Praktyczne pytanie przy projektowaniubadanie opinii klientówlub eksperyment polega na ustaleniu wymaganej wielkości próbki. To znaczy, jaka jest najmniejsza liczba punktów danych wymaganych w ankiecie lub eksperymencie? Istnieją trzy podstawowe podejścia: praktyczne zasady oparte na standardach branżowych, działanie wstecz od budżetu i działanie wstecz od przedziałów ufności. Każde z tych podejść jest przydatne w pewnych okolicznościach.
Ustalanie wielkości próby w oparciu o praktyczne zasady
W różnych branżach obowiązują różne zasady dotyczące testowania. Te praktyczne zasady nie są całkowicie wymyślone; ich logika odnosi się do analiz przedziałów ufności opisanych w dalszej części tego artykułu.
Oto kilka przykładów typowych praktycznych zasad:
- Badania powinny obejmować próby liczące co najmniej 100 osób w każdej kluczowej grupie zainteresowań. Na przykład, jeśli przeprowadzasz test AB, zazwyczaj potrzebujesz próbki o minimalnej wielkości 200, po 100 w każdej grupie. Wyjątkiem jest testowanie czegokolwiek, gdzie rzeczywista testowana szybkość jest niewielka. Na przykład, jeśli testujesz współczynniki konwersji, gdzie typowy współczynnik konwersji może wynosić 2%, wymagana jest znacznie większa wielkość próby.
- Badania sensoryczne, podczas których ludziom podaje się produkty spożywcze i prosi o ich skosztowanie, zazwyczaj obejmują co najmniej 60 osób na kluczową grupę.
- W komercyjnych badaniach rynku próbki mniejsze niż 300 są zwykle uważane za zbyt małe. W przypadku badań o znaczeniu strategicznym zazwyczaj wymagana jest wielkość próby wynosząca 1000 osób. Minimalną wielkość próby wynoszącą 200 na segment uważa się za bezpieczną dla badań segmentacji rynku (np. jeśli przeprowadzasz badanie segmentacyjne i nie przeszkadza Ci posiadanie do 6 segmentów, pożądana jest wielkość próby wynosząca 1200).
- W przypadku ogólnokrajowych sondaży politycznych zazwyczaj wymagana jest wielkość próby wynosząca 1000 lub więcej. Logika doboru próby oznacza, że nie należy brać pod uwagę tego, czy sondaż ma charakter ogólnokrajowy, czy nie, choć w praktyce zwykle jest to brane pod uwagę.
- Wczesne studia wykonalności dotyczące wyrobów medycznych obejmują próbki o wielkości 10, podczas gdy tradycyjne badania wykonalności obejmują próbki o wielkości od 20 do 30.[1]
- Podczas przeprowadzania inspekcji, np. produktów wyjściowych z zakładu produkcyjnego lub upraw, powszechnie stosuje się zasadę, że wielkość próbki powinna byćKwadrat(N) + 1, GdzieNjest wielkość populacji.
Obliczenie wielkości próby na podstawie kosztów
Drugim powszechnym podejściem jest określenie budżetu i praca wstecz, przy użyciu następującego wzoru:
Wielkość próby = (całkowity budżet – koszty stałe)/koszt na punkt danych
Może to zabrzmieć prymitywnie, ale budżet badania jest sposobem na określenie apetytu na ryzyko organizacji, która zleciła badanie, i – jak omówiono w następnej sekcji – ma to kluczowe znaczenie przy określaniu wielkości próby.
Wyznaczanie wielkości próby na podstawie przedziałów ufności
Jednym z powodów, dla których wytyczne dotyczące minimalnych rozmiarów próbek tak bardzo się różnią, jest to, że rzeczywisty minimalny rozmiar próbki wymagany do dowolnego badania zależy od stosunku sygnału do szumu danych. Jeżeli dane z natury są obarczone wysokim poziomem szumu, np. w przypadku sondaży politycznych lub badań rynkowych, wówczas wymagana jest duża próbka. W ściśle kontrolowanych środowiskach, takich jak te stosowane w badaniach sensorycznych, występuje mniej hałasu, dlatego dopuszczalne są mniejsze rozmiary próbek. Wynikiem testowania wyrobów medycznych jest sprawdzenie, czy urządzenie jest wolne od problemów, a nie oszacowanie konkretnego współczynnika, dlatego też odpowiednia jest jeszcze mniejsza wielkość próbki.
Jedną z formalnych metod ustalania wielkości próbek jest określenie przez badaczy wymaganego poziomu niepewności, z którym mogą sobie poradzić, wyrażonego jako aprzedział ufności,i obliczyć wielkość próbki niezbędną do uzyskania tego wyniku. Na przykład zobaczTutajITutajodpowiednio dla przykładów i dyskusji.
Jest to podręcznikowe rozwiązanie dotyczące obliczania wielkości próby i zawiera wiele ciekawych koncepcji teoretycznych, które mogą pomóc (np. analiza mocy). Jednak w praktyce podejście to działa tylko wtedy, gdy masz dobre pojęcie, jaki będzie prawdopodobny wynik i jaka będzie prawdopodobna niepewność (tj. błąd próbkowania), a często tak się nie dzieje poza światem badań klinicznych .
Dowiedz się, jak statystycznie testować Net Promoter Score w Displayrze
[1] https://www.fda.gov/downloads/MedicalDevices/NewsEvents/WorkshopsConferences/UCM424735.pdf
