ຈໍານວນຕົວຢ່າງຫມາຍຄວາມວ່າ. ຈໍານວນຕົວຢ່າງ. ຂະຫນາດຕົວຢ່າງຫມາຍເຖິງຈໍານວນຕົວຢ່າງທີ່ຕ້ອງການເພື່ອໃຫ້ຜົນໄດ້ຮັບໃດໆທີ່ໄດ້ຮັບ extrapolated ກັບປະຊາກອນຂະຫນາດໃຫຍ່.
ຕໍ່ໄປນີ້, ເຈົ້າຊອກຫາຄວາມແຕກຕ່າງໃນການກວດຫາແນວໃດ?
ເປັນຫຍັງການຄິດໄລ່ຂະຫນາດຕົວຢ່າງຈຶ່ງມີຄວາມສໍາຄັນ? ເປັນຫຍັງການຄິດໄລ່ຂະຫນາດຕົວຢ່າງ? ຈຸດປະສົງຕົ້ນຕໍຂອງການຄິດໄລ່ຂະຫນາດຕົວຢ່າງແມ່ນ ເພື່ອກໍານົດຈໍານວນຜູ້ເຂົ້າຮ່ວມທີ່ຈໍາເປັນເພື່ອກວດພົບຜົນກະທົບການປິ່ນປົວທີ່ກ່ຽວຂ້ອງທາງດ້ານຄລີນິກ. ການຄິດໄລ່ກ່ອນການສຶກສາຂອງຂະຫນາດຕົວຢ່າງທີ່ຕ້ອງການແມ່ນຮັບປະກັນໃນການສຶກສາດ້ານປະລິມານສ່ວນໃຫຍ່.
ນອກຈາກນັ້ນ, ຄວາມແຕກຕ່າງລະຫວ່າງການເກັບຕົວຢ່າງແບບສຸ່ມ ແລະ ບໍ່ສຸ່ມແມ່ນຫຍັງ? ການເກັບຕົວຢ່າງແບບສຸ່ມແມ່ນເອີ້ນວ່າເຕັກນິກການເກັບຕົວຢ່າງທີ່ຄວາມເປັນໄປໄດ້ຂອງການເລືອກແຕ່ລະຕົວຢ່າງແມ່ນເທົ່າທຽມກັນ. … ການເກັບຕົວຢ່າງທີ່ບໍ່ແມ່ນແບບສຸ່ມແມ່ນເຕັກນິກການເກັບຕົວຢ່າງທີ່ການເລືອກຕົວຢ່າງແມ່ນອີງໃສ່ປັດໃຈອື່ນນອກຈາກພຽງແຕ່ໂອກາດແບບສຸ່ມເທົ່ານັ້ນ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ການເກັບຕົວຢ່າງທີ່ບໍ່ແມ່ນແບບສຸ່ມ ມີຄວາມລໍາອຽງໃນທໍາມະຊາດ.
ເປັນຫຍັງຂະຫນາດຕົວຢ່າງທີ່ໃຫຍ່ກວ່າຈຶ່ງດີກວ່າ? ເຫດຜົນທໍາອິດທີ່ຈະເຂົ້າໃຈວ່າເປັນຫຍັງຂະຫນາດຕົວຢ່າງຂະຫນາດໃຫຍ່ທີ່ເປັນປະໂຫຍດແມ່ນງ່າຍດາຍ. ຕົວຢ່າງທີ່ໃຫຍ່ກວ່າແມ່ນປະມານປະຊາກອນຢ່າງໃກ້ຊິດ. ເນື່ອງຈາກວ່າເປົ້າຫມາຍຕົ້ນຕໍຂອງສະຖິຕິ inferential ແມ່ນເພື່ອ generalize ຈາກຕົວຢ່າງໄປຫາປະຊາກອນ, ມັນເປັນການ inference ຫນ້ອຍຖ້າຫາກວ່າຂະຫນາດຕົວຢ່າງມີຂະຫນາດໃຫຍ່.
ຄວາມແຕກຕ່າງໃນສະຖິຕິແມ່ນຫຍັງ?
