Quando si tratta di studi scientifici, la dimensione del campione è una considerazione cruciale per la ricerca di qualità. La dimensione del campione, talvolta rappresentata come n
, è il numero di singoli pezzi di dati utilizzati per calcolare un insieme di statistiche. Campioni di dimensioni maggiori consentono ai ricercatori di determinare meglio i valori medi dei loro dati ed evitare errori di test su un numero limitato di campioni potenzialmente atipici.

TL; DR (Troppo lungo, non letto)

La dimensione del campione è una considerazione importante per la ricerca. Campioni di dimensioni maggiori forniscono valori medi più accurati, identificano valori anomali che potrebbero distorcere i dati in un campione più piccolo e fornire un margine di errore più piccolo.

Dimensione campione

La dimensione del campione è il numero di pezzi di informazioni testate in un sondaggio o in un esperimento. Ad esempio, se testate 100 campioni di acqua marina per i residui di olio, la dimensione del vostro campione è 100. Se esaminate 20.000 persone per i segni di ansia, la vostra dimensione del campione è 20.000. Le dimensioni dei campioni più grandi hanno l'ovvio vantaggio di fornire più dati ai ricercatori con cui lavorare; ma esperimenti di dimensioni campionarie di grandi dimensioni richiedono impegni finanziari e di tempo maggiori.

Valore medio e valori anomali

Campioni di dimensioni maggiori aiutano a determinare il valore medio di una qualità tra i campioni testati - questa media è la significa
. Maggiore è la dimensione del campione, più precisa è la media. Ad esempio, se trovi che, tra 40 persone, l'altezza media è di 5 piedi, 4 pollici, ma tra 100 persone, l'altezza media è di 5 piedi e 3 pollici, la seconda misura è una stima migliore dell'altezza media di un individuale, dal momento che stai testando sostanzialmente più soggetti. Determinare la media consente inoltre ai ricercatori di individuare più facilmente valori anomali. Un outlier è un dato che differisce fortemente dal valore medio e può rappresentare un punto di interesse per la ricerca. Quindi, in base all'altezza media, qualcuno con un'altezza di 6 piedi e 8 pollici sarebbe un punto dati periferico.

Il pericolo dei piccoli campioni

La possibilità di valori anomali fa parte di ciò rende grande la dimensione del campione. Ad esempio, supponi di aver sondato 4 persone sulla loro affiliazione politica e che uno appartenga al partito indipendente. Poiché questo è un individuo in una dimensione del campione di 4, la statistica mostrerà che il 25% della popolazione appartiene al partito indipendente, probabilmente un'estrapolazione imprecisa. Aumentando la dimensione del campione si eviteranno statistiche fuorvianti se nel campione è presente un valore anomalo.

Margine dell'errore

La dimensione del campione è direttamente correlata al margine di errore della statistica
, o quanto può essere calcolata una statistica precisa. Per una domanda sì o no, ad esempio se un individuo possiede un'auto, è possibile determinare il margine di errore per una statistica dividendo 1 per la radice quadrata della dimensione del campione e moltiplicando per 100. Il totale è una percentuale . Ad esempio, una dimensione del campione di 100 avrà un margine di errore del 10%. Quando si misurano qualità numeriche con un valore medio, come l'altezza o il peso, moltiplicare questo totale di due volte la deviazione standard dei dati, che misura la distribuzione dei valori dei dati dalla media. In entrambi i casi, maggiore è la dimensione del campione, minore è il margine di errore.