सैंपल साइज़

सर्वेक्षण के लिए न्यूनतम नमूना आकार पता लगाना

नमूना आकार निर्धारण यह पता लगाता है कि एक सर्वेक्षण को एक चुने हुए त्रुटि मार्जिन के भीतर, एक चुने हुए विश्वास स्तर पर, जनसंख्या अनुपात का अनुमान लगाने के लिए कितने उत्तरदाताओं या अवलोकनों की आवश्यकता है। एक विश्वास स्तर, एक वांछित त्रुटि मार्जिन, और (यदि आपके पास है) एक अनुमानित अनुपात चुनें, और यह कैलकुलेटर एक भी प्रतिक्रिया एकत्र करने से पहले न्यूनतम नमूना आकार का पता लगाता है।

यह वह प्रश्न है जो कॉन्फिडेंस इंटरवल कैलकुलेटर के अपने प्रश्न से पहले आता है — वह कैलकुलेटर आपको बताता है कि आपके डेटा ने पहले से ही कितना चौड़ा अंतराल उत्पन्न किया है; यह आपको बताता है कि पहली बार में कितना डेटा एकत्र करना है ताकि परिणामी अंतराल आपकी स्वीकार्य सीमा से अधिक चौड़ा न हो।

यदि आपके पास एक ज्ञात जनसंख्या आकार है (लोगों या वस्तुओं की कुल संख्या जिनका आप संभावित रूप से सर्वेक्षण कर सकते हैं), तो इसे दर्ज करने से सीमित जनसंख्या सुधार लागू होता है, जो जनसंख्या के छोटे होने पर आवश्यक नमूने को सार्थक रूप से छोटा कर सकता है। एक बड़ी या अज्ञात जनसंख्या मानने के लिए इसे खाली छोड़ें, जो अधिक सुरक्षित, अधिक सामान्य मामला है।

सूत्र

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

जहाँ $\vA{z}$ चुने हुए विश्वास स्तर के लिए क्रांतिक मान है, $\vB{p}$ अनुमानित अनुपात है (दशमलव के रूप में), और $\vC{e}$ वांछित त्रुटि मार्जिन है (दशमलव के रूप में)। परिणाम ऊपर की ओर पूर्णांकित किया जाता है, क्योंकि एक नमूने में एक उत्तरदाता का अंश शामिल नहीं हो सकता।

जब एक जनसंख्या आकार $\vD{N}$ ज्ञात हो, तो सीमित जनसंख्या सुधार लागू किया जाता है:

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

जब वास्तविक अनुपात अज्ञात हो तो $\vB{p} = 0.5$ (50%) सबसे रूढ़िवादी विकल्प है — $p(1-p)$ ठीक 50% पर अपने सबसे बड़े मान पर होता है, जो आवश्यक नमूना आकार को अधिकतम करता है (और इसलिए इसे कभी कम नहीं आंकता)।

हल किया गया उदाहरण

95% विश्वास स्तर (z = 1.96) पर, ±5% का वांछित त्रुटि मार्जिन, और 50% का अनुमानित अनुपात (रूढ़िवादी डिफ़ॉल्ट):

1. z का वर्ग करें और p(1-p) से गुणा करें: $\vA{1.96}^2 \times \vB{0.5} \times (1 - \vB{0.5}) \approx 0.9604$। 2. e के वर्ग से विभाजित करें: $0.9604 \div \vC{0.05}^2 = 384.16$। 3. ऊपर की ओर पूर्णांकित करें, क्योंकि एक नमूने में एक उत्तरदाता का अंश शामिल नहीं हो सकता: $384.16 \rightarrow 385$।

एक बड़ी या अज्ञात जनसंख्या से आपको 385 उत्तरदाताओं की आवश्यकता होगी। यदि इसके बजाय वास्तविक जनसंख्या केवल 1,000 लोगों की है, तो सीमित जनसंख्या सुधार इसे इसमें छोटा कर देता है:

1. n0 से 1 घटाएँ और जनसंख्या से विभाजित करें: $(384.16 - 1) \div \vD{1,000} \approx 0.38316$।
2. 1 जोड़ें: $1 + 0.38316 = 1.38316$।
3. n0 को उस परिणाम से विभाजित करें: $384.16 \div 1.38316 \approx 277.74 \rightarrow 278$।

एक बार जब जनसंख्या स्वयं इतनी छोटी होने के लिए जानी जाती है तो केवल 278 उत्तरदाताओं की आवश्यकता होती है।