ຄວາມແຕກຕ່າງທາງສະຖິຕິຫມາຍເຖິງ ກັບຄວາມແຕກຕ່າງທີ່ ສຳ ຄັນລະຫວ່າງກຸ່ມວັດຖຸຫຼືຄົນ. ນັກວິທະຍາສາດຄິດໄລ່ຄວາມແຕກຕ່າງນີ້ເພື່ອກໍານົດວ່າຂໍ້ມູນຈາກການທົດລອງມີຄວາມຫນ້າເຊື່ອຖືກ່ອນທີ່ຈະສະຫຼຸບແລະເຜີຍແຜ່ຜົນໄດ້ຮັບ.
ການທົດສອບຄວາມແຕກຕ່າງໃນສະຖິຕິແມ່ນຫຍັງ? ໃນສະຖິຕິ, ການທົດສອບຄວາມແຕກຕ່າງຂອງຄູ່ແມ່ນ ປະເພດຂອງການທົດສອບສະຖານທີ່ທີ່ຖືກນໍາໃຊ້ເມື່ອປຽບທຽບສອງຊຸດຂອງການວັດແທກເພື່ອປະເມີນວ່າປະຊາກອນຂອງພວກເຂົາຫມາຍຄວາມວ່າແຕກຕ່າງກັນບໍ?. … ຕົວຢ່າງທີ່ຄຸ້ນເຄີຍທີ່ສຸດຂອງການທົດສອບຄວາມແຕກຕ່າງກັນເປັນຄູ່ເກີດຂຶ້ນເມື່ອວິຊາຖືກວັດແທກກ່ອນ ແລະຫຼັງການປິ່ນປົວ.
ຄວາມແຕກຕ່າງລະຫວ່າງສອງຢ່າງມີຄວາມ ໝາຍ ທາງສະຖິຕິບໍ? ບໍ່ແມ່ນຍ້ອນໂອກາດ
ໃນຫຼັກການ, ກ ຜົນໄດ້ຮັບທີ່ສໍາຄັນທາງສະຖິຕິ (ໂດຍປົກກະຕິແມ່ນຄວາມແຕກຕ່າງ) ເປັນຜົນທີ່ບໍ່ໄດ້ໝາຍເຖິງໂຊກ. ທາງດ້ານເຕັກນິກຫຼາຍກວ່ານັ້ນ, ມັນຫມາຍຄວາມວ່າຖ້າ Null Hypothesis ເປັນຄວາມຈິງ (ຊຶ່ງຫມາຍຄວາມວ່າບໍ່ມີຄວາມແຕກຕ່າງແທ້ໆ), ມີຄວາມເປັນໄປໄດ້ຕໍ່າທີ່ຈະໄດ້ຮັບຜົນໄດ້ຮັບທີ່ໃຫຍ່ຫຼືໃຫຍ່ກວ່າ.
ຂະຫນາດຕົວຢ່າງມີຜົນຕໍ່ຄວາມຖືກຕ້ອງຫຼືຄວາມຫນ້າເຊື່ອຖືບໍ?
ຂະຫນາດຕົວຢ່າງທີ່ເຫມາະສົມແມ່ນສໍາຄັນສໍາລັບຜົນໄດ້ຮັບທີ່ເຊື່ອຖືໄດ້, ສາມາດແຜ່ພັນໄດ້, ແລະຖືກຕ້ອງ. ຫຼັກຖານທີ່ສ້າງຂຶ້ນຈາກຂະຫນາດຕົວຢ່າງຂະຫນາດນ້ອຍແມ່ນມັກຈະມີຄວາມຜິດພາດ, ທັງສອງທາງລົບທີ່ບໍ່ຖືກຕ້ອງ (ຄວາມຜິດພາດປະເພດ II) ເນື່ອງຈາກພະລັງງານບໍ່ພຽງພໍແລະຜົນບວກທີ່ບໍ່ຖືກຕ້ອງ (ຄວາມຜິດພາດປະເພດ I) ເນື່ອງຈາກຕົວຢ່າງທີ່ລໍາອຽງ.
ຍັງຈະເກີດຫຍັງຂຶ້ນຖ້າຂະໜາດຕົວຢ່າງໃຫຍ່ເກີນໄປ? ຕົວຢ່າງຂະຫນາດໃຫຍ່ຫຼາຍ ມີແນວໂນ້ມທີ່ຈະຫັນປ່ຽນຄວາມແຕກຕ່າງນ້ອຍໆໄປສູ່ຄວາມແຕກຕ່າງທີ່ມີຄວາມສໍາຄັນທາງສະຖິຕິ – ເຖິງແມ່ນວ່າໃນເວລາທີ່ພວກເຂົາເຈົ້າແມ່ນບໍ່ສໍາຄັນທາງດ້ານການຊ່ວຍ. ດັ່ງນັ້ນ, ນັກຄົ້ນຄວ້າແລະແພດຫມໍທັງສອງໄດ້ຖືກນໍາພາໃນທາງທີ່ຜິດ, ເຊິ່ງອາດຈະນໍາໄປສູ່ຄວາມລົ້ມເຫຼວໃນການຕັດສິນໃຈການປິ່ນປົວ.
ຂະຫນາດຕົວຢ່າງມີຜົນກະທົບຕໍ່ຄວາມຖືກຕ້ອງແນວໃດ?
ເນື່ອງຈາກວ່າພວກເຮົາມີຂໍ້ມູນເພີ່ມເຕີມແລະດັ່ງນັ້ນຂໍ້ມູນເພີ່ມເຕີມ, ການຄາດຄະເນຂອງພວກເຮົາແມ່ນຊັດເຈນກວ່າ. ໃນຖານະເປັນຂະຫນາດຕົວຢ່າງຂອງພວກເຮົາ ເພີ່ມຂຶ້ນ, ຄວາມຫມັ້ນໃຈໃນການຄາດຄະເນຂອງພວກເຮົາເພີ່ມຂຶ້ນ, ຄວາມບໍ່ແນ່ນອນຂອງພວກເຮົາຫຼຸດລົງແລະພວກເຮົາມີຄວາມແມ່ນຍໍາຫຼາຍກວ່າເກົ່າ.
ຄວາມແຕກຕ່າງລະຫວ່າງຄວາມເປັນໄປໄດ້ຂອງການເກັບຕົວຢ່າງແບບສຸ່ມ ແລະ ບໍ່ສຸ່ມ ແລະວິທີການເກັບຕົວຢ່າງທີ່ບໍ່ແມ່ນຄວາມເປັນໄປໄດ້ * *? ຄວາມແຕກຕ່າງລະຫວ່າງການເກັບຕົວຢ່າງທີ່ບໍ່ເປັນໄປໄດ້ ແລະຄວາມເປັນໄປໄດ້ແມ່ນ ການເກັບຕົວຢ່າງທີ່ບໍ່ເປັນໄປໄດ້ບໍ່ກ່ຽວຂ້ອງກັບການເລືອກແບບສຸ່ມ ແລະການເກັບຕົວຢ່າງຄວາມເປັນໄປໄດ້. …ໂດຍທົ່ວໄປແລ້ວ, ນັກຄົ້ນຄວ້າມັກວິທີການເກັບຕົວຢ່າງທີ່ອາດຈະເປັນໄປໄດ້ ຫຼືແບບສຸ່ມຫຼາຍກວ່າສິ່ງທີ່ບໍ່ເປັນໄປໄດ້, ແລະຖືວ່າພວກມັນຖືກຕ້ອງ ແລະເຂັ້ມງວດກວ່າ.
ຄວາມແຕກຕ່າງລະຫວ່າງການເກັບຕົວຢ່າງຈຸດປະສົງແລະການເກັບຕົວຢ່າງແບບສຸ່ມແມ່ນຫຍັງ?
ບໍ່ເຫມືອນກັບເຕັກນິກການເກັບຕົວຢ່າງຕ່າງໆທີ່ສາມາດຖືກນໍາໃຊ້ພາຍໃຕ້ການເກັບຕົວຢ່າງຄວາມເປັນໄປໄດ້ (ຕົວຢ່າງເຊັ່ນ: ການເກັບຕົວຢ່າງແບບສຸ່ມແບບງ່າຍດາຍ, ການເກັບຕົວຢ່າງແບບສຸ່ມ, ແລະອື່ນໆ), ເປົ້າຫມາຍຂອງການເກັບຕົວຢ່າງທີ່ມີຈຸດປະສົງ. ບໍ່ແມ່ນການສຸ່ມເລືອກຫົວຫນ່ວຍຈາກປະຊາກອນເພື່ອສ້າງຕົວຢ່າງທີ່ມີຈຸດປະສົງເພື່ອເຮັດໃຫ້ໂດຍທົ່ວໄປ (ເຊັ່ນ: ສະຖິຕິ...
