Kalkuleytor ng Sample Size

Ang aming maraming gamit na kalkuleytor ng sample size ay may dalawang pangunahing function: ang pagkalkula ng perpektong laki ng sample at pagtukoy sa margin of error para sa iyong pag-aaral.

Upang makalkula ang kinakailangang sample size, magsimula sa pagpili ng iyong nais na confidence level mula sa drop-down menu. Susunod, ilagay ang relative margin of error. (Tandaan: Maaari mong i-convert ang absolute margin of error sa relative sa pamamagitan ng paghahati ng absolute value sa iyong point estimate). Kung alam mo ang eksaktong proporsyon ng populasyon, ilagay ito; kung hindi, iwanan ito sa default na 50%. Ilagay ang kabuuang sukat ng populasyon sa nakalaang field kung alam ito, o iwanan itong blangko para sa hindi alam o walang katapusang (infinite) populasyon. Panghuli, i-click ang "Calculate".

Upang matukoy ang margin of error gamit ang ikalawang function ng kalkuleytor, magsimula sa pamamagitan ng pagpili ng iyong confidence level mula sa drop-down menu. Sa mga sumusunod na field, ilagay ang sample size ng pag-aaral at ang proporsyon ng populasyon. Panghuli, ilagay ang sukat ng populasyon—iwanang blangko kung hindi alam—at i-click ang "Calculate".

Sample

Sa estadistika, ang sample ay isang partikular na subset o bahagi ng mas malaking populasyon. Sinasaklaw ng terminong "populasyon" ang bawat elemento o indibidwal na sinusuri sa isang pag-aaral. Bagaman ang pag-survey sa buong populasyon ay nagbibigay ng pinakatumpak na datos, bihirang maging praktikal itong gawin dahil sa maraming limitasyon.

Halimbawa, kung nag-aaral ka tungkol sa isang partikular na uri ng insekto sa isang malawak na kagubatan, ang populasyon ay praktikal na walang katapusan, kaya imposible ang isang komprehensibong census. Bukod dito, ang ilang mga pamamaraan ng pagsubok ay likas na nakasisira. Kung bubuksan mo ang isang selyadong bote ng soft drink upang sukatin ang eksaktong dami nito, ang partikular na produktong iyon ay hindi na maaaring ipadala sa merkado.

Ang pagsusuri sa buong populasyon ay nangangailangan ng malaking oras, puhunan, at mapagkukunan. Dahil ang mga mananaliksik ay karaniwang kumikilos sa ilalim ng mahigpit na badyet at limitasyon sa oras, ang pagsasagawa ng buong population census ay imposible sa karamihan ng mga kaso. Ang pinakaepektibong solusyon ay ang pagkuha ng isang kinatawan na sample at isagawa ang iyong pananaliksik sa mas maliit na grupong ito.

Margin of error

Dahil ang pagsusuri sa bawat bahagi ng isang populasyon ay bihirang mangyari, gumagamit ang mga mananaliksik ng mga sample statistic (mga sukatan na kinakalkula mula sa sample) upang matantya ang population parameters (mga sukatan na naglalarawan sa buong populasyon). Ang mga sample statistic na ito ay kumakatawan sa aktwal na datos na naobserbahan sa loob ng napili mong sample. Kapag tinantya mo ang isang halaga para sa isang population parameter batay sa datos na ito, tinatawag itong point estimate.

Halimbawa, kung nais mong matantya ang average na dami ng mga bote ng soft drink sa isang production line, maaari kang pumili ng isang random na batch at kalkulahin ang average na dami nito. Ipalagay nating ang batch na iyon ay nagbunga ng average na dami (x̄) na 250 ml. Batay sa point estimate na ito, ipinapalagay mo na ang buong production line ay may average na dami na \$(\hat{μ})\$ na 250 ml bawat bote.

Sa katunayan, ang tinantyang parameter ay bihirang tumugma nang perpekto sa aktwal na parameter ng populasyon. Ang pagkakaibang ito ay natural na nangyayari dahil ang kalkulasyon ay nakabatay sa isang sample kaysa sa kumpletong populasyon.

Sinusukat ng margin of error ang kawalang-katiyakang ito. Tinutukoy ito bilang ang maximum na inaasahang pagkakaiba sa pagitan ng point estimate ng isang parameter at ng totoong halaga ng populasyon nito, na minsan ay tinatawag na maximum error of the estimate.

Confidence Interval

Ang confidence interval ay kumakatawan sa katanggap-tanggap na saklaw kung saan inaasahang babagsak ang isang population parameter. Ang saklaw ng mga pagtatantya na ito ay nagpapahiwatig na ang isang parameter ay nakalkula sa loob ng isang partikular na margin of error. Upang makalkula ang lower boundary (mababang hangganan) ng isang confidence interval, ibabawas mo ang margin of error mula sa iyong point estimate. Sa kabilang banda, upang mahanap ang upper boundary (mataas na hangganan), idaragdag mo ang margin of error sa point estimate.

