විශ්ලේෂණ සහ පරීක්ෂණCRM සහ දත්ත වේදිකාMartech Zone යෙදුම්

යෙදුම: සමීක්ෂණය අවම නියැදි ප්රමාණය කැල්ක්යුලේටරය

සමීක්ෂණය අවම නියැදි ප්‍රමාණයේ කැල්කියුලේටරය

සමීක්ෂණය අවම නියැදි ප්‍රමාණයේ කැල්කියුලේටරය

ඔබගේ සියලු සැකසුම් පුරවන්න. ඔබ පෝරමය ඉදිරිපත් කරන විට, ඔබේ අවම නියැදි ප්‍රමාණය පෙන්වනු ඇත.

%
ඔබගේ දත්ත සහ ඊමේල් ලිපිනය ගබඩා කර නොමැත.
නැවත ආරම්භ කරන්න

සමීක්ෂණයක් සංවර්ධනය කිරීම සහ ඔබට ඔබේ ව්‍යාපාරික තීරණ පදනම් කර ගත හැකි වලංගු ප්‍රතිචාරයක් ඇති බව සහතික කිරීම සඳහා තරමක් විශේෂඥ දැනුමක් අවශ්‍ය වේ. පළමුව, ඔබේ ප්‍රශ්න අසනු ලබන්නේ ප්‍රතිචාරයට පක්ෂග්‍රාහී නොවන ආකාරයට බව සහතික කර ගත යුතුය. දෙවනුව, ඔබ සංඛ්‍යානමය වශයෙන් වලංගු ප්‍රතිඵලයක් ලබා ගැනීමට ප්‍රමාණවත් පුද්ගලයින් සමීක්ෂණය කරන බවට සහතික විය යුතුය.

ඔබ සෑම පුද්ගලයෙකුගෙන්ම ඇසීමට අවශ්ය නැත, මෙය ශ්රමය-දැඩි සහ තරමක් මිල අධික වනු ඇත. අවශ්‍ය අවම ලබන්නන් ප්‍රමාණයට ළඟා වීමේදී ඉහළ මට්ටමේ විශ්වාසයක් සහ අඩු ආන්තික දෝෂයක් ලබා ගැනීමට වෙළඳපල පර්යේෂණ සමාගම් ක්‍රියා කරයි. මෙය ඔබගේ ලෙස හැඳින්වේ නියැදි ප්‍රමාණය. ඔබ නියැදීම මට්ටමක් සපයන ප්‍රතිඵලයක් ලබා ගැනීම සඳහා සමස්ත ජනගහනයෙන් යම් ප්‍රතිශතයක් විශ්වාසය ප්‍රති .ල වලංගු කිරීමට. පුළුල් ලෙස පිළිගත් සූත්‍රයක් භාවිතා කරමින් ඔබට වලංගු එකක් තීරණය කළ හැකිය නියැදි ප්‍රමාණය එය සමස්තයක් ලෙස ජනගහනය නියෝජනය කරනු ඇත.

ඔබ මෙය RSS හෝ විද්‍යුත් තැපෑල හරහා කියවන්නේ නම්, මෙවලම භාවිතා කිරීමට වෙබ් අඩවිය හරහා ක්ලික් කරන්න:

ඔබේ සමීක්ෂණ නියැදි ප්‍රමාණය ගණනය කරන්න

නියැදීම ක්‍රියාත්මක වන්නේ කෙසේද?

නියැදීම යනු සමස්ත ජනගහනයේ ලක්ෂණ පිළිබඳ නිගමනයන් සිදු කිරීම සඳහා විශාල ජනගහනයකින් පුද්ගලයින්ගේ උප කුලකයක් තෝරා ගැනීමේ ක්‍රියාවලියකි. එය බොහෝ විට පර්යේෂණ අධ්‍යයන සහ ඡන්ද විමසීම්වලදී දත්ත රැස් කිරීමට සහ ජනගහනයක් පිළිබඳ අනාවැකි පළ කිරීමට භාවිතා කරයි.

නියැදීමේ විවිධ ක්‍රම කිහිපයක් භාවිතා කළ හැකිය, ඒවා අතර:

