Örneklem Büyüklüğü Hesaplayıcı
Anketler ve araştırmalar için gerekli örneklem büyüklüğünü hesaplayın.
Bu araç hakkında
Örneklem büyüklüğü hesaplayıcı, sonuçlarınıza güvenilebilmesi için kaç katılımcıya ihtiyacınız olduğunu söyler. Araştırmalarda sık karşılaşılan bir sorunu çözer: çok az yanıt toplarsanız bulgular istatistiksel olarak güvenilmez olur, çok fazla toplarsanız zaman ve bütçe israf edersiniz.
Kullanmak için istediğiniz güven düzeyini, kabul edebileceğiniz hata payını, toplam ana kütle büyüklüğünü ve beklenen yanıt dağılımını ayarlayın; araç gerekli örneklem büyüklüğünü verir. Pazar anketleri, akademik araştırmalar, A/B testi planlaması ve kamuoyu yoklamaları için kullanışlıdır.
Daha yüksek bir güven düzeyinin veya daha küçük bir hata payının her zaman daha büyük bir örneklem gerektirdiğini unutmayın. Tüm hesaplamalar tarayıcınızda yerel olarak çalışır, bu nedenle girdiğiniz veriler cihazınızdan asla ayrılmaz.
Sıkça Sorulan Sorular
Kod Uygulaması
import math
# Z-values for common confidence levels
Z_VALUES = {80: 1.282, 85: 1.440, 90: 1.645, 95: 1.960, 99: 2.576}
def sample_size(confidence: int, margin_of_error: float, population: int = None) -> int:
"""
Calculate required sample size.
confidence: confidence level (80, 85, 90, 95, or 99)
margin_of_error: as a decimal (e.g. 0.05 for 5%)
population: total population size (None for infinite)
"""
z = Z_VALUES[confidence]
p = 0.5 # worst-case proportion
n = (z ** 2 * p * (1 - p)) / (margin_of_error ** 2)
if population is not None and population > 0:
n = n / (1 + (n - 1) / population)
return math.ceil(n)
# Examples
print(sample_size(95, 0.05)) # 385 (infinite population)
print(sample_size(95, 0.05, 1000)) # 278 (adjusted for N=1000)
print(sample_size(99, 0.03)) # 1842
print(sample_size(90, 0.05)) # 271
Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.