サンプルサイズ

サンプルサイズ定義

あなたのアイデアをテストするA/Bを開始します。
あなたのウェブサイトを改善し、推測を停止します。

  • 視聴者を選択してください
  • 変更を適用します
  • リアルタイムで結果を参照してください
  • A/Bテスト(30日間の無料トライアル)を開始

    サン サンプルサイズによって、我々は一般集団から選択され、その特定の研究のための実際の集団の代表と考えられている被験者のグループを理解する。たとえば、特定の年齢層の母集団が新しい製品にどのように反応するかを予測する場合は、まずターゲット母集団を代表するサンプルサイズでテスト この場合、サンプルサイズは、調査されるその年齢層の人々の数によって与えられます。

    サンプルサイズの計算

    サンプルサイズを決定するための統計式の使用は、まず第一に、実行される定性研究によって提供された結果に基づ したがって、研究者は、商業単位の訪問頻度の決定と、この変数を問題のグループを訪問する週平均頻度であると記述する適切な指標に従うことができ、専門文献では、この代替案の選択は、調査された変数に関連してサンプリングの概念の下で指定される。

    調査されたマーケティング現象の特定の属性を評価することを目的とすることができます。 例えば、研究者は、商業ユニットの内部配置のための消費者の好みの識別を追求することができ、これはインテリアデザインのための代表的な属性

    サンプルサイズの式は次のとおりです。

    N=母集団サイズ•e=誤差のマージン(十進形式の割合)•z=z-score

    別のサンプルサイズの式は次のとおりです。

    N=母集団サイズ*e=誤差のマージン(十進形式の割合)*z=z-score

    :

    n=N*X/(X+N–1),

    ここで、

    X=Za/22*p*(1-p)/MOE2,

    およびZa/2はα/2における正規分布の臨界値(信頼水準95%の場合、αは0.05、臨界値は1.96)、MOEは誤差のマージン、pはサンプル割合、Nは母集団サイズです。 有限の母集団補正がサンプルサイズの式に適用されていることに注意してください。

    サンプルサイズプロセス

    サンプリングサイズプロセスには、いくつかの特定の活動が含まれます。

    *研究の対象である母集団を定義する;

    *サンプリングサイズフレームの選択;

    *サンプリングサイズメソッドの選択;

    *サンプルサイズ単位の選択のモダリティの確立;

    *サンプルサイ

    ターゲット母集団の定義は、不当な大きな母集団を選択する傾向や不当に狭い母集団を選択する傾向を避けるために細心の注意を払って行わなけ 例えば、自動車を生産する企業の場合、総人口は、さまざまな年齢の子供を含む全国の人々によって表すことができます。

    しかし、研究の対象となる関連する人口は、18歳以上の人口のみで構成されます。 例えば、25歳から50歳までの男性の人口のような不当に制限された人口は認められません。 これは、自動車市場の大部分をカバーすることができますが、いくつかの重要なセグメントを除外します。

    実際には、無作為抽出の場合、サンプルは、研究の対象である母集団とある程度異なることが多い母集団のリストから選択されます。

    実際には、 このリストは、サンプルを構成する要素が含まれているため、サンプリングフレームまたはサンプリングベースを表します。

    サンプルの確立は、サンプリングユニットの確立を意味します。 標本化単位は、標本を形成するために選択することができる、調査された集団内の別個の要素または異なる要素のグループによって表される。 サンプリングユニットは、人、家族、世帯、会社または会社、地域などであり得る。 サンプリング単位が分析単位と必ずしも同一であるとは限らないことを指定する必要があります。 例えば、家族費用の研究では、サンプリング単位は家庭または家庭であり、分析単位は人または家族であり得る。

    研究における重要な定義

    • 誤差のマージン

    誤差のマージンは、必要な精度の量です。 これは、推定された割合で報告されることが多いプラスまたはマイナスの数であり、信頼区間とも呼ばれます。 これは、真の人口比があると推定され、頻繁にパーセントポイント(例えば、±2パーセント)で表される範囲です。 あなたの情報を収集した後、それは割合ではなく、精度が達成したあなたのサンプルの割合に依存しますので、おそらくこの目標合計よりも多かれ少

