Il campione è la parte della popolazione che ci aiuta a trarre conclusioni sulla popolazione. Raccogliere la ricerca delle informazioni complete sulla popolazione non è possibile e richiede tempo e denaro. Quindi, abbiamo bisogno di una dimensione appropriata del campione in modo da poter fare inferenze sulla popolazione basate su quel campione.

Uno dei problemi più frequenti nell’analisi statistica è la determinazione della dimensione appropriata del campione. Ci si può chiedere perché la dimensione del campione è così importante. La risposta è che una dimensione appropriata del campione è necessaria per la validità. Se la dimensione del campione è troppo piccola, non darà risultati validi. Una dimensione appropriata del campione può produrre l’accuratezza dei risultati. Inoltre, i risultati di un campione di piccole dimensioni saranno discutibili. Una dimensione del campione troppo grande comporterà uno spreco di denaro e di tempo. Non è nemmeno etico scegliere un campione troppo grande. Non esiste una regola empirica certa per determinare la dimensione del campione. Alcuni ricercatori, tuttavia, sostengono una regola empirica quando si usa la dimensione del campione. Per esempio, nell’analisi di regressione, molti ricercatori dicono che ci dovrebbero essere almeno 10 osservazioni per variabile. Se stiamo usando tre variabili indipendenti, allora una regola chiara sarebbe quella di avere una dimensione minima del campione di 30. Alcuni ricercatori seguono una formula statistica per calcolare la dimensione del campione.

Dimensione del campione basata sugli intervalli di confidenza: Nel calcolare la dimensione del campione, siamo interessati a calcolare il parametro della popolazione. Quindi, dovremmo determinare gli intervalli di confidenza, in modo che tutti i valori del campione si trovino all’interno di quell’intervallo.

Calcolo della dimensione del campione basato sulla dimensione dell’effetto

Un approccio alternativo per calcolare la dimensione del campione è la dimensione dell’effetto. La dimensione dell’effetto è conosciuta come la differenza tra le statistiche del campione divisa per l’errore standard. In modo più efficiente è come segue:

Una volta che una dimensione dell’effetto è stata stimata, la seguente tabella può essere utilizzata per stimare un campione:

Come menzionato sopra, l’alfa è uguale alla probabilità accettabile dell’errore di tipo I e beta è la probabilità accettabile di errori di tipo due e 1-beta uguale alla potenza. Poiché la potenza aumenterà con diversi livelli di alfa, anche la dimensione del campione aumenterà.

.