Otoskokolaskuri

Kyselyn Vähimmäisotoskoon Löytäminen

Otoskoon määrittäminen löytää, kuinka monta vastaajaa tai havaintoa kysely tarvitsee arvioidakseen populaatio-osuuden valitun virhemarginaalin sisällä, valitulla luottamustasolla. Valitse luottamustaso, haluttu virhemarginaali, ja (jos sinulla on sellainen) arvioitu osuus, ja tämä laskuri löytää vähimmäisotoskoon ennen kuin keräät ainuttakaan vastausta.

Tämä on kysymys, joka tulee ennen Luottamusväli-laskurin omaa kysymystä — tuo laskuri kertoo, kuinka leveän välin datasi jo tuotti; tämä kertoo, kuinka paljon dataa kerätä alun perin, jotta tuloksena syntyvä väli ei ole leveämpi kuin olet valmis hyväksymään.

Jos sinulla on tunnettu populaation koko (kokonaismäärä ihmisiä tai kohteita, joita voisit mahdollisesti kysellä), sen syöttäminen soveltaa äärellisen populaation korjausta, joka voi merkittävästi pienentää vaadittua otosta, kun populaatio itse on pieni. Jätä se tyhjäksi olettaaksesi suuren tai tuntemattoman populaation, mikä on turvallisempi, yleisempi tapaus.

Kaava

$$n_0 = \frac{\vA{z}^2 \times \vB{p}(1-\vB{p})}{\vC{e}^2}$$

Jossa $\vA{z}$ on kriittinen arvo valitulle luottamustasolle, $\vB{p}$ on arvioitu osuus (desimaalilukuna), ja $\vC{e}$ on haluttu virhemarginaali (desimaalilukuna). Tulos pyöristetään ylöspäin, koska otos ei voi sisältää murto-osaa vastaajasta.

Kun populaation koko $\vD{N}$ on tunnettu, sovelletaan äärellisen populaation korjausta:

$$n = \frac{n_0}{1 + \frac{n_0 - 1}{\vD{N}}}$$

$\vB{p} = 0.5$ (50 %) on konservatiivisin valinta, kun todellinen osuus on tuntematon — $p(1-p)$ on suurimmillaan tarkalleen 50 %:ssa, mikä maksimoi (ja siten ei koskaan aliarvioi) vaadittua otoskokoa.

Laskuesimerkki

95 %:n luottamustasolla (z = 1,96), halutulla ±5 %:n virhemarginaalilla, ja 50 %:n arvioidulla osuudella (konservatiivinen oletus):

1. Korota z toiseen ja kerro p(1-p):llä: $\vA{1.96}^2 \times \vB{0.5} \times (1 - \vB{0.5}) \approx 0.9604$. 2. Jaa e:n neliöllä: $0.9604 \div \vC{0.05}^2 = 384.16$. 3. Pyöristä ylöspäin, koska otos ei voi sisältää murto-osaa vastaajasta: $384.16 \rightarrow 385$.

Tarvitsisit 385 vastaajaa suuresta tai tuntemattomasta populaatiosta. Jos sen sijaan todellinen populaatio on vain 1 000 henkilöä, äärellisen populaation korjaus pienentää sen:

1. Vähennä 1 n0:sta ja jaa populaatiolla: $(384.16 - 1) \div \vD{1,000} \approx 0.38316$.
2. Lisää 1: $1 + 0.38316 = 1.38316$.
3. Jaa n0 tuolla tuloksella: $384.16 \div 1.38316 \approx 277.74 \rightarrow 278$.

Vain 278 vastaajaa tarvitaan, kun populaation itsensä tiedetään olevan niin pieni.

Keskeiset Huomioitavat Tekijät

• Pienempi haluttu virhemarginaali vaatii suhteettoman suuremman otoskoon, ei suhteellisesti suuremman. Koska virhemarginaali esiintyy neliöitynä kaavan nimittäjässä, virhemarginaalin puolittaminen suunnilleen NELINKERTAISTAA vaaditun otoskoon — tästä syystä hyvin tiukat virhemarginaalit (kuten ±1 %) vaativat dramaattisesti enemmän vastaajia kuin tyypillisempi ±5 %.
• Korkeampi luottamustaso lisää myös vaadittua otosta, vaikkakin vähemmän dramaattisesti kuin virhemarginaalin tiukentaminen. Siirtyminen 90 %:sta 95 %:iin ja 99 %:iin luottamukseen kasvattaa kaavassa käytettyä kriittistä z-arvoa, mikä nostaa vaadittua otoskokoa — tarkka kompromissi luottamustason ja otoskoon välillä on aito suunnittelupäätös, ei kiinteä sääntö.
• Tämä kaava arvioi otoskoon yhdelle osuudelle (kuten “kuinka monta prosenttia ihmisistä suosii X:ää”), ei jokaiselle tilastolliselle kysymystyypille. Numeerisen keskiarvon arviointi (kuten keskimääräinen kulutus) tai eron havaitseminen kahden ryhmän välillä käyttävät molemmat sukua olevia mutta erillisiä otoskokokaavoja — tämä laskuri on nimenomaan rajattu osuuden arviointitapaukseen, yleisimpään kyselyskenaarioon.
• Äärellisen populaation korjaus pienentää vaadittua otosta merkittävästi vain, kun populaatio itse on suhteellisen pieni. Suurelle populaatiolle (kymmenissä tuhansissa tai enemmän) korjauksella on olematon vaikutus vaadittuun otoskokoon — tästä syystä kyselymetodologia käsittelee yleisesti “suurta populaatiota” ja “tuntematonta populaatiota” toiminnallisesti samana tapauksena, molemmat oletusarvoisesti korjaamattomalla kaavalla.

Yleisiä Virheitä

• Populaation koon syöttäminen niiden ihmisten määränä, joita aiot kontaktoida, ei sen kokonaispopulaation, josta otat otoksen. Äärellisen populaation korjaus koskee vain sitä KOKONAISryhmää, jota voisit ylipäätään kyselyttää (esim. kaikki yrityksen 1 000 työntekijää) — toivottujen vastausten määrän syöttäminen tekee laskennasta tarkoituksettoman.
• Oletetaan, että pienempi virhemarginaali vaatii vain hieman suuremman otoksen. Koska virhemarginaali on kaavassa neliöity, sen puolittaminen suunnilleen nelinkertaistaa vaaditun otoksen — tiukan marginaalin suunnittelu ottamatta huomioon otoskoon kustannusta on yleinen yllätys.
• Tämän laskurin sekoittaminen Luottamusväli-laskuriin. Tämä vastaa kysymykseen “kuinka monta vastaajaa tarvitsen ennen datan keräämistä”; toinen vastaa kysymykseen “kuinka tarkkaa jo keräämäni data on” — ne toimivat vastakkaisiin suuntiin eivätkä ole keskenään vaihdettavissa.

Hyödyllistä Tietää

• Oletko jo kerännyt kyselyvastauksesi ja haluat tietää, kuinka tarkkoja tuloksesi todella ovat? Luottamusvälilaskuri laskee todellisesta datasta syntyvän virhemarginaalin.
• Tarvitsetko muita yhteenvetotilastoja kerätyistä vastauksistasi, kuten keskiarvon tai keskihajonnan? Tilastolaskuri kattaa sen suoraan.
• Kiinnostaako, miten otoskoko liittyy tietyn lopputuloksen todennäköisyyteen? Todennäköisyyslaskuri kattaa yksittäisen ja yhdistetyn tapahtuman todennäköisyyslaskennan yleisemmin.