ຄວາມແຕກຕ່າງລະຫວ່າງຕົວຢ່າງ ແລະປະຊາກອນແມ່ນຫຍັງ?
ປະຊາກອນແມ່ນກຸ່ມທັງໝົດທີ່ເຈົ້າຕ້ອງການສະຫຼຸບ. ຕົວຢ່າງແມ່ນກຸ່ມສະເພາະທີ່ເຈົ້າຈະເກັບກຳຂໍ້ມູນຈາກ. ຂະຫນາດຂອງຕົວຢ່າງແມ່ນສະເຫມີຫນ້ອຍກ່ວາຂະຫນາດທັງຫມົດຂອງປະຊາກອນ.
ເຈົ້າຮູ້ໄດ້ແນວໃດວ່າຂະຫນາດຕົວຢ່າງແມ່ນມີຄວາມສໍາຄັນທາງສະຖິຕິ? ໂດຍທົ່ວໄປ, ກົດລະບຽບຂອງ thumb ແມ່ນວ່າ ຂະຫນາດຕົວຢ່າງຂະຫນາດໃຫຍ່, ຄວາມສໍາຄັນທາງສະຖິຕິຫຼາຍຂຶ້ນ—ຫມາຍຄວາມວ່າມີໂອກາດຫນ້ອຍທີ່ຜົນໄດ້ຮັບຂອງເຈົ້າເກີດຂຶ້ນໂດຍບັງເອີນ.
ຂໍ້ເສຍຂອງການມີຂະຫນາດຕົວຢ່າງຂະຫນາດໃຫຍ່ແມ່ນຫຍັງ? ຈໍາເປັນຕ້ອງໃຊ້ເວລາຫຼາຍນັບຕັ້ງແຕ່ຂະຫນາດຕົວຢ່າງທີ່ໃຫຍ່ກວ່າ ແຜ່ຂະຫຍາຍໃນລັກສະນະ ວ່າປະຊາກອນໄດ້ຖືກແຜ່ຂະຫຍາຍແລະດັ່ງນັ້ນການລວບລວມຂໍ້ມູນຈາກຕົວຢ່າງທັງຫມົດຈະໃຊ້ເວລາຫຼາຍເມື່ອທຽບກັບຂະຫນາດຕົວຢ່າງທີ່ນ້ອຍກວ່າ.
ເຈົ້າບອກແນວໃດວ່າຄວາມແຕກຕ່າງລະຫວ່າງສອງຕົວເລກແມ່ນມີຄວາມສໍາຄັນທາງສະຖິຕິ?
t-test ໃຫ້ຄວາມເປັນໄປໄດ້ວ່າຄວາມແຕກຕ່າງລະຫວ່າງສອງວິທີແມ່ນເກີດມາຈາກໂອກາດ. ມັນເປັນປະເພນີທີ່ຈະເວົ້າວ່າຖ້າຫາກວ່ານີ້ ຄວາມເປັນໄປໄດ້ແມ່ນໜ້ອຍກວ່າ 0.05, ວ່າຄວາມແຕກຕ່າງແມ່ນ 'ທີ່ສໍາຄັນ', ຄວາມແຕກຕ່າງບໍ່ໄດ້ເກີດມາຈາກໂອກາດ.
ການທົດສອບໃດສາມາດໃຊ້ໄດ້ຖ້າຂະຫນາດຕົວຢ່າງຫນ້ອຍກວ່າ 30? ການທົດສອບ Z ມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບການທົດສອບ t, ແຕ່ການທົດສອບ t ແມ່ນປະຕິບັດໄດ້ດີທີ່ສຸດເມື່ອການທົດລອງມີຂະຫນາດຕົວຢ່າງຂະຫນາດນ້ອຍ, ຫນ້ອຍກວ່າ 30. ນອກຈາກນີ້, t-tests ສົມມຸດວ່າມາດຕະຖານ deviation ແມ່ນບໍ່ຮູ້ຈັກ, ໃນຂະນະທີ່ z-tests ສົມມຸດວ່າມັນເປັນທີ່ຮູ້ຈັກ.
ເມື່ອຂະຫນາດຂອງຕົວຢ່າງ n ຫນ້ອຍກວ່າ 30 ແລ້ວຕົວຢ່າງນັ້ນເອີ້ນວ່າເປັນ?
ເມື່ອຂະຫນາດຕົວຢ່າງແມ່ນຫນ້ອຍກວ່າ 30 ດັ່ງນັ້ນພວກເຮົາໂທຫາມັນ ຕົວຢ່າງຂະຫນາດນ້ອຍ, ແຕ່ເມື່ອຂະຫນາດຕົວຢ່າງຂອງພວກເຮົາແມ່ນ 38 (ການສັງເກດການ) ພວກເຮົາຍັງເອີ້ນວ່າຂະຫນາດຕົວຢ່າງຂະຫນາດນ້ອຍ.
ຄວາມແຕກຕ່າງສ່ວນຮ້ອຍໃດທີ່ມີຄວາມສໍາຄັນທາງສະຖິຕິ? ໂດຍທົ່ວໄປ, p-value ຂອງ 5% ຫຼືຕ່ ຳ ກວ່າ ຖືວ່າມີຄວາມສຳຄັນທາງສະຖິຕິ.
ຂະຫນາດຕົວຢ່າງມີຜົນກະທົບຕໍ່ການກໍານົດຄວາມສໍາຄັນທາງສະຖິຕິແນວໃດ?
ຂະຫນາດຕົວຢ່າງທີ່ສູງຂຶ້ນ ອະນຸຍາດໃຫ້ນັກຄົ້ນຄວ້າເພີ່ມລະດັບຄວາມສໍາຄັນຂອງການຄົ້ນພົບ, ເນື່ອງຈາກວ່າຄວາມຫມັ້ນໃຈຂອງຜົນໄດ້ຮັບມີແນວໂນ້ມທີ່ຈະເພີ່ມຂຶ້ນດ້ວຍຂະຫນາດຕົວຢ່າງທີ່ສູງຂຶ້ນ. ນີ້ແມ່ນຄາດວ່າຈະເປັນເພາະວ່າຂະຫນາດຕົວຢ່າງທີ່ໃຫຍ່ກວ່າ, ຢ່າງຖືກຕ້ອງຄາດວ່າຈະສະທ້ອນເຖິງພຶດຕິກໍາຂອງກຸ່ມທັງຫມົດ.
ຂະຫນາດຕົວຢ່າງມີຜົນກະທົບຕໍ່ຄວາມສາມາດທົ່ວໄປບໍ? ຂະໜາດຕົວຢ່າງບໍ່ພຽງພໍ ໄດ້ຖືກເຫັນວ່າເປັນການຂົ່ມຂູ່ຄວາມຖືກຕ້ອງແລະຄວາມສາມາດທົ່ວໄປຂອງການສຶກສາ' ຜົນໄດ້ຮັບ, ກັບອັນສຸດທ້າຍແມ່ນ conceived ເລື້ອຍໆໃນຂໍ້ກໍານົດ nomothetic.
ຂະໜາດຕົວຢ່າງມີຂໍ້ຈຳກັດແນວໃດ?
ຂໍ້ຈໍາກັດຂະຫນາດຕົວຢ່າງ
ຂະຫນາດຕົວຢ່າງຂະຫນາດນ້ອຍ ອາດຈະເຮັດໃຫ້ມັນຍາກທີ່ຈະກໍານົດວ່າຜົນໄດ້ຮັບສະເພາະໃດຫນຶ່ງແມ່ນການຄົ້ນພົບທີ່ແທ້ຈິງ ແລະໃນບາງກໍລະນີຄວາມຜິດພາດປະເພດ II ອາດຈະເກີດຂຶ້ນ, ie, ການສົມມຸດຕິຖານ null ໄດ້ຖືກຍອມຮັບບໍ່ຖືກຕ້ອງແລະບໍ່ມີຄວາມແຕກຕ່າງລະຫວ່າງກຸ່ມການສຶກສາ.