Ang Kaugnayan ng Sample sa Estadistika, Margin of Error, at Confidence Interval

Sa halip na i-survey ang buong populasyon, pinag-aaralan ng mga mananaliksik ang isang sample upang gumawa ng matatalinong pagtatantya tungkol sa mga population parameter. Dahil sa diskarteng ito ng pag-sample, mayroong likas na pagkakaiba sa pagitan ng tinantyang parameter at ng totoong parameter ng populasyon. Sinasagot ito ng margin of error sa pamamagitan ng pagtukoy sa maximum na inaasahang pagkakaiba sa pagitan ng point estimate at ng aktwal na halaga.

Mahalagang malaman na mayroong inverse relationship (kabaligtarang ugnayan) sa pagitan ng sample size at ng margin of error. Ang mas malaking sample size ay nagbibigay ng mas tumpak na representasyon ng mas malawak na populasyon, na epektibong nagpapababa sa margin of error. Sa kabilang banda, ang paggamit ng mas maliit na sample size ay nagpapataas sa margin of error.

Sa huli, ang paglalapat ng margin of error na ito sa iyong paunang point estimate ay nagreresulta sa confidence interval ng pag-aaral.

Pormula sa pag-kalkula ng Sample Size

Depende sa mga available na datos, maraming pormula ang maaaring magamit upang makalkula ang angkop na sample size.

Ang iyong ninanais na confidence level ay nagdidikta ng antas ng katumpakan, habang ang katanggap-tanggap na margin of error ay tumutukoy sa katiyakan ng iyong range estimate.

Kung alam ang population standard deviation, maaari mong kalkulahin ang minimum na sample size na kinakailangan upang makamit ang iyong target na confidence interval gamit ang sumusunod na pormula:

$$n=\left(\frac{z_{\alpha/2}×\sigma}{E}\right)^2$$

Ang huling resulta na n ay dapat i-round up sa pinakamalapit na buong numero (whole number).

Bilang alternatibo, pinapayagan ka ng Cochran formula na matukoy ang minimum na sample size batay sa iyong katanggap-tanggap na margin of error, target na confidence level, at ang tinantyang proporsyon ng attribute sa loob ng populasyon. Ang Cochran formula ay ipinapahayag bilang:

$$n₀=\frac{z^2p(1-p)}{E^2}$$

• z = Z-score mula sa z-table na tumutugma sa iyong ninanais na confidence level
• p = Ang inaasahang proporsyon ng attribute na nasa populasyon
• E = Margin of error

Halimbawa 1

Ipagpalagay nating nagsasaliksik tayo tungkol sa mga international student na naka-enroll sa mga undergraduate course sa buong Canada. Sa simula, wala tayong kongkretong datos, kaya nag-hypothesize tayo na ang mga international student ay bumubuo ng 60% ng lahat ng Canadian undergraduate. Dahil dito, ang tinantyang proporsyon ng populasyon ay 60%. Kung gusto natin ng 95% na confidence level at 4% na margin of error, ano ang minimum na sample size na kinakailangan para sa pag-aaral na ito?

$$(1-\alpha)=95\%$$

$$z_{α/2}=z_{{95\%}/2}=1.96$$

$$p=60\%$$

$$E=4\%$$

$$n₀=\frac{z²p(1-p)}{E²}=\frac{1.96²×60\%×(1-60\%)}{4\%²}=576.24≈577$$

Samakatuwid, minimum na 577 na mag-aaral ang dapat ma-survey upang makamit ang 95% confidence level na may 4% na margin of error.

Ang Cochran formula ay perpekto para sa malaki o walang katapusang populasyon. Gayunpaman, kung ang laki ng iyong populasyon ay maliit o may hangganan (finite), dapat mong i-adjust ang sample size. Ang pormula sa pagwawasto para sa finite na populasyon (finite population correction formula) ay:

$$n=\frac{n₀}{1+\left(\frac{n₀-1}{N}\right)}$$

• n₀ = Ang inisyal na sample size na kinalkula gamit ang Cochran formula
• N = Kabuuang sukat ng populasyon
• n = Na-adjust na sample size para sa isang finite na populasyon

Halimbawa 2

Ngayon, ipagpalagay natin na nagsasaliksik tayo tungkol sa mga international student na naka-enroll sa mga undergraduate course sa iyong partikular na kolehiyo sa Canada. Katulad ng nakaraang halimbawa, ipinapalagay natin na ang mga international student ay bumubuo ng 60% ng populasyon ng mga mag-aaral. Ang tinantyang proporsyon ay nananatiling 60%. Gayunpaman, ang kabuuang bilang ng mga mag-aaral sa iyong kolehiyo ay eksaktong 12,000. Para sa isang 95% na confidence level at 4% na margin of error, ano ang minimum na kinakailangang sample size?

