Kalkylator för provstorlek

Beräkna erforderlig urvalsstorlek för undersökningar och studier med konfidensnivåer och felmarginal.

För inlärnings- och läxhjälp — verifiera kritiska beräkningar självständigt.

Recenserad av CalculatorDrive Math Editorial Board · Senast uppdaterad

Kalkylator

Område: 0,1 % till 50 %

Om tomt, använder konservativ uppskattning på 50 %

Om tillhandahållen, tillämpar ändlig populationskorrigering

Ange konfidensnivån, felmarginalen och andra parametrar för att beräkna den nödvändiga urvalsstorleken.

Det korta svaret

Erforderlig urvalsstorlek växer med hur säker du vill vara och krymper när du accepterar en större felmarginal. För en proportion, n = (z² × p × (1−p)) ÷ e², där z kommer från din konfidensnivå, p är den förväntade andelen (0,5 om okänd), och e är din acceptabla felmarginal. Snävare marginaler och högre förtroende pressar båda upp den nödvändiga urvalsstorleken, ofta dramatiskt.

Nyckel takeaways

  • Genom att halvera felmarginalen fyrdubblas den erforderliga urvalsstorleken ungefär, eftersom e är kvadratiskt i nämnaren.
  • Att använda p = 0,5 när den sanna andelen är okänd är det säkraste valet, eftersom p(1−p) är maximerad där — alla andra gissningar skulle bara behöva ett mindre urval om du råkade gissa rätt.
  • En känd, ändlig populationsstorlek låter dig tillämpa en korrigering som på ett meningsfullt sätt minskar det nödvändiga urvalet för mindre populationer, men som gör liten skillnad när populationen är mycket större än urvalet.
  • Att uppskatta ett medelvärde kräver en uppskattning av populationens standardavvikelse, inte en proportion – de två beräkningstyperna använder relaterade men olika formler.

Formeln för proportionsprovstorlek

n = (z² × p × (1 − p)) / e²

z kommer från konfidensnivån (1,96 för 95 %), p är den förväntade populationsandelen och e är felmarginalen uttryckt som en decimal (5 % = 0,05).

Varför felmarginal dominerar formeln

Felmarginal Obligatoriskt n (95 % konfidens, p=0,5)
10%97
5%385
2.5%1,537
1%9,604

Att halvera felmarginalen fyrdubblar ungefär den urvalsstorlek som behövs – det är därför nationella undersökningar vanligtvis nöjer sig med en marginal på ±3-5 % istället för att jaga ±1 % precision, vilket skulle kräva tiotusentals svarande.

Arbetat exempel: planera en undersökning

Du vill ha 95 % förtroende och en felmarginal på 5 %, utan föregående uppskattning av andelen.

n = (1,96² × 0,5 × 0,5) / 0,05² = 0,9604 / 0,0025 ≈ 384,16

Runda uppåt: n = 385

Samplingsstorleken avrundar alltid uppåt, aldrig nedåt – en del av respondenten är inte möjlig, och avrundning nedåt skulle lämna dig precis under din målprecision.

Vanliga misstag att undvika

  • Att förvänta sig en halverad felmarginal för att fördubbla urvalsstorleken - det fyrdubblar den ungefär i stället, eftersom e är kvadratiskt.
  • Guessing a proportion far from 50% "to be safe" — that actually shrinks the calculated sample size, the opposite of conservative; 50% is the truly conservative (maximum) choice.
  • Genom att tillämpa den finita populationskorrigeringen på en i praktiken oändlig population (nationella undersökningar, webbtrafik) – korrigeringen ändrar knappt någonting i den skalan.
  • Att blanda ihop proportionsformeln med medelformeln - medelversionen behöver en uppskattning av standardavvikelsen, inte en proportion.

Vanliga frågor

Varför spelar urvalsstorleken roll i statistik?

Ett för litet urval ger otillförlitliga uppskattningar och breda konfidensintervall. Adekvat storlek upptäcker verkliga effekter och håller felmarginalen inom ditt mål.

Vilka indata driver formler för sampelstorlek?

Konfidensnivå, felmarginal, populationsvariabilitet och om du uppskattar en andel eller ett medelvärde påverkar alla den nödvändiga urvalsstorleken.

Spelar befolkningens storlek alltid någon roll?

För stora populationer beror urvalets storlek huvudsakligen på felmarginal och variabilitet. För små ändliga populationer kan en korrektionsfaktor minska erforderligt n.

Vad är statistisk makt?

Power är chansen att upptäcka en effekt när en sådan finns. Underkraftiga studier missar ofta verkliga fynd; provstorleksplanering balanserar kraft, kostnad och precision.

Hur använder jag den här provstorlekskalkylatorn?

Välj studietyp, ange konfidensnivå, felmarginal och uppskattad variabilitet och klicka sedan på Beräkna för rekommenderad urvalsstorlek.

Varför ska jag använda p = 0,5 när jag inte vet befolkningsandelen?

När den sanna andelen är okänd är 50 % det säkraste antagandet eftersom p × (1 − p) – termen drivande urvalsstorlek – är maximalt när p = 0,5. Varje annan uppdelning, som 20/80 eller 90/10, ger en mindre beräknad urvalsstorlek, så att använda 50 % garanterar att din studie är tillräckligt driven oavsett vad den verkliga andelen visar sig vara.

More math calculators