Provet är den del av populationen som hjälper oss att dra slutsatser om populationen. Det är inte möjligt att samla in all information om populationen, och det är tidskrävande och dyrt. Därför behöver vi en lämplig urvalsstorlek så att vi kan dra slutsatser om populationen utifrån detta urval.

Ett av de vanligaste problemen vid statistisk analys är att bestämma lämplig urvalsstorlek. Man kan fråga sig varför urvalsstorleken är så viktig. Svaret på detta är att en lämplig urvalsstorlek krävs för validitet. Om urvalsstorleken är för liten kommer den inte att ge giltiga resultat. En lämplig urvalsstorlek kan ge korrekta resultat. Dessutom kommer resultaten från ett litet urval att vara tveksamma. Ett för stort urval kommer att leda till slöseri med pengar och tid. Det är också oetiskt att välja ett för stort urval. Det finns ingen säker tumregel för att bestämma urvalsstorleken. Vissa forskare stöder dock en tumregel när man använder sig av urvalsstorlek. Vid regressionsanalys säger till exempel många forskare att det bör finnas minst 10 observationer per variabel. Om vi använder tre oberoende variabler skulle en tydlig regel vara att ha en minsta urvalsstorlek på 30. Vissa forskare följer en statistisk formel för att beräkna stickprovsstorleken.

Stickprovsstorlek baserad på konfidensintervall: Vid beräkning av urvalsstorleken är vi intresserade av att beräkna populationsparametern. Därför bör vi bestämma konfidensintervallen, så att alla värden i urvalet ligger inom det intervallintervallet.

Beräkning av urvalsstorlek baserat på effektstorlek

Ett alternativt tillvägagångssätt för att beräkna urvalsstorlek är effektstorlek. Effektstorlek är känd som skillnaden mellan statistiken i urvalet dividerad med standardfelet. Mer effektivt ser det ut på följande sätt:

När en effektstorlek har uppskattats kan följande tabell användas för att uppskatta ett urval:

Som nämnts ovan är alfa lika med den acceptabla sannolikheten för typ I-fel och beta är den acceptabla sannolikheten för typ två-fel och 1-beta lika med effekten. Eftersom effekten kommer att öka med olika nivåer av alfa, kommer också urvalsstorleken att öka.