    • 信頼レベル

    信頼レベルは、真の割合が誤差のマージンに含まれている確率です。 研究が繰り返され、各時間が範囲によって計算された場合、真の値はイベントの95%でこれらの範囲内にあると予想されます。 信頼水準が高いほど、区間に真の比率が含まれていることがより確実になります。

    • 母集団サイズ

    これは、母集団の個体数全体です。 この式では、小さい母集団からのサンプリングを考慮するために有限の母集団補正を使用します。 しかし、あなたの人口が大きい場合、あなたは100,000を使用することができますどのくらいの大きさを知りません。 サンプルサイズは、大きな人のためにかなり変化しません。

    • サンプル比率の定義

    サンプル比率は、結果が期待されるものです。 これは、多くの場合、調査の結果を使用して、または小さなパイロット研究を実行することによって設定することができます。 50%を使用すると、最も有意なサンプルサイズが得られ、不確実な場合は保守的になります。 このサンプルサイズの計算では、二項分布の正規近似が使用されます。 サンプル比が1または0に近い場合、この近似は有効ではないため、代替のサンプルサイズ計算方法を考慮する必要があります。

    • サンプルサイズ

    真の母集団比を測定するために必要な最小サンプルサイズは次のとおりです。 非応答がチャンスであり、サンプルに含めることができない場合、一部の人々が応答しないことを選択した場合、サンプルサイズを増やす必要があるこ 一般的に、応答速度が高いほど、より良い見積もりはあなたの見積もりにバイアスにつながります。

    標準偏差とは何ですか?標準偏差は、データセットの平均に対する分散を測定する統計量であり、分散の平方根として計算できます。

    標準偏差は、データセットの平均に対する分散を測定する統計量であり、分散の平方根として計算できます。

    標準偏差は、データセットの平均に対する分散を測定 平均値に対する各データポイント間の変動を指定することにより、分散の平方根として計算されます。 データポイントが平均値からのものである場合、データセット内の偏差が高くなります。p>

    サンプルサイズの定義

    どのようにサンプルサイズを決定するには?母集団全体をテストすることはできません。

    サンプルサイズは信頼区間に基づいています:私たちは、サンプルサイズを測定する際に、母集団パラメータを計算することに興味があります。 したがって、このサンプルの値がその範囲内にあるように、信頼区間を確立する必要があります。 サンプリングは、どのようにの質問に答えますか? 何人? 人口によって、私たちは特定のコミュニティのすべてのメンバーを理解し、その性格は特定の自然法則、特定の特性、特殊性(例:青少年18-25歳、学生)です。

    良いサンプルサイズとは何ですか? サンプルサイズは、サブセット、抽出、その母集団から抽出されたいくつかの人です。 実際には、無限の数のケースを研究することはできません。

    サンプルサイズを測定して得られた行動、スコアは、我々は全体の母集団をテストした場合、我々は収集するスコアや行動を統計的推論によって推定

    サンプルサイズを決定します(選択したとおり)。

    基本原則–代表的なエッセイを形成するために許容されると考えられる参加者の数は、研究の種類に依存します。 したがって、相関研究では、30人の参加者が代表的なサンプルサイズを作成するのに十分である(30人の被験者から、分布は正常であると認められる)。 実験的および準実験的検索のために(参加者がランダムに二つのグループに分割されていないことを除いて、実験と同様に、我々はすでに形成されたグルー

    記述的研究(例:飛行士)のために、それぞれの人口の20%の数で十分です。 人口が大きいほど、割合は小さくなります。 例:1000人の20%=200人;5000人の10%=500人。 小さな母集団(100人未満)の場合、サンプルサイズは母集団とほぼ同じです。 平均的な人口(約500人)のために約。 20%. より大きな母集団(5000pers)では、約400persですが、1%のサンプルサイズも有意である可能性があります。

    サンプルサイズの例

    で作成された画像:フライヤーメーカー

    サンプリングアルゴリズム

    • ランダムサンプルサイズ

    (1)p>ex. 人口は、ランダムな国のすべての5000の学校のディレクターで構成されています。

    (2)サンプルサイズの決定(記述的研究)