Sa senaryong ito, dahil ang populasyon ay finite (may hangganan), dapat mo munang kalkulahin ang n₀ gamit ang Cochran formula at pagkatapos ay ilapat ang adjustment.

$$n₀=\frac{z^2p(1-p)}{{E}^2}=\frac{1.96^2×{60\%}×(1-{60\%})}{{4\%}^2}=576.24$$

$$n=\frac{n₀}{1+\left(\frac{n₀-1}{N}\right)}=\frac{576.24}{1+\left(\frac{576.24-1}{12,000}\right)}=549.88\approx550$$

Sa paggamit ng aming nakalaang kalkuleytor para sa minimum na sample size, maaari mong lagpasan ang mga kumplikadong manu-manong kalkulasyong ito at makakuha ng mga tumpak na resulta sa loob lamang ng ilang saglit.

Pormula sa Pagkalkula ng Margin of Error

Maaari mong isaayos muli sa pamamagitan ng matematika ang standard na pormula ng sample size upang malutas ang margin of error.

Simula sa pormula ng minimum na sample size:

$$n₀=\frac{z^2p\left(1-p\right)}{E^2}$$

Maaari nating ihiwalay ang E (ang margin of error) bilang paksa ng ekwasyon:

$$n₀=\frac{z^2p\left(1-p\right)}{E^2}$$

$${n₀}×{E}^2=z^2p\left(1-p\right)$$

$$E^2=\frac{z^2p\left(1-p\right)}{n₀}$$

$$E=\sqrt{\frac{z^2p\left(1-p\right)}{n₀}}$$

$$E=z\sqrt{\frac{p\left(1-p\right)}{n₀}}$$

Halimbawa 3

Pagbabalik sa ating pambansang pananaliksik tungkol sa mga international undergraduate student sa Canada, ipinagpapatuloy natin ang pagpapalagay na sila ay kumakatawan sa 60% ng kabuuang populasyon ng mga undergraduate. Kung magsu-survey ka ng isang sample na 577 na mag-aaral at naglalayon ng 95% na confidence level, ano ang eksaktong margin of error para sa iyong pag-aaral?

$$z_{{95\%}/2}=1.96$$

$$p=60\%$$

$$n₀=577$$

$$E=z\sqrt{\frac{p\left(1-p\right)}{n_0}}=1.96 \times \sqrt{\frac{60\% \times \left(1-60\%\right)}{577}}=4\%$$

Kung gumagawa kasama ang isang finite na populasyon, dapat mo munang tukuyin ang na-adjust na n₀ gamit ang sumusunod na pormula:

$$n₀=\frac{n-nN}{n-N}$$

Kapag nakuha mo na ang halagang iyon, ilapat ito sa pangunahing pormula ng margin of error:

$$E=z\sqrt{\frac{p\left(1-p\right)}{n₀}}$$

Ang paggamit ng feature na margin of error na nakapaloob sa aming sample size calculator ay nagbibigay sa iyo ng kakayahang laktawan ang nakakapagod na manu-manong hakbang na ito at agad na matuklasan ang margin of error ng iyong pag-aaral.

Pormula sa pagkalkula ng confidence interval

Ang pagkalkula ng confidence interval ay diretso lamang kapag naitatag mo na ang iyong margin of error. Maaari mong kalkulahin ang confidence interval gamit ang mga sumusunod na baseline na pormula:

Confidence interval = Point estimate ± Margin of error

Upper boundary (Mataas na hangganan) ng confidence interval = Point estimate + Margin of error

Lower boundary (Mababang hangganan) ng confidence interval = Point estimate - Margin of error

Para sa population mean (μ), ang confidence interval ay ipinapahayag bilang:

x̄ - E < μ < x̄ + E

Dito, ang x̄ - E ay kumakatawan sa lower limit, habang ang x̄ + E naman ay kumakatawan sa upper limit.

Sa katulad na paraan, ang confidence interval para sa proporsyon ng populasyon o population proportion (P) ay sinusulat bilang:

p - E < P < p + E

Halimbawa 4

Ipagpalagay nating nagsasaliksik ka tungkol sa mga average na gastos sa programa (program costs) para sa mga international student sa Canada. Pumili ka ng random na sample ng 1,000 na mag-aaral. Batay sa datos ng iyong survey, tinantya mo na ang average na gastos sa programa ay CAD 20,000, na may kinalkulang margin of error na CAD 5,000. Paano mo hahanapin ang confidence interval para sa average na gastos sa programang ito?

Upper limit = x̄ + E = CAD 20,000 + CAD 5,000 = CAD 25,000

Lower limit = x̄ - E = CAD 20,000 - CAD 5,000 = CAD 15,000

Samakatuwid, ang kumpletong confidence interval ay:

x̄ - E < μ < x̄ + E

CAD 15,000 < μ < CAD 25,000