एक बड़े नमूना आकार के लाभ

विषय

• टीएल; डीआर (बहुत लंबा; डिडंट रीड)
• नमूने का आकार
• मीन वैल्यू और आउटलेयर
• छोटे नमूनों का खतरा
• गलती की सम्भावना

जब वैज्ञानिक अध्ययन की बात आती है, तो गुणवत्ता अनुसंधान के लिए नमूना आकार एक महत्वपूर्ण विचार है। नमूना आकार, कभी कभी के रूप में प्रतिनिधित्व किया n, आंकड़ों के एक समूह की गणना के लिए उपयोग किए गए डेटा के व्यक्तिगत टुकड़ों की संख्या है। बड़े नमूना आकार शोधकर्ताओं को अपने डेटा के औसत मूल्यों को बेहतर ढंग से निर्धारित करने और संभवतः atypical नमूनों की एक छोटी संख्या के परीक्षण से त्रुटियों से बचने की अनुमति देते हैं।

टीएल; डीआर (बहुत लंबा; डिडंट रीड)

नमूना आकार अनुसंधान के लिए एक महत्वपूर्ण विचार है। बड़े नमूना आकार अधिक सटीक माध्य मान प्रदान करते हैं, ऐसे आउटलेयर की पहचान करते हैं जो डेटा को छोटे नमूने में तिरछा कर सकते हैं और त्रुटि का एक छोटा मार्जिन प्रदान कर सकते हैं।

नमूने का आकार

नमूना आकार एक सर्वेक्षण या एक प्रयोग में परीक्षण की गई जानकारी के टुकड़ों की संख्या है। उदाहरण के लिए, यदि आप तेल अवशेषों के लिए समुद्री जल के 100 नमूनों का परीक्षण करते हैं, तो आपके नमूने का आकार 100 है। यदि आप चिंता के संकेतों के लिए 20,000 लोगों का सर्वेक्षण करते हैं, तो आपके नमूने का आकार 20,000 है। बड़े नमूनों के आकारों में शोधकर्ताओं के साथ काम करने के लिए अधिक डेटा प्रदान करने का स्पष्ट लाभ है; लेकिन बड़े नमूने के आकार के प्रयोगों के लिए बड़ी वित्तीय और समय की प्रतिबद्धता की आवश्यकता होती है।

मीन वैल्यू और आउटलेयर

बड़े नमूनों का आकार परीक्षण किए गए नमूनों में गुणवत्ता का औसत मूल्य निर्धारित करने में सहायता करता है - यह औसत है मतलब। नमूना आकार जितना बड़ा होगा, उतना ही सटीक होगा। उदाहरण के लिए, यदि आप पाते हैं कि 40 लोगों के बीच, मतलब ऊंचाई 5 फीट, 4 इंच है, लेकिन 100 लोगों के बीच, मतलब ऊंचाई 5 फीट, 3 इंच है, दूसरा माप एक में औसत ऊंचाई का एक बेहतर अनुमान है अलग-अलग विषयों की तुलना में अलग-अलग परीक्षण करने के बाद से आप अलग-अलग हैं। माध्य निर्धारित करने से शोधकर्ताओं को अधिक आसानी से पिनपॉइंट करने की अनुमति मिलती है बाहरी कारकों के कारण। एक आउटलाइयर डेटा का एक टुकड़ा है जो औसत मूल्य से दृढ़ता से भिन्न होता है और अनुसंधान के लिए रुचि के बिंदु का प्रतिनिधित्व कर सकता है। तो मतलब ऊँचाई के आधार पर, 6 फीट, 8 इंच की ऊँचाई वाले व्यक्ति, एक आउटिंग डेटा बिंदु होगा।

छोटे नमूनों का खतरा

आउटलेर की संभावना बड़े नमूना आकार को महत्वपूर्ण बनाने का हिस्सा है। उदाहरण के लिए, मान लीजिए कि आप 4 लोगों को उनके राजनीतिक संबद्धता के बारे में सर्वेक्षण करते हैं, और एक स्वतंत्र पार्टी का है। चूँकि यह 4 के सैंपल साइज़ में एक व्यक्ति है, इसलिए आपका आँकड़ा यह दिखाएगा कि 25 प्रतिशत आबादी इंडिपेंडेंट पार्टी की है, एक गलत अनुमान की संभावना है। यदि आपके नमूने में एक बाहरी वस्तु मौजूद है, तो आपके नमूना आकार में वृद्धि भ्रामक आंकड़ों से बचेंगी।

गलती की सम्भावना

सैंपल साइज़ का सीधा संबंध आँकड़ों से होता है गलती की सम्भावना, या कितना सटीक एक आंकड़े की गणना की जा सकती है। हां-या-कोई प्रश्न के लिए, जैसे कि क्या कोई व्यक्ति एक कार का मालिक है, आप नमूना आकार के वर्गमूल द्वारा 1 को विभाजित करके और 100 से गुणा करके एक आंकड़े के लिए त्रुटि का मार्जिन निर्धारित कर सकते हैं। कुल प्रतिशत एक है । उदाहरण के लिए, 100 के नमूने के आकार में त्रुटि का 10 प्रतिशत मार्जिन होगा। जब किसी माध्य मान, जैसे ऊँचाई या भार के साथ संख्यात्मक गुणों को मापते हैं, तो इस कुल को दो गुना से गुणा करें मानक विचलन डेटा, जो मापता है कि डेटा मान कैसे फैलता है मतलब से हैं। दोनों मामलों में, नमूना आकार जितना बड़ा होगा, त्रुटि का मार्जिन उतना ही छोटा होगा।