    Ex. サンプルサイズは、5000人の幹部の10%で構成され、500人になります。それが相関的または実験的である場合、N=min30。

    それが相関的または実験的である場合、N=min30。

    (3)私たちは、人口のすべてのメンバーのリストを作成します。

    すべての学校の校長は、リスト上にあります

    (4)番号がリストされているそれぞれに割り当てられています。 私たちは千人まで持っている場合は、000からの数字が与えられ、リスト上の最後のものは999を持つことになります。

    取締役のリストでは、最初に0000と最後の4999を持つ各番号を与えます。

    (5)乱数を持つテーブルがあり、乱数を持つテーブルから名前がランダムに選択されます。

    テーブルから53634が選択されました(5のうち、5000人がいるとは考えていません)。

    (6)抽出された数から、抽出元の母集団に応じて、すべての数または数が必要です。

    例えば。 私たちは5000人しかいません。

    (7)設定された数で投獄されている場合は、サンプルサイズリストの表に入力します。

    3634inという数字のディレクターがいるので、サンプルサイズに入ります。

    (8)列の次の番号に移動します。

    バリアント:プロセスに同意しない場合、つまり参加者のすべての注文番号または名前が投票箱に含まれている場合、投票箱の方法を選択し、サンプ

    • 体系的なサンプルサイズ

    それは研究の種類に応じて確立されています:記述的、相関的

    (1)集団の同定と定義。

    人口は、国のランダムな地域からのすべての5000教師で構成されています。

    (2)サンプルサイズの決定(記述的研究)

    Ex. それが記述的な研究であると仮定すると、人口の10%=500人

    (3)人口のすべてのメンバーでリストを作成します

    Ex。 すでに、リストはランダムに構成されていませんが、手順は有効です。

    (4)パラメータまたはステップK=母集団サイズ/サンプルサイズを決定します。

    K=5000/500=10

    (5)リストの先頭の特定の位置から始まります。

    私は3番目の名前に指を置いたとします(リストを直接使用して)。

    (6)選択された位置から始まり、各K名が選択されます。

    私達のサンプルサイズ:3-13-23-33-等。

    (7)サンプルサイズがリストの最後までに構成されていない場合、最初から戻ってきます。

    • 層別サンプルサイズ

    (1)母集団の識別と定義。

    自尊心のレベルに応じて管理における心理社会的能力を訓練する2つの方法の効率を比較するために、人口はランダムな都市の300人のトップ

    (2)サンプルサイズの決定(サンプルサイズの計算)

    Ex. サンプルサイズは、メソッドaとbの45マネージャーになります

    (3)変数とサブグループが確立され、代表性を表すための層(各サブグループで等しい数/比例数。

    所望のサブグループは、自尊心の三つのレベルに基づいて確立されています: 中、高、低(年齢、訓練レベル、男性-女性)

    (4)人口のメンバーは、確立されたサブグループの1つに分かれています。

    300人のマネージャーは、自尊心のレベルに応じて分類されます:45高い自尊心、225平均自尊心、40低い自尊心。

    (5)単にサンプリングすることによって(私たちは、無秩序に番号を付けたり、ロットで図面を使用して表を使用します). 各サブグループからの参加者の数(比例数)が確立されます

    Ex. 各層から30個の数が抽出されると判断します。 乱数またはドローのテーブルを使用して、自尊心が高い30人のマネージャー、平均自尊心がある30人、自尊心が低い30人を抽出します。 このようにして構成された各サンプルサイズの30人の参加者は、それらをランダムに配布します(half method Aとhalf method B)

    • 多段サンプルサイズ

    サンプルサイ

    (1)母集団の識別と定義。

    人口は、国のランダムな地域からローカライズされた学校からのすべての5000人の教師で構成されています。

    (2)サンプルサイズの決定(記述的研究)

    Ex. サンプルサイズ=10%=500。

    (3)論理型(クラスタ)を確立します。

    Ex. クラスターは学校です。

    (4)母集団を構成するグループを含むリストが作成されます

    Ex. リストは、国のランダムな地域から100の学校で構成されています。

    (5)各グループの人口数を推定します。 (クラスター)

    Ex. 学校は教師の数が異なりますが、各学校から50人だけを選択します

    (6)グループの数は、サンプルサイズをグループの推定サイズで割ることによって決

    500 / 50 = 10.

    (7)グループの数は、ランダムな数字や投票箱とテーブルを介してランダムに選択されます。

    私たちは、国のランダムな地域から10の学校から100の学校を選択します!

