Վերլուծություն և թեստավորումCRM և տվյալների պլատֆորմներMartech Zone Apps

Հավելված. Հարցման Նվազագույն Նմուշի Չափ Հաշվիչ

Հարցման Նվազագույն Նմուշի Չափ Հաշվիչ

Հարցման Նվազագույն Նմուշի Չափ Հաշվիչ

Լրացրեք ձեր բոլոր կարգավորումները: Ձևը ներկայացնելիս կցուցադրվի ձեր նվազագույն նմուշի չափը:

%
Ձեր տվյալները և էլփոստի հասցեն չեն պահվում:
Վերսկսել

Հարցում մշակելը և վստահ լինելը, որ դուք ունեք վավեր պատասխան, որի վրա կարող եք հիմնել ձեր բիզնես որոշումները, պահանջում է բավականին մեծ փորձ: Նախ, դուք պետք է ապահովեք, որ ձեր հարցերը տրվեն այնպես, որ չկողմնորոշվի պատասխանը: Երկրորդ, դուք պետք է ապահովեք, որ դուք հարցումներ կատարեք բավարար թվով մարդկանց վիճակագրորեն վավեր արդյունք ստանալու համար:

Պետք չէ ամեն մարդու հարցնել, սա աշխատատար և բավականին թանկ կլինի: Շուկայի հետազոտական ​​ընկերությունները աշխատում են վստահության բարձր մակարդակի և սխալի ցածր սահմանի հասնելու համար՝ միաժամանակ հասնելով անհրաժեշտ նվազագույն քանակի ստացողների: Սա հայտնի է որպես ձեր նմուշի չափը. Դու ես նմուշառում ընդհանուր բնակչության որոշակի տոկոս՝ արդյունքի հասնելու համար, որն ապահովում է մակարդակ վստահություն արդյունքները վավերացնելու համար: Օգտագործելով լայնորեն ընդունված բանաձև ՝ դուք կարող եք որոշել վավեր նմուշի չափը որը կներկայացնի բնակչությունն ընդհանուր առմամբ:

Եթե ​​սա կարդում եք RSS- ի կամ էլփոստի միջոցով, կտտացրեք կայք ՝ գործիքը օգտագործելու համար.

Հաշվեք ձեր հարցման նմուշի չափը

Ինչպե՞ս է գործում նմուշառումը:

Ընտրանքը ավելի մեծ պոպուլյացիայից անհատների ենթաբազմություն ընտրելու գործընթաց է՝ ամբողջ բնակչության բնութագրերի վերաբերյալ եզրակացություններ անելու համար: Այն հաճախ օգտագործվում է հետազոտական ​​ուսումնասիրություններում և հարցումներում՝ տվյալներ հավաքելու և բնակչության մասին կանխատեսումներ անելու համար:

Նմուշառման մի քանի տարբեր մեթոդներ կարող են օգտագործվել, այդ թվում՝

  1. Պարզ պատահական նմուշառում. Սա ներառում է ընտրանքի ընտրություն բնակչության միջից՝ օգտագործելով պատահական մեթոդ, ինչպես օրինակ՝ ցանկից անունների պատահական ընտրությունը կամ պատահական թվերի գեներատորի օգտագործումը: Սա ապահովում է, որ բնակչության յուրաքանչյուր անդամ ընտրանքի համար ընտրվելու հավասար հնարավորություն ունի:
  2. Շերտավորված նմուշառում ներառում է բնակչության բաժանումը ենթախմբերի (շերտերի)՝ հիմնվելով որոշակի բնութագրերի վրա և այնուհետև յուրաքանչյուր շերտից պատահական ընտրանք ընտրելը: Սա ապահովում է, որ ընտրանքը ներկայացնող է բնակչության տարբեր ենթախմբերի համար:
  3. Կլաստերային նմուշառում. Սա ներառում է բնակչության բաժանումը փոքր խմբերի (կլաստերների) և այնուհետև կլաստերների պատահական ընտրանքի ընտրություն: Ընտրված կլաստերների բոլոր անդամները ներառված են ընտրանքում:
  4. Համակարգված նմուշառում. Սա ներառում է ընտրանքի համար բնակչության յուրաքանչյուր n-րդ անդամի ընտրությունը, որտեղ n-ը նմուշառման միջակայքն է: Օրինակ, եթե ընտրանքի միջակայքը 10 է, իսկ բնակչության չափը՝ 100, ընտրանքի համար կընտրվի յուրաքանչյուր 10-րդ անդամը:

Կարևոր է ընտրել համապատասխան ընտրանքի մեթոդը՝ ելնելով բնակչության բնութագրերից և հետազոտվող հետազոտական ​​հարցից:

Վստահության մակարդակն ընդդեմ սխալի մարժայի

Ընտրանքային հարցման մեջ վստահության մակարդակը չափում է ձեր վստահությունը, որ ձեր ընտրանքը ճշգրիտ է ներկայացնում բնակչությանը: Այն արտահայտվում է որպես տոկոս և որոշվում է ձեր ընտրանքի չափով և ձեր բնակչության փոփոխականության մակարդակով: Օրինակ, 95% վստահության մակարդակը նշանակում է, որ եթե դուք հետազոտությունն անցկացնեիք մի քանի անգամ, ապա արդյունքները ճշգրիտ կլինեն 95% դեպքերում:

