Ukuran sampel mewakili jumlah pengamatan yang diambil untuk melakukan analisis statistik. Ukuran sampel dapat terdiri dari orang, hewan, kumpulan makanan, mesin, baterai, atau populasi apa pun yang sedang dievaluasi.
Pengambilan Sampel Acak
Pengambilan sampel acak adalah metode di mana sampel acak dikumpulkan dari suatu populasi untuk memperkirakan informasi tentang populasi tanpa bias. Misalnya, jika Anda ingin mengetahui tipe orang yang tinggal di kota tertentu, Anda harus mewawancarai/mengukur orang yang berbeda secara acak. Namun, jika Anda hanya menggunakan semua orang dari perpustakaan, Anda tidak akan memiliki perkiraan yang adil/tidak memihak tentang seperti apa populasi umum yang menempati kota tersebut, hanya orang-orang yang pergi ke perpustakaan.
Presisi
Saat ukuran sampel meningkat, perkiraan menjadi lebih akurat. Misalnya, jika kita secara acak memilih 10 laki-laki manusia dewasa, kita mungkin mendapati tinggi rata-rata mereka adalah 6 kaki 3 inci, mungkin karena ada pemain bola basket yang membesar-besarkan perkiraan kita. Namun, jika kita mengukur dua juta manusia laki-laki dewasa, kita akan memiliki prediktor yang lebih baik untuk tinggi rata-rata laki-laki karena ekstrem akan seimbang dan rata-rata yang sebenarnya akan menutupi setiap penyimpangan dari rata-rata.
Interval Keyakinan
Ketika seorang ahli statistik membuat prediksi tentang suatu hasil, dia akan sering membuat interval di sekitar perkiraannya. Misalnya, jika kita mengukur berat 100 wanita, kita dapat mengatakan bahwa kita 90 persen yakin bahwa berat rata-rata wanita sebenarnya berada dalam interval 103 hingga 129 pon. (Ini, tentu saja, bergantung pada faktor lain seperti variabilitas dalam pengukuran juga.) Saat ukuran sampel meningkat, kami menjadi lebih percaya diri tentang estimasi kami, dan interval kami menjadi lebih kecil. Misalnya, dengan satu juta wanita, kita dapat mengatakan bahwa kita 98 persen yakin bahwa berat rata-rata wanita yang sebenarnya adalah antara 115 dan 117 pon. Dengan kata lain, saat ukuran sampel meningkat, kepercayaan kita terhadap pengukuran kita meningkat dan ukuran interval kepercayaan kita menurun.
Kesalahan Standar
Variasi adalah ukuran penyebaran data di sekitar rata-rata. Standar deviasi adalah akar kuadrat dari variasi dan membantu memperkirakan persentase populasi yang berada di antara rentang nilai relatif terhadap rata-rata. Saat ukuran sampel meningkat, kesalahan standar, yang bergantung pada standar deviasi dan ukuran sampel, berkurang. Konsekuensinya, estimasi meningkat dalam presisi dan penelitian yang dibangun berdasarkan estimasi ini dianggap lebih andal (dengan risiko kesalahan yang lebih kecil).
Kesulitan dalam Menggunakan Ukuran Sampel yang Lebih Besar
Ukuran sampel yang lebih besar jelas menghasilkan perkiraan populasi yang lebih baik dan lebih akurat, tetapi ada beberapa masalah dengan peneliti yang menggunakan ukuran sampel yang lebih besar. Pertama-tama, mungkin sulit menemukan sampel acak dari orang yang mau mencoba obat baru. Ketika Anda melakukannya, akan lebih mahal untuk menyediakan obat tersebut kepada lebih banyak orang dan untuk memantau lebih banyak orang dari waktu ke waktu. Selain itu, dibutuhkan lebih banyak upaya untuk mendapatkan dan mempertahankan ukuran sampel yang lebih besar. Bahkan jika ukuran sampel yang lebih besar menghasilkan statistik yang lebih akurat, biaya dan upaya ekstra tidak selalu diperlukan karena ukuran sampel yang lebih kecil juga dapat memberikan hasil yang signifikan.
gambar yang aneh oleh Daniel Wiedemann dari Fotolia.com
