Een grote steekproef is essentieel voor het verhogen van de nauwkeurigheid en betrouwbaarheid van onderzoeksresultaten. Het verkleint de foutmarge, verhoogt de statistische kracht (power) om kleine effecten aan te tonen, en zorgt ervoor dat de steekproef een betere afspiegeling vormt van de totale populatie. Scriptium +3
De steekproefgrootte is van belang als je een statistisch verschil wil aantonen. Bij een te kleine steekproef zijn er geen verschillen te vinden, bij een te grote is alles statistisch significant verschillend. Je moet een optimum vinden.
De eerste reden waarom een grote steekproefomvang voordelig is, is eenvoudig. Grotere steekproeven benaderen de populatie nauwkeuriger . Omdat het primaire doel van inferentiële statistiek is om te generaliseren van een steekproef naar een populatie, is er minder sprake van een inferentie als de steekproefomvang groot is.
Een steekproef die groter is dan nodig, is een betere afspiegeling van de populatie en levert daardoor nauwkeurigere resultaten op . Echter, voorbij een bepaald punt is de toename in nauwkeurigheid gering en is de moeite en de kosten voor het werven van extra patiënten het niet waard.
Bij kleine steekproeven (bijvoorbeeld 10 patiënten in elke behandelingsgroep) kan er sprake zijn van willekeurige variatie in de resultaten ; meerdere studies met kleine steekproeven kunnen dus verschillende of zelfs tegengestelde bevindingen opleveren. Bij grotere steekproeven wordt deze willekeurige variatie verminderd, wat leidt tot meer valide resultaten.
Het wijzigen hiervan heeft invloed op de benodigde steekproefomvang om voldoende statistische power te bereiken. Steekproefneming. De meest voor de hand liggende strategie is om simpelweg een groter deel van de populatie te bemonsteren . Houd uw enquête open, benader meer potentiële deelnemers of overweeg de populatie te verbreden.
MSS (Minimum Steekproefgrootte): Dit is het aantal waarnemingen dat nodig is om met een bepaalde nauwkeurigheid een schatting te geven van de kenmerken van een populatie.
Het 95%-betrouwbaarheidsinterval geeft aan dat bij het steeds nemen van een nieuwe aselecte steekproef uit dezelfde populatie 95% van de daarbij opgestelde intervallen de populatieproportie bevat.
De voorwaarde 'Voldoende grote steekproef' test of je een voldoende grote steekproefomvang hebt in vergelijking met de populatie. Een algemene vuistregel voor de voorwaarde 'Voldoende grote steekproef' is dat n ≥ 30 , waarbij n de steekproefomvang is. Dit hangt echter af van wat je wilt bereiken en wat je weet over de verdeling.
Zowel kleine steekproefgroottes als geringe effectgroottes verminderen de power van het onderzoek. Power, oftewel de kans om een onjuiste nulhypothese te verwerpen, wordt berekend als 1-β (ook wel uitgedrukt als "1 - kans op een type II-fout"). Bij een type II-fout van 0,15 is de power 0,85.
Bij zeer grote steekproeven worden kleine verschillen vaak omgezet in statistisch significante verschillen, zelfs als ze klinisch gezien niet relevant zijn. Hierdoor worden zowel onderzoekers als artsen misleid, wat kan leiden tot verkeerde behandelbeslissingen .
De theorie van grote steekproeven is de benaming voor het zoeken naar benaderingen van het gedrag van statistische procedures, die worden afgeleid door limieten te berekenen wanneer de steekproefomvang, n, naar oneindigheid neigt .
Een steekproefomvang wordt vaak als "groot genoeg" beschouwd als deze groter is dan of gelijk aan 30 , maar dit aantal kan enigszins variëren afhankelijk van de onderliggende vorm van de populatieverdeling.
Ja, de kijkcijfers van het programma van Eva Jinek zijn in de loop der tijd gedaald, met periodes waarin ze onder de 500.000 kijkers zakten, wat soms leidde tot media-aandacht en vergelijkingen met concurrenten zoals Op1, terwijl er ook pieken waren met hogere scores.
Eenvoudige willekeurige steekproeven, gestratificeerde steekproeven, clustersteekproeven en systematische steekproeven zijn allemaal vormen van kanssteekproeven. Maar er is nog een ander uiteinde van het spectrum van steekproeftechnieken: niet-kanssteekproeven.
Kleine steekproef: Als de steekproefomvang n kleiner is dan 30 (n<30), spreekt men van een kleine steekproef . In het geval van een kleine steekproef wordt de t-toets toegepast. Grote steekproef: Als de steekproefomvang n groter is dan 30 (n≥30), spreekt men van een grote steekproef. In het geval van een grote steekproef wordt de z-toets toegepast.
Statistische betekenis van een grote steekproefomvang
Grotere studies leveren sterkere en betrouwbaardere resultaten op, omdat ze kleinere foutmarges en lagere standaarddeviaties hebben .
In veel vakgebieden beschouwen experts een steekproefomvang van enkele honderden of meer als groot . Onderzoekers bepalen echter zelf hoeveel steekproeven ze gebruiken op basis van factoren zoals statistische power of beschikbare middelen.
Wanneer het doel van een onderzoek is om een correlatie te onderzoeken, raden we aan om tussen de 500 en 1000 mensen te betrekken . Meer deelnemers aan een onderzoek is altijd beter, maar deze aantallen zijn een handige vuistregel voor onderzoekers die willen weten hoeveel deelnemers ze nodig hebben.
Een goede maximale steekproefomvang is doorgaans ongeveer 10% van de populatie, zolang dit niet meer dan 1000 bedraagt . In een populatie van 5000 is 10% bijvoorbeeld 500. In een populatie van 200.000 is 10% 20.000.
Een voorbeeld ter indicatie: als je een uitspraak wil doen over de gemiddelde Nederlander, met een foutenmarge van 2% en 95% betrouwbaarheidsniveau, heb je 2.401 respondenten nodig.
Een betrouwbaarheid van 95% betekent dat 95 van de 100 eenheden de aangegeven gebruiksduur overleven en de vereiste/verwachte functie blijven vervullen, in de gebruikersomgeving en onder de gebruiksomstandigheden. Een betrouwbaarheidsinterval van 90% betekent dat de steekproef die we hebben gebruikt om de betrouwbaarheid te schatten, een grote kans heeft om onder de werkelijke waarde te liggen.
De steekproefgrootte is van belang als je een statistisch verschil wil aantonen. Bij een te kleine steekproef zijn er geen verschillen te vinden, bij een te grote is alles statistisch significant verschillend. Je moet een optimum vinden.
Het "magische getal" 30 komt uit de centrale limietstelling, die stelt dat de steekproefverdeling van het gemiddelde naar normaliteit neigt naarmate de steekproefomvang toeneemt ; rond n ≈ 30 is de benadering vaak "goed genoeg" voor veel praktische doeleinden, vooral bij enigszins niet-normale gegevens, maar het is geen strikte regel— ...
Er bestaat geen universele overeenstemming en het blijft controversieel welk getal een kleine steekproefomvang aanduidt. Sommige onderzoekers beschouwen een steekproef van n = 30 als "klein", terwijl anderen n = 20 of n = 10 gebruiken om een kleine steekproefomvang te onderscheiden . "Klein" is bovendien relatief in statistische analyses.