Quando se trata de estudos científicos, o tamanho da amostra é uma consideração crucial para a pesquisa de qualidade. O tamanho da amostra, às vezes representado como n
, é o número de dados individuais usados para calcular um conjunto de estatísticas. Tamanhos de amostra maiores permitem que os pesquisadores determinem melhor os valores médios de seus dados e evitem erros ao testar um pequeno número de amostras possivelmente atípicas.

TL; DR (muito longo; não leu)

O tamanho da amostra é uma consideração importante para a pesquisa. Tamanhos de amostra maiores fornecem valores médios mais precisos, identificam valores discrepantes que podem distorcer os dados em uma amostra menor e fornecem uma margem de erro menor.
Tamanho da amostra

Tamanho da amostra é o número de informações testadas em Por exemplo, se você testar 100 amostras de água do mar em busca de resíduos de óleo, o tamanho da amostra é 100. Se você pesquisar 20.000 pessoas em busca de sinais de ansiedade, o tamanho da amostra será 20.000. Tamanhos de amostras maiores têm a vantagem óbvia de fornecer mais dados para os pesquisadores trabalharem; mas grandes experimentos com tamanho de amostra requerem maiores compromissos financeiros e de tempo.
Valor médio e valores extremos

Tamanhos maiores de amostras ajudam a determinar o valor médio de uma qualidade entre as amostras testadas - essa média é a significa média. Quanto maior o tamanho da amostra, mais precisa será a média. Por exemplo, se você achar que, entre 40 pessoas, a altura média é de 5 pés, 4 polegadas, mas entre 100 pessoas, a altura média é de 5 pés, 3 polegadas, a segunda medida é uma melhor estimativa da altura média de um indivíduo, já que você está testando substancialmente mais assuntos. Determinar a média também permite que os pesquisadores identifiquem com mais facilidade discrepantes
. Um outlier é um dado que difere fortemente do valor médio e pode representar um ponto de interesse para a pesquisa. Portanto, com base na altura média, alguém com uma altura de 6 pés e 8 polegadas seria um ponto de dados externo.
O Perigo de Pequenas Amostras

A possibilidade de discrepâncias é parte do que gera amostras grandes tamanho importante. Por exemplo, digamos que você faça uma pesquisa com 4 pessoas sobre sua afiliação política e uma pertence ao partido Independente. Como este é um indivíduo em um tamanho de amostra 4, sua estatística mostrará que 25% da população pertence à parte Independente, provavelmente uma extrapolação imprecisa. Aumentar o tamanho da amostra evitará estatísticas enganosas se houver uma irregularidade na sua amostra.
Margem de erro

O tamanho da amostra está diretamente relacionado à margem de erro de uma estatística
, ou à precisão. uma estatística pode ser calculada para ser. Para uma pergunta sim ou não, como se um indivíduo é dono de um carro, você pode determinar a margem de erro de uma estatística dividindo 1 pela raiz quadrada do tamanho da amostra e multiplicando por 100. O total é uma porcentagem . Por exemplo, um tamanho de amostra de 100 terá uma margem de erro de 10%. Ao medir qualidades numéricas com um valor médio, como altura ou peso, multiplique esse total por duas vezes o desvio padrão
dos dados, que mede a distribuição dos valores dos dados a partir da média. Nos dois casos, quanto maior o tamanho da amostra, menor a margem de erro.