  1. සරල අහඹු නියැදීම: ලැයිස්තුවකින් අහඹු ලෙස නම් තෝරා ගැනීම හෝ අහඹු සංඛ්‍යා උත්පාදකයක් භාවිතා කිරීම වැනි අහඹු ක්‍රමයක් භාවිතා කරමින් ජනගහනයෙන් නියැදියක් තෝරා ගැනීම මෙයට ඇතුළත් වේ. නියැදිය සඳහා තෝරා ගැනීමට ජනගහනයේ සෑම සාමාජිකයෙකුටම සමාන අවස්ථාවක් ඇති බව මෙයින් සහතික කෙරේ.
  2. ස්ථරීකෘත නියැදීම ජනගහණය යම් යම් ලක්ෂණ මත පදනම්ව උප කණ්ඩායම් (ස්ථර) වලට බෙදීම සහ එක් එක් ස්ථරයෙන් අහඹු නියැදියක් තෝරා ගැනීම ඇතුළත් වේ. මෙම නියැදිය ජනගහනය තුළ විවිධ උප කණ්ඩායම් නියෝජනය කරන බව සහතික කරයි.
  3. පොකුරු නියැදීම: මෙයට ජනගහනය කුඩා කණ්ඩායම් (පොකුරු) වලට බෙදීම සහ පසුව පොකුරුවල අහඹු නියැදියක් තෝරා ගැනීම ඇතුළත් වේ. තෝරාගත් පොකුරු වල සියලුම සාමාජිකයින් නියැදියට ඇතුළත් කර ඇත.
  4. ක්රමානුකූල නියැදීම: නියැදිය සඳහා ජනගහනයේ සෑම n වන සාමාජිකයෙකුම තෝරා ගැනීම මෙයට ඇතුළත් වේ, n යනු නියැදි පරතරය වේ. උදාහරණයක් ලෙස, නියැදි පරතරය 10 සහ ජනගහන ප්‍රමාණය 100 නම්, සෑම 10 වන සාමාජිකයෙකුම නියැදිය සඳහා තෝරා ගනු ලැබේ.

ජනගහනයේ ලක්ෂණ සහ අධ්යයනය කරන පර්යේෂණ ප්රශ්නය මත පදනම්ව සුදුසු නියැදීමේ ක්රමය තෝරා ගැනීම වැදගත් වේ.

විශ්වාස මට්ටම එදිරිව දෝෂ ආන්තිකය

නියැදි සමීක්ෂණයකදී, ද විශ්වාසය මට්ටමේ ඔබේ නියැදිය නිවැරදිව ජනගහනය නියෝජනය කරන බවට ඔබේ විශ්වාසය මනින. එය ප්‍රතිශතයක් ලෙස ප්‍රකාශ වන අතර ඔබේ නියැදියේ ප්‍රමාණය සහ ඔබේ ජනගහනයේ විචල්‍යතා මට්ටම අනුව තීරණය වේ. උදාහරණයක් ලෙස, 95% ක විශ්වාසනීය මට්ටමක් යනු ඔබ සමීක්ෂණය කිහිප වතාවක් සිදු කරන්නේ නම්, ප්රතිඵල 95% ක්ම නිවැරදි වනු ඇත.

එම දෝෂ ආන්තිකය, අනෙක් අතට, ඔබේ සමීක්ෂණ ප්‍රතිඵල සත්‍ය ජනගහන අගයට වඩා කොපමණ ප්‍රමාණයක් වෙනස් විය හැකි ද යන්න මැන බැලීමකි. එය සාමාන්‍යයෙන් ප්‍රතිශතයක් ලෙස ප්‍රකාශ වන අතර ඔබේ නියැදියේ ප්‍රමාණය සහ ඔබේ ජනගහනයේ විචල්‍යතා මට්ටම අනුව තීරණය වේ. උදාහරණයක් ලෙස, සමීක්ෂණයක් සඳහා දෝෂ ආන්තිකය 3% එකතු හෝ අඩු වේ යැයි සිතමු. එම අවස්ථාවෙහිදී, ඔබ සමීක්ෂණය කිහිප වතාවක් සිදු කරන්නේ නම්, සත්‍ය ජනගහන අගය විශ්වාස කාල සීමාව තුළට වැටේ (නියැදි මධ්‍යන්‍ය එකතුවෙන් හෝ දෝෂ ආන්තිකය අඩු කිරීමෙන් අර්ථ දක්වා ඇත) 95% ක්ම වේ.

එබැවින්, සාරාංශයක් ලෙස, විශ්වාස මට්ටම යනු ඔබේ නියැදිය නිවැරදිව ජනගහනය නියෝජනය කරන බවට ඔබට කෙතරම් විශ්වාසද යන්න මැන බැලීමකි. ඒ අතරම, දෝෂ ආන්තිකය ඔබගේ සමීක්ෂණ ප්‍රතිඵල සත්‍ය ජනගහන අගයෙන් කොපමණ වෙනස් විය හැකිද යන්න මනිනු ලබයි.

සම්මත අපගමනය වැදගත් වන්නේ ඇයි?

සම්මත අපගමනය දත්ත සමූහයක විසුරුම හෝ පැතිරීම මනිනු ලබයි. දත්ත කට්ටලයක ඇති තනි අගයන් දත්ත කට්ටලයේ මධ්‍යන්‍යයෙන් කොපමණ වෙනස් වේදැයි එය ඔබට කියයි. සමීක්ෂණයක් සඳහා අවම නියැදි ප්‍රමාණය ගණනය කිරීමේදී, සම්මත අපගමනය අත්‍යවශ්‍ය වන්නේ එය ඔබේ නියැදියේ කොපමණ නිරවද්‍යතාවයක් අවශ්‍යද යන්න තීරණය කිරීමට උපකාරී වන බැවිනි.

සම්මත අපගමනය කුඩා නම්, ජනගහනයේ අගයන් සාපේක්ෂ වශයෙන් මධ්යන්යයට ආසන්න වේ, එබැවින් මධ්යන්යය පිළිබඳ හොඳ තක්සේරුවක් ලබා ගැනීමට ඔබට විශාල නියැදි ප්රමාණයක් අවශ්ය නොවේ. අනෙක් අතට, සම්මත අපගමනය විශාල නම්, ජනගහනයේ අගයන් වඩාත් විසිරී ඇත, එබැවින් මධ්යන්යයේ හොඳ තක්සේරුවක් ලබා ගැනීමට ඔබට විශාල නියැදි ප්රමාණයක් අවශ්ය වනු ඇත.

සාමාන්‍යයෙන්, සම්මත අපගමනය විශාල වන තරමට, නියැදි ප්‍රමාණය විශාල වන තරමට ඔබට යම් නිශ්චිත මට්ටමක් ලබා ගැනීමට අවශ්‍ය වනු ඇත. මෙයට හේතුව විශාල සම්මත අපගමනය ජනගහනය වඩා විචල්‍ය බව පෙන්නුම් කරන නිසා, ජනගහනයේ මධ්‍යන්‍යය නිවැරදිව තක්සේරු කිරීමට ඔබට විශාල නියැදියක් අවශ්‍ය වනු ඇත.

අවම නියැදි ප්‍රමාණය තීරණය කිරීමේ සූත්‍රය

දී ඇති ජනගහනයක් සඳහා අවශ්‍ය අවම නියැදි ප්‍රමාණය තීරණය කිරීමේ සූත්‍රය පහත පරිදි වේ:

S = \ frac {\ frac {z ^ 2 \ times p \ left (1-p \ right)} {e ^ 2}} + 1+ \ left (\ frac {z ^ 2 \ times p \ left (1- p \ දකුණ)} {e ^ 2N} \ දකුණ)}

කොහේද:

  • S = ඔබේ යෙදවුම් අනුව ඔබ සමීක්ෂණය කළ යුතු අවම නියැදි ප්‍රමාණය.
  • N = මුළු ජනගහන ප්රමාණය. මෙය ඔබ ඇගයීමට බලාපොරොත්තු වන කොටසේ හෝ ජනගහනයේ ප්‍රමාණයයි.
  • e = දෝෂයේ මායිම. ඔබ ජනගහනයක් නියැදි විට, දෝෂයේ ආන්තිකයක් ඇත.
  • z = ජනගහනය නිශ්චිත පරාසයක් තුළ පිළිතුරක් තෝරනු ඇතැයි ඔබට කොතරම් විශ්වාස කළ හැකිද? විශ්වාසනීය ප්‍රතිශතය z-ස්කෝර් වෙත පරිවර්තනය වේ, දී ඇති සමානුපාතිකයේ සම්මත අපගමන සංඛ්‍යාව මධ්‍යන්‍යයෙන් බැහැර වේ.
  • p = සම්මත අපගමනය (මේ අවස්ථාවේ දී 0.5%).

Douglas Karr

Douglas Karr හි CMO වේ විවෘත INSIGHTS සහ නිර්මාතෘ Martech Zone. ඩග්ලස් සාර්ථක MarTech ආරම්භක දුසිම් ගණනකට උදව් කර ඇත, මාර්ටෙක් අත්පත් කර ගැනීම් සහ ආයෝජන සඳහා ඩොලර් 5 කට වඩා වැඩි කඩිසරකමකට සහාය වී ඇත, සහ ඔවුන්ගේ විකුණුම් සහ අලෙවිකරණ උපාය මාර්ග ක්‍රියාත්මක කිරීමට සහ ස්වයංක්‍රීය කිරීමට සමාගම්වලට දිගටම සහාය වේ. ඩග්ලස් යනු ජාත්‍යන්තරව පිළිගත් ඩිජිටල් පරිවර්තනයක් වන අතර MarTech විශේෂඥයෙකු සහ කථිකයෙකි. ඩග්ලස් ඩමිගේ මාර්ගෝපදේශකයෙකු සහ ව්‍යාපාර නායකත්ව පොතක ප්‍රකාශිත කතුවරයෙකි.

සබැඳි පුවත්

ඉහළට බොත්තම
සමීප

Adblock අනාවරණය විය

Martech Zone වෙළඳ දැන්වීම් ආදායම, අනුබද්ධ සබැඳි සහ අනුග්‍රාහකත්ව හරහා අපි අපගේ වෙබ් අඩවියෙන් මුදල් උපයන නිසා කිසිදු වියදමකින් තොරව ඔබට මෙම අන්තර්ගතය ලබා දීමට හැකි වේ. ඔබ අපගේ වෙබ් අඩවිය නරඹන විට ඔබේ දැන්වීම් අවහිර කරන්නා ඉවත් කරන්නේ නම් අපි අගය කරන්නෙමු.