The սխալի մարժա, մյուս կողմից, չափում է, թե որքանով կարող են ձեր հետազոտության արդյունքները տարբերվել իրական բնակչության արժեքից: Այն սովորաբար արտահայտվում է որպես տոկոս և որոշվում է ձեր ընտրանքի չափով և ձեր բնակչության փոփոխականության մակարդակով: Օրինակ, ենթադրենք, որ հարցման համար սխալի սահմանը գումարած կամ մինուս 3% է: Այդ դեպքում, եթե դուք հետազոտությունն անցկացնեիք մի քանի անգամ, ապա բնակչության իրական արժեքը ժամանակի 95%-ում կհայտնվի վստահության միջակայքում (սահմանված է ընտրանքի միջին գումարած կամ հանած սխալի սահմանով):

Այսպիսով, ամփոփելով, վստահության մակարդակը չափում է, թե որքանով եք վստահ, որ ձեր ընտրանքը ճշգրիտ կերպով ներկայացնում է բնակչությանը: Միևնույն ժամանակ, սխալի սահմանը չափում է, թե որքանով կարող են տարբերվել ձեր հետազոտության արդյունքները բնակչության իրական արժեքից:

Ինչու է ստանդարտ շեղումը կարևոր:

Ստանդարտ շեղումը չափում է տվյալների մի շարքի ցրվածությունը կամ տարածումը: Այն պատմում է ձեզ, թե տվյալների բազայի առանձին արժեքները որքանով են տարբերվում տվյալների բազայի միջինից: Հարցման համար ընտրանքի նվազագույն չափը հաշվարկելիս ստանդարտ շեղումը կարևոր է, քանի որ այն օգնում է ձեզ որոշել, թե որքան ճշգրտություն է ձեզ անհրաժեշտ ձեր ընտրանքում:

Եթե ​​ստանդարտ շեղումը փոքր է, ապա պոպուլյացիայի արժեքները համեմատաբար մոտ են միջինին, այնպես որ ձեզ անհրաժեշտ չի լինի մեծ ընտրանքի չափ՝ միջինի լավ գնահատական ​​ստանալու համար: Մյուս կողմից, եթե ստանդարտ շեղումը մեծ է, պոպուլյացիայի մեջ արժեքներն ավելի ցրված են, ուստի ձեզ անհրաժեշտ կլինի ավելի մեծ ընտրանքի չափ՝ միջինի լավ գնահատական ​​ստանալու համար:

Ընդհանուր առմամբ, որքան մեծ է ստանդարտ շեղումը, այնքան մեծ կլինի ընտրանքի չափը, որը ձեզ անհրաժեշտ կլինի ճշգրտության տվյալ մակարդակի հասնելու համար: Դա պայմանավորված է նրանով, որ ավելի մեծ ստանդարտ շեղումը ցույց է տալիս, որ պոպուլյացիան ավելի փոփոխական է, ուստի ձեզ անհրաժեշտ կլինի ավելի մեծ նմուշ՝ պոպուլյացիայի միջինը ճշգրիտ գնահատելու համար:

Նմուշի նվազագույն չափը որոշելու բանաձևը

Տվյալ բնակչության համար անհրաժեշտ նվազագույն ընտրանքի չափը որոշելու բանաձևը հետևյալն է.

S = \ frac {\ frac {z ^ 2 \ անգամ p \ ձախ (1-p \ աջ)} {e ^ 2}} {1+ \ ձախ (\ frac {z ^ 2 \ անգամ p \ ձախ (1- p \ աջ)} {e ^ 2N} \ աջ)}

որտեղ `

  • S = Նվազագույն նմուշի չափը, որը դուք պետք է ուսումնասիրեք ՝ հաշվի առնելով ձեր մուտքերը:
  • N = Բնակչության ընդհանուր չափը: Սա այն հատվածի կամ բնակչության չափն է, որը ցանկանում եք գնահատել:
  • e = Սխալի սահման: Երբ դուք ընտրում եք բնակչությունը, կլինի սխալի սահման:
  • z = Որքանո՞վ կարող եք վստահ լինել, որ բնակչությունը որոշակի տիրույթում կընտրի պատասխանը: Վստահության տոկոսը թարգմանվում է որպես z միավոր, ստանդարտ շեղումների թիվը տվյալ համամասնությամբ հեռու է միջինից:
  • p = Ստանդարտ շեղում (այս դեպքում 0.5%):

Douglas Karr

Douglas Karr -ի CMO-ն է OpenINSIGHTS և հիմնադիրը Martech Zone. Դուգլասը օգնել է MarTech-ի տասնյակ հաջողակ ստարտափների, աջակցել է ավելի քան 5 միլիարդ դոլարի չափով Martech-ի ձեռքբերումների և ներդրումների պատշաճ ուսումնասիրությանը և շարունակում է աջակցել ընկերություններին իրենց վաճառքի և շուկայավարման ռազմավարությունների իրականացման և ավտոմատացման գործում: Դուգլասը միջազգայնորեն ճանաչված թվային փոխակերպման և MarTech փորձագետ և խոսնակ է: Դուգլասը նաև Դումմիի ուղեցույցի և բիզնեսի առաջնորդության գրքի հրատարակված հեղինակ է:

Առնչվող հոդվածներ

Վերադառնալ սկիզբ կոճակը
փակել

Հայտնաբերվել է Adblock

Martech Zone կարող է անվճար տրամադրել ձեզ այս բովանդակությունը, քանի որ մենք դրամայնացնում ենք մեր կայքը գովազդից ստացված եկամուտների, փոխկապակցված հղումների և հովանավորությունների միջոցով: Մենք երախտապարտ կլինենք, եթե մեր կայքը դիտելիս հեռացնեիք ձեր գովազդային արգելափակիչը: