Kế toán lỗi
Tìm kiếm khoảng lỗi của tỷ lệ khảo sát.
Kết quả cập nhật khi bạn gõ.
Về máy tính này
a percentage it is z*·√(p(1 − p) / n), where p is the sample proportion, n the sample size and z* the critical value for your confidence level (1.96 for 95%). The default 50% proportion gives the most conservative (largest) margin, because the quantity p(1 − p) peaks at p = 0.5, which is why pollsters often quote it. To halve that margin, you would need roughly four times the sample.The default 50% proportion gives the most conservative margin, because the percentage is 1.96 × √(0.5 × 0.5 ÷ 1000) ≈ 1.96 × 0.0158 ≈ 3.1 percentage points.To halve that margin, you would need roughly four times the sample.ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:ItWorked example:It
Câu hỏi thường gặp
Tại sao mẫu lớn hơn lại làm giảm khoảng cách sai số?
Lỗ hổng thu nhỏ theo căn bậc hai của kích thước mẫu, vì vậy tăng n gấp bốn lần sẽ làm giảm một nửa lỗ hổng sai lầm. Lỗ hổng giảm này là lý do tại sao cần mẫu rất lớn để đẩy lỗ hổng xuống dưới một hoặc hai điểm phần trăm.
Tại sao tỷ lệ mặc định là 50%?
Số lượng p(1 − p) lớn nhất ở p = 0.5, vì vậy giả sử một phân chia 50/50 tạo ra lỗ hổng sai lệch rộng nhất, bảo thủ nhất.
Làm sao tôi tính được khoảng lỗi?
Xác định giá trị giới hạn z* cho mức độ tin cậy bằng căn bậc hai của p(1 − p) ÷ n. Đối với p = 0.5, n = 1000 và 95% tin cậy, đó là 1.96 × √(0.25 ÷ 1000) ≈ 3.1 điểm phần trăm.
Sự khác biệt giữa khoảng lỗi và khoảng tin cậy là gì?
Lỗ hổng sai lệch là một nửa chiều rộng; khoảng tin cậy là phạm vi đầy đủ bạn có được bằng cách cộng và trừ khoảng lỗ hổng từ kết quả của bạn. Kết quả 48% với khoảng lỗ hổng 3 điểm cho khoảng tin cậy từ 45% đến 51%.
Có phải dân số lớn hơn đòi hỏi một khoảng lệch lớn hơn?
Không. Bên ngoài vài ngàn người, kích thước dân số hầu như không ảnh hưởng đến biên độ — điều quan trọng là kích thước mẫu. Đó là lý do tại sao một cuộc thăm dò quốc gia và một cuộc thăm dò thành phố có thể chia sẻ cùng một biên độ với cùng một số lượng người trả lời.
Mức tin cậy thay đổi giới hạn sai lầm như thế nào?
Một mức độ tin cậy cao hơn sử dụng một z* lớn hơn, mở rộng biên. Di chuyển từ 95% (z* = 1. 96) đến 99% (z* = 2. 576) tăng biên khoảng 31% cho cùng một mẫu.
API — dùng máy tính này từ mã
Gọi máy tính này như một điểm cuối JSON miễn phí — không cần chìa khóa. Gửi giá trị trường dưới như tham số yêu cầu hoặc JSON. Đọc toàn bộ tài liệu API →
Điểm kết thúc
GET https://calculator.free/api/v1/margin-of-error/curl
curl "https://calculator.free/api/v1/margin-of-error/?n=1000&p=50&conf=1.96"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/margin-of-error/?" + new URLSearchParams({
"n": "1000",
"p": "50",
"conf": "1.96"
}));
const data = await r.json();
console.log(data.results);Kết quả là ước tính chỉ cho hướng dẫn chung, không phải là tư vấn tài chính, y tế hoặc thuế.