નમૂનાના કદની ગણતરી કેવી રીતે કરવી
યોગ્ય નમૂનાનું કદ નક્કી કરવું એ સંશોધન અને આંકડાશાસ્ત્રમાં સૌથી મહત્વપૂર્ણ પગલાં પૈકીનું એક છે. ખૂબ નાનો નમૂનો અવિશ્વસનીય પરિણામો આપે છે; ખૂબ મોટા કચરો સંસાધનો. આદર્શ નમૂનાનું કદ તમારા ઇચ્છિત આત્મવિશ્વાસના સ્તર, ભૂલના માર્જિન અને વસ્તીના કદ પર આધારિત છે.
ફોર્મ્યુલા (અજ્ઞાત વસ્તી કદ)
n = (Z² × p × (1 − p)) / e²
ક્યાં:
- n = જરૂરી નમૂનાનું કદ
- તમારા આત્મવિશ્વાસના સ્તર માટે Z = Z-સ્કોર
- p = અંદાજિત પ્રમાણ (જો અજાણ્યા હોય તો મહત્તમ નમૂનાના કદ માટે 0.5 નો ઉપયોગ કરો)
- e = ભૂલનો માર્જિન (દશાંશ તરીકે)
સામાન્ય Z-સ્કોર્સ
| કોન્ફિડન્સ લેવલ | Z-સ્કોર |
|---|---|
| 90% | 1.645 |
| 95% | 1.960 |
| 99% | 2.576 |
પગલું-દર-પગલાંનું ઉદાહરણ
તમે ભૂલના ±5% માર્જિન સાથે 95% આત્મવિશ્વાસ ઇચ્છો છો અને અપેક્ષિત પ્રમાણ જાણતા નથી.
- Z = 1.96 (95% આત્મવિશ્વાસ માટે)
- p = 0.5 (રૂઢિચુસ્ત અંદાજ)
- e = 0.05
n = (1.96² × 0.5 × 0.5) / 0.05² n = (3.8416 × 0.25) / 0.0025 n = 0.9604 / 0.0025 n = 384.16 → રાઉન્ડ અપ 385
મર્યાદિત વસ્તી માટે ગોઠવણ
જો તમારી વસ્તી ઓછી છે (N < 10,000), તો મર્યાદિત વસ્તી સુધારણાનો ઉપયોગ કરો:
n_adjusted = n / (1 + (n − 1)/N)
વ્યવહારુ વિચારણાઓ
- ભૂલના ±5% માર્જિન સાથે 95% આત્મવિશ્વાસ સ્તર મોટાભાગના સર્વેક્ષણો માટે પ્રમાણભૂત છે
- આત્મવિશ્વાસને 99% સુધી વધારવો અથવા ભૂલને ±3% સુધી ઘટાડવાથી નમૂનાના કદમાં નોંધપાત્ર વધારો થાય છે
- બિન-પ્રતિસાદ અથવા ડ્રોપઆઉટ માટે એકાઉન્ટમાં 10-20% નો નમૂના વધારો
તમારા અભ્યાસ માટે યોગ્ય n નક્કી કરવા માટે અમારા નમૂના માપ કેલ્ક્યુલેટરનો ઉપયોગ કરો.