ध्यान रखने योग्य मुख्य बातें

• एक छोटा वांछित त्रुटि मार्जिन एक असमान रूप से बड़ा नमूना आकार आवश्यक बनाता है, आनुपातिक रूप से बड़ा नहीं। क्योंकि त्रुटि मार्जिन सूत्र के हर में वर्ग के रूप में दिखाई देता है, त्रुटि मार्जिन को आधा करने से आवश्यक नमूना आकार लगभग चार गुना हो जाता है — यही ठीक कारण है कि बहुत कड़े त्रुटि मार्जिन (जैसे ±1%) एक अधिक सामान्य ±5% की तुलना में नाटकीय रूप से अधिक उत्तरदाताओं की मांग करते हैं।
• एक उच्च विश्वास स्तर भी आवश्यक नमूने को बढ़ाता है, हालांकि त्रुटि मार्जिन को कसने की तुलना में कम नाटकीय रूप से। 90% से 95% से 99% विश्वास की ओर बढ़ना सूत्र में उपयोग किए गए क्रांतिक z-मान को बढ़ाता है, जो आवश्यक नमूना आकार को बढ़ाता है — विश्वास स्तर और नमूना आकार के बीच सटीक ट्रेड-ऑफ एक वास्तविक योजना निर्णय है, कोई निश्चित नियम नहीं।
• यह सूत्र एक ही अनुपात (जैसे “कितने प्रतिशत लोग X पसंद करते हैं”) के लिए नमूना आकार का अनुमान लगाता है, हर प्रकार के सांख्यिकीय प्रश्न के लिए नहीं। एक संख्यात्मक औसत (जैसे औसत खर्च) का अनुमान लगाना या दो समूहों के बीच अंतर का पता लगाना, दोनों संबंधित लेकिन अलग नमूना-आकार सूत्रों का उपयोग करते हैं — यह कैलकुलेटर विशेष रूप से अनुपात-अनुमान मामले के लिए सीमित है, जो सबसे सामान्य सर्वेक्षण परिदृश्य है।
• सीमित जनसंख्या सुधार केवल तभी आवश्यक नमूने को सार्थक रूप से छोटा करता है जब जनसंख्या स्वयं अपेक्षाकृत छोटी हो। एक बड़ी जनसंख्या (दसियों हज़ार या उससे अधिक में) के लिए, सुधार का आवश्यक नमूना आकार पर नगण्य प्रभाव पड़ता है — यही कारण है कि सर्वेक्षण पद्धति आमतौर पर “बड़ी जनसंख्या” और “अज्ञात जनसंख्या” को कार्यात्मक रूप से एक ही मामला मानती है, दोनों डिफ़ॉल्ट रूप से असुधारित सूत्र का उपयोग करते हैं।

सामान्य गलतियाँ

• जनसंख्या आकार को उन लोगों की संख्या के रूप में दर्ज करना जिनसे आप संपर्क करने की योजना बना रहे हैं, न कि उस कुल जनसंख्या के रूप में जिससे आप नमूना ले रहे हैं। सीमित जनसंख्या सुधार केवल उस कुल समूह पर लागू होता है जिसका आप संभावित रूप से सर्वेक्षण कर सकते हैं (जैसे किसी कंपनी के सभी 1,000 कर्मचारी) — आप कितनी प्रतिक्रियाएँ एकत्र करने की उम्मीद करते हैं यह दर्ज करना गणना के उद्देश्य को विफल कर देता है।
• यह मान लेना कि एक छोटे त्रुटि मार्जिन के लिए केवल थोड़ा बड़ा नमूना चाहिए। क्योंकि त्रुटि मार्जिन सूत्र में वर्गित है, इसे आधा करने से आवश्यक नमूना लगभग चार गुना हो जाता है — नमूना आकार की लागत का बजट बनाए बिना एक तंग मार्जिन की योजना बनाना एक आम आश्चर्य है।
• इस कैलकुलेटर को कॉन्फिडेंस इंटरवल कैलकुलेटर के साथ भ्रमित करना। यह “डेटा एकत्र करने से पहले मुझे कितने उत्तरदाताओं की आवश्यकता है” का उत्तर देता है; दूसरा “मैंने पहले ही जो डेटा एकत्र किया है वह कितना सटीक था” का उत्तर देता है — वे विपरीत दिशाओं में काम करते हैं और परस्पर विनिमेय नहीं हैं।

जानने योग्य उपयोगी बातें

• क्या आपने पहले ही अपनी सर्वेक्षण प्रतिक्रियाएँ एकत्र कर ली हैं और जानना चाहते हैं कि आपके परिणाम वास्तव में कितने सटीक हैं? कॉन्फ़िडेंस इंटरवल कैलकुलेटर वास्तविक डेटा से परिणामी त्रुटि मार्जिन की गणना करता है।
• क्या आपको अपनी एकत्रित प्रतिक्रियाओं से अन्य सारांश आंकड़े, जैसे माध्य या मानक विचलन, की गणना करने की आवश्यकता है? सांख्यिकी कैलकुलेटर इसे सीधे कवर करता है।
• यह जानने में उत्सुक हैं कि नमूना आकार किसी विशेष परिणाम की संभावनाओं से कैसे संबंधित है? प्रायिकता कैलकुलेटर एकल और संयुक्त घटना संभाव्यता गणनाओं को अधिक सामान्य रूप से कवर करता है।