    (8)選択したグループのすべてのメンバーは、サンプルサイズの一部です。

    10の学校のすべての教師は、サンプルサイズの一部です。

    私たちは結論を出しましょう。代表的なサンプルサイズを作るための最良の方法は、無作為抽出です。

    サンプルサイズの寸法とサンプルサイズの種類:

    確率は研究の種類によって異なります。 相関的および実験的研究のために、30の被験者の数は、1-10%の人口の大きさに応じて記述的研究に十分である。

    大規模なサンプリングステップで使用される特定の手法にかかわらず、それらは次のもので構成されています。

    • 母集団の識別
    • 必要なサンプ
    • データ収集

    単純な無作為抽出は、刺激的な変種(自尊心)がある場合、代表的または安定化されたサンプルサイズを取得する最良の方法です。

    サンプリングにおける変形傾向の主な原因は、非安定的方法の使用です。

    サンプルサイズが抽出された母集団の母集団を記述し、サンプルサイズからの結果をそれぞれの母集団に一般化することが不可能ではない場

    小さなサンプルサイズの危険性

    たとえば、より大きなボリュームのサンプルサイズで得られたサンプルサイズの平均は、より小さなボリ

    確かに、それはちょうど声明です:大きなサンプルサイズは、大きなボリュームのサンプルサイズが小さいボリュームのサンプルサイズで得られたものよりも正確である可能性が高いことを意味します。 チャンスのゲームを通じて、より大きなサンプルサイズで得られた平均は、より小さなサンプルサイズで収集された平均よりも平均実をはるかに超えている可能性があります。 このような状況だけが起こりにくく、2つのサンプルサイズの間の体積差が大きくなる可能性が低くなります。

    方程式の項を極端に減らすと、検定の有意水準は、サンプルサイズが小さく、効果サイズが大きいだけでなく、効果サイズが小さいときに十分に大き 言い換えれば、小さな効果の大きさは、関連性の研究結論の問題を提起し、被験者の数を増やすことによって補償することができます。

    系統誤差は、サンプルサイズに関連しない因子に起因します。

    標準誤差を発生させるこれらの要因は、例えば、サンプル単位の選択における誤差、サンプリングフレームの誤差、測定誤差、非回答、現実に対応しない回答、調査中の参加拒否など、サンプリングプロセスの不完全性に関連している。

    顧客満足度調査と市場調査

    顧客満足度調査は、統計的に有意なサンプルサイズに依存しません。 これらの調査は、正確で、より正確な答えを持っている必要があります。 あなたは慎重に顧客が与えているすべての応答を分析することが不可欠です,顧客満足度調査で. 肯定的または否定的なすべてのフィードバックは重要です。 それは市場調査に来るとき、統計的に有意なサンプルサイズは多くのことができます。

    これらの市場調査は、顧客とあなたが活性化したい市場に関する新しい情報を発見するのに役立ちます。 この調査では、ターゲット市場について、あなたのサービスや製品を購入する顧客についての最新情報を受け取ることになります。研究におけるサンプルサイズとは何ですか?

    研究のサンプルサイズは、特定のターゲット市場または特定のタイプの顧客についての多くの情報を見つけるのに役立ちます。

    AB検定のサンプルサイズの計算

    統計的推論を含む実験では、そのような実験が開始される前にサンプルサイズの計算が必要です。 A/Bテスト(分割テスト)も例外ではありません。 開始前にAB評価に必要な訪問者の最小数を測定すると、テストを実行してサンプルサイズを小さくすることができなくなり、”力不足”テストが発生し

    実験の実行を開始する前に三つの基準を確立します。

    1. 実験の有意水準:5%の有意水準とは、AB評価で勝者を宣言した場合、そうすることで95%の可能性があることを意味します。 また、95%の”信頼”を持つ対照とバリアントの間に有意な効果差があることも示唆しています。”このしきい値は、明らかに、任意のものであり、実験の設計を行うときに一つは、それを選択します。
    2. 検出可能な最小効果:見つけたい価格の望ましい、重要な差
    3. 評価パワー:元のレートとバリアントのコンバージョン率の差を検出する可能性。

    コメントを残す

    メールアドレスが公開されることはありません。 * が付いている欄は必須項目です