Pri vykonávaní štúdie , veľký vzorka je lepšie, pretože budete chcieť skutočnú reprezentáciu populácie študujete . Veľký vzorka vám pomôže zovšeobecniť výsledky výskumu na celú populáciu . Avšak, niektorí argumentujú proti zachádza príliš veľký , pretože to môže strácať čas a zdroje na myšlienku , že nemusí nikam chodiť . Prečo Väčší je lepší
Hlavným dôvodom pre použitie veľké veľkosti vzorky je eliminovať šance na štatistické anomálie vyzerať , že je normálne , a to aj v prípade , že používate náhodný vzorka . Napríklad , ak ste študovali populáciu Los Angeles, ktoré by vás mohli náhodne vybraných 100 ľudí ; náhodou 20 z týchto ľudí môže mať červené vlasy . Dalo by sa vyvodiť záver , že existuje viac ľudí s červenými vlasmi v meste, než naozaj sú .
Otvorenie Small
Niektorí ľudia odporúčajú začínať s malým vzorkou veľkosti . Profesor Peter Bachhetti je citovaný v časopise Scientist , ako hovorí začínajúce malé v niektorých lekárskych štúdií môže byť prospešné , pretože to môže zistiť , či je hodnota tejto štúdie . Rozsiahla štúdia môže trvať čas a peniaze , ktoré nemôžu byť odôvodnené , hovorí .
Sampling faktory
Niekoľko faktorov určiť najlepšie veľkosť vzorky , počnúc s skutočnej veľkosti populácie . Veľkosť vzorky by mala byť dostatočne , že má malú výberové chyby , ktorá predstavuje , ako blízko sú výsledky do svojho skutočného počtu obyvateľov v percentách veľké . Je potrebné , aby odrážali rozmanitosť v populácii , známy ako miera variability . K dispozícii musí byť aj na úrovni spoľahlivosti tak , aby v prípade , že populácia je opakovane odobraté vzorky, výsledky môžu byť kopírované .
Určenie veľkosti vzorky
Určenie veľkosti vzorky v štúdii je jedným z najťažších úloh pre výskumných pracovníkov a štatistiky . Vedci spoliehajú na rad metód, ktoré im pomôžu rozhodnúť správnu veľkosť vzorky pre nich . Jednou z možností je , aby sa podobné štúdie a použiť veľkosť výberového súboru tejto štúdie je . Ďalším dôvodom je prostredníctvom série vzorcov , ktoré počítajú veľkosť vzorky pomocou veľkosti populácie a požadovanú chyby vzorkovania a spoľahlivosti .