样本大小计算器
查找目标误差差的抽样调查大小。
输入结果时更新 。
关于此计算器
这个样本大小计算器发现, 有多少人需要调查选定的误差和信任度差幅, 这是您进行民意调查或研究之前的规划步骤。 它使用标准公式 n = z2 pp(1 - p) / e2, 此处 z 是信任度的关键值, p 期望比例 和 e 误差目标差幅 以小数表示。 当您提供总人口规模时, 它也应用了一定人口比例的校正, n = n = n0 / ( 1 + ( 0 - 1 )/ N), 从而在调查小群中的一大部分时降低所需的样本。 表格显示需要的样本是几个常见误差, 结果总是四舍五, 百分比为未知的比例 (p= 0.5), n = 1.962 0. 05. × = 3.8416 = 3. 0.0025 = 384. = 384.16, 所以您需要 385 答复者将差幅拉到 3 以多个常见误差幅, 且将结果总四舍 递增到 比例 50 。 将它为 的
经常问到的问题
如何计算样本规模?
基公式是 n = z2\p(1 - p) / e2, 其中 z 是 信任关键值, p 是 期望比例, e 误差是 小数点。 结果被四舍五入, 因为您无法测量一个人的分数 。
有限的人口调整是什么?
当您的人口少时,您需要的响应比基公式建议的数量少。校正 n=n0 / (1+ (0+-1)/N) 将样本缩缩到人口大小 N。当样本占整个样本的很大比例时,这才是最重要的。
95%的自信水平需要多少人?
取决于您可以接受的误差幅度。 95%的置信度为5%的差幅,且没有先前的估计,您需要385个应答者;3%的差幅需要大约1 068个,1%的差幅需要9 604个。
为什么样本大小会四舍五入?
您无法测量一个人的一部分, 所以任何分数结果都会被四舍五入到下一个整数。 舍入而不是下拉保证误差不会大于您的目标 。
我是不是应该把人口数量空空空如也?
当人口非常大或未知时,将它留在零(或空白),这样就可以得出标准的“无限人口”样本大小。 只有当修正足够小,能够有意义地减少样本时,才输入真实人口。
我怎样才能减少所需的样本规模?
接受更大的误差、 使用较低的置信度, 或者在有可靠估计的情况下提供50%以上的比例。 每一个都降低了公式要求的响应次数 。
API - 使用代码中的计算器
将此计算器称为自由 JSON 端点 。 不需要按键 。 将字段值发送到下面作为查询参数或 JSON 。 读取 API 全部文件 →
终点
GET https://calculator.free/api/v1/sample-size/curl
curl "https://calculator.free/api/v1/sample-size/?conf=1.96&e=5"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/sample-size/?" + new URLSearchParams({
"conf": "1.96",
"e": "5"
}));
const data = await r.json();
console.log(data.results);成果仅是一般指导的估计数,而不是财务、医疗或税务咨询。