Fordelene ved en stor prøvestørrelse

Når det kommer til videnskabelige undersøgelser, er stikprøvestørrelse en afgørende overvejelse for kvalitetsundersøgelser. Prøvestørrelse, undertiden repræsenteret som n
, er antallet af individuelle stykker data, der bruges til at beregne et sæt statistikker. Større prøvestørrelser gør det muligt for forskere at bestemme gennemsnitsværdierne for deres data bedre og undgå fejl ved at teste et lille antal muligvis atypiske prøver.

TL; DR (for lang; ikke læst)

Prøvestørrelse er en vigtig overvejelse for forskning. Større prøvestørrelser giver mere nøjagtige middelværdier, identificerer outliers, der kan skjule dataene i en mindre prøve og give en mindre fejlmargin.
Prøvestørrelse

Prøvestørrelse er antallet af oplysninger, der er testet i en undersøgelse eller et eksperiment. For eksempel, hvis du tester 100 prøver af havvand for olierester, er din prøvestørrelse 100. Hvis du undersøger 20.000 mennesker for tegn på angst, er din prøvestørrelse 20.000. Større prøvestørrelser har den åbenlyse fordel ved at give flere data til forskere at arbejde med; men store prøvestørrelseseksperimenter kræver større økonomiske og tidsmæssige forpligtelser.
Middelværdi og outliers -

Større prøvestørrelser hjælper med at bestemme gennemsnitsværdien af en kvalitet blandt testede prøver - dette gennemsnit er "mean
.", 0]

,Jo større prøvestørrelse, jo mere præcist middelværdi. For eksempel, hvis du finder ud af, at blandt 40 mennesker er middelhøjden 5 fod, 4 tommer, men blandt 100 mennesker er middelhøjden 5 fod, 3 tommer, er den anden måling et bedre skøn over gennemsnitshøjden på en individuelt, da du tester væsentligt flere emner. At bestemme middelværdien giver også forskere lettere mulighed for at fastlægge outliers
. En outlier er et stykke data, der adskiller sig stærkt fra middelværdien og kan repræsentere et interessepunkt for forskning. Så baseret på den gennemsnitlige højde, ville en person med en højde på 6 fod, 8 tommer være et ydre datapunkt.
Faren for små prøver