย่างผิดปรกติจำนวนเล็กน้อย

TL; DR (ยาวเกินไปไม่ได้อ่าน)

ขนาดตัวอย่างคือการพิจารณาที่สำคัญสำหรับการวิจัย ขนาดตัวอย่างที่ใหญ่กว่านั้นให้ค่าเฉลี่ยที่ถูกต้องมากขึ้นระบุค่าผิดปกติที่อาจบิดเบือนข้อมูลในตัวอย่างขนาดเล็กและให้ข้อผิดพลาดเล็กน้อย

ขนาดตัวอย่าง

ขนาดตัวอย่างคือจำนวนชิ้นส่วนของข้อมูลที่ทดสอบในแบบสำรวจหรือการทดสอบ ตัวอย่างเช่นหากคุณทดสอบน้ำทะเล 100 ตัวอย่างเพื่อหาปริมาณน้ำมันขนาดตัวอย่างของคุณคือ 100 หากคุณสำรวจคน 20,000 คนสำหรับอาการวิตกกังวลขนาดตัวอย่างของคุณคือ 20,000 ขนาดตัวอย่างที่ใหญ่ขึ้นมีข้อได้เปรียบที่ชัดเจนในการให้ข้อมูลมากขึ้นสำหรับนักวิจัยที่จะทำงานด้วย แต่การทดลองขนาดตัวอย่างขนาดใหญ่ต้องการข้อผูกพันด้านการเงินและเวลาที่มากขึ้น

ค่าเฉลี่ยและค่าผิดปกติ

ตัวอย่างขนาดใหญ่ช่วยในการกำหนดค่าเฉลี่ยของคุณภาพในตัวอย่างที่ทดสอบ - ค่าเฉลี่ยนี้คือ หมายความ. ยิ่งขนาดตัวอย่างใหญ่ขึ้นเท่าใดค่าเฉลี่ยก็ยิ่งแม่นยำมากขึ้นเท่านั้น ตัวอย่างเช่นหากคุณพบว่าในหมู่คน 40 คนความสูงเฉลี่ยคือ 5 ฟุต 4 นิ้ว แต่ในหมู่คน 100 คนความสูงเฉลี่ยคือ 5 ฟุต 3 นิ้วการวัดที่สองเป็นการประมาณความสูงเฉลี่ยของ บุคคลเนื่องจากคุณกำลังทดสอบวิชาเพิ่มเติม การหาค่าเฉลี่ยช่วยให้นักวิจัยสามารถระบุได้ง่ายขึ้น ค่าผิดปกติ. ค่าผิดปกติเป็นข้อมูลที่แตกต่างอย่างมากจากค่าเฉลี่ยและสามารถแสดงถึงจุดที่น่าสนใจสำหรับการวิจัย ดังนั้นตามความสูงเฉลี่ยคนที่มีความสูง 6 ฟุต 8 นิ้วจะเป็นจุดข้อมูลภายนอก

อันตรายจากตัวอย่างขนาดเล็ก

ความเป็นไปได้ของค่าผิดปกติเป็นส่วนหนึ่งของสิ่งที่ทำให้ขนาดตัวอย่างใหญ่มีความสำคัญ ตัวอย่างเช่นสมมติว่าคุณสำรวจคน 4 คนเกี่ยวกับความเกี่ยวข้องทางการเมืองของพวกเขาและอีกคนหนึ่งเป็นของพรรคอิสระ เนื่องจากนี่เป็นบุคคลหนึ่งในขนาดตัวอย่าง 4 สถิติของคุณจะแสดงให้เห็นว่า 25 เปอร์เซ็นต์ของประชากรเป็นของพรรคอิสระน่าจะเป็นการคาดการณ์ที่ไม่ถูกต้อง การเพิ่มขนาดตัวอย่างของคุณจะหลีกเลี่ยงสถิติที่ทำให้เข้าใจผิดหากมีค่าผิดปกติอยู่ในตัวอย่างของคุณ

ระยะขอบของข้อผิดพลาด

ขนาดตัวอย่างเกี่ยวข้องโดยตรงกับสถิติ ขอบของข้อผิดพลาดหรือความแม่นยำของสถิติที่สามารถคำนวณได้ สำหรับคำถามที่ใช่หรือไม่เช่นว่าบุคคลเป็นเจ้าของรถยนต์หรือไม่คุณสามารถกำหนดระยะขอบของข้อผิดพลาดสำหรับสถิติโดยหาร 1 ด้วยรากที่สองของขนาดตัวอย่างและคูณด้วย 100 ผลรวมคือเปอร์เซ็นต์ . ตัวอย่างเช่นขนาดตัวอย่าง 100 จะมีข้อผิดพลาด 10 เปอร์เซ็นต์ เมื่อวัดคุณภาพเชิงตัวเลขด้วยค่าเฉลี่ยเช่นความสูงหรือน้ำหนักให้คูณผลรวมนี้สองเท่า ส่วนเบี่ยงเบนมาตรฐาน ของข้อมูลซึ่งวัดว่าการกระจายของค่าข้อมูลนั้นมาจากค่าเฉลี่ย ในทั้งสองกรณียิ่งขนาดตัวอย่างใหญ่ขึ้นขอบของข้อผิดพลาดก็จะเล็กลง