חשיבות גודל המדגם במחקר

תוֹכֶן

• דגימה אקראית
• דיוק
• מרווחי אמון
• שגיאה רגילה
• קושי בשימוש בגדלים גדולים יותר מדגם

גודל המדגם מייצג את מספר התצפיות שנערכו לביצוע ניתוח סטטיסטי. גודל מורכב מדגימות יכול להיות מורכב מאנשים, בעלי חיים, קבוצות מזון, מכונות, סוללות או כל אוכלוסיה שמוערכת.

דגימה אקראית

דגימה אקראית היא שיטה בה נאספים דגימות אקראיות מאוכלוסייה על מנת להעריך מידע על האוכלוסייה מבלי להיות מוטים. לדוגמה, אם אתה רוצה לדעת איזה סוג של אנשים גרים בעיירה מסוימת, אתה צריך לראיין / למדוד אנשים שונים באופן אקראי. עם זאת, אם היית פשוט משתמש בכולם מהספרייה, לא תהיה לך הערכה הוגנת / לא משוחדת לגבי האופן בו אוכלוסיה הכללית התופסת את העיירה, רק האנשים שהולכים לספריה.

דיוק

עם הגדלת גדלי המדגם, ההערכות הופכות מדויקות יותר. לדוגמה, אם בחרנו באופן אקראי 10 גברים מבוגרים גברים, אנו עשויים למצוא את הגובה הממוצע שלהם לגובה של מטר וחצי, אולי בגלל שיש שחקן כדורסל שמנפח את ההערכה שלנו. אם בכל זאת, נמדד שני מיליון גברים מבוגרים, היינו יכולים לחזות טוב יותר את הגובה הממוצע של הגברים מכיוון שהקצוות יתאזן החוצה והממוצע האמיתי יאפיל על כל סטיות מהממוצע.

מרווחי אמון

כאשר סטטיסטיקאי מבצע חיזוי לגבי תוצאה, הוא בדרך כלל יבנה מרווח סביב הערכתו. לדוגמה, אם מדדנו את משקלן של 100 נשים, נוכל לומר שאנחנו בטוחים ב -90 אחוז שהמשקל האמיתי והממוצע של נשים נמצא במרווח של 103 עד 129 פאונד. (זה כמובן תלוי בגורמים אחרים כמו שונות גם במדידות.) ככל שגודל המדגם גדל, אנו נעשים בטוחים יותר באומדן שלנו, והמרווחים שלנו הולכים וקטנים. לדוגמא, עם מיליון נשים, נוכל לומר שאנחנו בטוחים ב 98 אחוזים שהמשקל האמיתי והממוצע של נשים הוא בין 115 ל 117 פאונד. במילים אחרות, ככל שגודל המדגם גדל, האמון שלנו במדידות שלנו גדל וגודל מרווחי הביטחון שלנו פוחת.

שגיאה רגילה

וריאציה היא מדד להתפשטות הנתונים סביב הממוצע. סטיית תקן היא השורש הריבועי של הווריאציה ועוזרת בערך באיזה אחוז מהאוכלוסייה נופל בין טווח ערכים יחסית לממוצע. ככל שגודל המדגם גדל, שגיאת התקן, התלויה בסטיית התקן וגודל המדגם, פוחתת. כתוצאה מכך, הערכות גדלות ברמת הדיוק והמחקר שנבנה על הערכות אלה נחשב לאמין יותר (עם פחות סיכון לטעות).

קושי בשימוש בגדלים גדולים יותר מדגם

גדלים מדגמים גדולים יותר מייצרים, כמובן, הערכות טובות יותר ומדויקות יותר לגבי אוכלוסיות, אך יש כמה בעיות עם חוקרים המשתמשים בגדלים גדולים יותר מדגם. ראשית, יתכן שקשה למצוא מדגם אקראי של אנשים המוכנים לנסות תרופה חדשה. כשאתה כן, זה יקר לספק את התרופה לאנשים רבים יותר ולפקח על יותר אנשים לאורך זמן. בנוסף, נדרש מאמץ רב יותר כדי להשיג ולשמור על גודל מדגם גדול יותר. גם אם גדלי מדגם גדולים יותר מניבים נתונים סטטיסטיים מדויקים יותר, לא תמיד נדרש עלות ומאמץ נוספים שכן גדלי מדגם קטנים יותר יכולים גם להביא לתוצאות משמעותיות.