Martech Zone apparAnalytics och testningCRM och dataplattformar

Kalkylator: Beräkna din undersökning minsta provstorlek

Kalkylator för undersökning av minsta provstorlek

Kalkylator för undersökning av minsta provstorlek

Fyll i alla dina inställningar. När du skickar in formuläret kommer din minsta provstorlek att visas.

%
Din data och e-postadress lagras inte.
Börja om

Att utveckla en undersökning och se till att du har ett giltigt svar som du kan basera dina affärsbeslut på kräver en hel del expertis. Först måste du se till att dina frågor ställs på ett sätt som inte påverkar svaret. För det andra måste du se till att du undersöker tillräckligt många personer för att få ett statistiskt giltigt resultat.

Du behöver inte fråga varje person, detta skulle vara arbetskrävande och ganska dyrt. Marknadsundersökningsföretag arbetar för att uppnå en hög nivå av förtroende och en låg felmarginal samtidigt som de når det minsta antalet mottagare som krävs. Detta är känt som din provstorlek. Du är provtagning en viss andel av den totala befolkningen för att uppnå ett resultat som ger en nivå på förtroende för att validera resultaten. Med hjälp av en allmänt accepterad formel kan du bestämma en giltig provstorlek som kommer att representera befolkningen som helhet.

Om du läser detta via RSS eller e-post, klicka dig vidare till webbplatsen för att använda verktyget:

Beräkna din undersöknings provstorlek

Hur fungerar provtagning?

Provtagning är en process för att välja en delmängd av individer från en större population för att dra slutsatser om egenskaperna hos hela populationen. Det används ofta i forskningsstudier och enkäter för att samla in data och göra förutsägelser om en befolkning.

Det finns flera olika provtagningsmetoder som kan användas, inklusive:

  1. Enkelt slumpmässigt urval: Detta innebär att man väljer ett urval från populationen med en slumpmässig metod, som att slumpmässigt välja namn från en lista eller använda en slumpgenerator. Detta säkerställer att alla i befolkningen har lika stor chans att bli utvalda i urvalet.
  2. Stratifierad sampling: Detta går ut på att dela in populationen i undergrupper (strata) utifrån vissa egenskaper och sedan välja ett slumpmässigt urval från varje stratum. Detta säkerställer att urvalet är representativt för de olika undergrupperna inom populationen.
  3. Klusterurval: Detta innebär att man delar in populationen i mindre grupper (kluster) och sedan väljer ett slumpmässigt urval av klustren. Alla medlemmar i de valda klustren ingår i urvalet.
  4. Systematisk provtagning: Detta innebär att man väljer var n:e medlem av populationen för urvalet, där n är urvalsintervallet. Till exempel, om urvalsintervallet är 10 och populationsstorleken är 100, skulle var tionde medlem av populationen väljas för urvalet.

Det är viktigt att välja lämplig provtagningsmetod utifrån populationens egenskaper och den forskningsfråga som studeras.

Konfidensnivå kontra felmarginal

I en urvalsundersökning har självförtroendenivå är ett mått på hur säker du är på att ditt urval representerar populationen korrekt. Det uttrycks i procent och bestäms av storleken på ditt urval och graden av variation i din population. Till exempel betyder en konfidensnivå på 95 % att om du skulle genomföra undersökningen flera gånger, skulle resultaten vara korrekta 95 % av gångerna.

Du har nu möjlighet felmarginal, å andra sidan, är ett mått på hur mycket resultaten av din undersökning kan skilja sig från det verkliga populationsvärdet. Det uttrycks vanligtvis i procent och bestäms av storleken på ditt urval och graden av variation i din population. Till exempel, om felmarginalen för en undersökning är plus eller minus 3 %, betyder det att om du skulle genomföra undersökningen flera gånger, skulle det sanna populationsvärdet falla inom konfidensintervallet (definierat av urvalets medelvärde plus eller minus felmarginal) 95 % av gångerna.

Så sammanfattningsvis är konfidensnivån ett mått på hur säker du är på att ditt urval korrekt representerar populationen, medan felmarginalen är ett mått på hur mycket resultaten av din undersökning kan avvika från det verkliga populationsvärdet.

Varför är standardavvikelsen viktig?

Standardavvikelsen är ett mått på spridningen eller spridningen av en uppsättning data. Den talar om för dig hur mycket de individuella värdena i en datauppsättning varierar från medelvärdet av datamängden. När du beräknar den minsta urvalsstorleken för en undersökning är standardavvikelsen viktig eftersom den hjälper dig att avgöra hur mycket precision du behöver i ditt urval.

Om standardavvikelsen är liten betyder det att värdena i populationen ligger relativt nära medelvärdet, så du behöver inte ha en stor urvalsstorlek för att få en bra uppskattning av medelvärdet. Å andra sidan, om standardavvikelsen är stor betyder det att värdena i populationen är mer spridda, så du kommer att behöva en större urvalsstorlek för att få en bra uppskattning av medelvärdet.

I allmänhet gäller att ju större standardavvikelsen är, desto större urvalsstorlek behöver du för att uppnå en given precisionsnivå. Detta beror på att en större standardavvikelse indikerar att populationen är mer varierande, så du kommer att behöva ett större urval för att korrekt uppskatta medelvärdet av populationen.

Formeln för att bestämma minsta provstorlek

Formeln för att bestämma den minsta urvalsstorlek som krävs för en given population är följande:

S = \ frac {\ frac {z ^ 2 \ gånger p \ left (1-p \ höger)} {e ^ 2}} {1+ \ left (\ frac {z ^ 2 \ gånger p \ left (1- p \ höger)} {e ^ 2N} \ höger)}

Var:

  • S = Minsta provstorlek som du bör undersöka med tanke på dina ingångar.
  • N = Total befolkningsstorlek. Det här är storleken på det segment eller den population som du vill utvärdera.
  • e = Felmarginal. När du provar en population kommer det att finnas en felmarginal i resultaten.
  • z = Hur säker du kan vara på att befolkningen skulle välja ett svar inom ett visst intervall. Konfidensprocenten översätts till z-poängen, antalet standardavvikelser en given andel är borta från medelvärdet.
  • p = Standardavvikelse (i detta fall 0.5%).

Douglas Karr

Douglas Karr är grundaren av Martech Zone och en erkänd expert på digital transformation. Douglas har hjälpt till att starta flera framgångsrika MarTech-startups, har hjälpt till med due diligence på över $5 miljarder i Martech-förvärv och investeringar, och fortsätter att lansera sina egna plattformar och tjänster. Han är en av grundarna av Highbridge, ett konsultföretag för digital transformation. Douglas är också en publicerad författare till en Dummies guide och en bok om företagsledarskap.

Vad tror du?

Den här sidan använder Akismet för att minska spam. Läs om hur din kommentardata behandlas.

Relaterade artiklar