Wielkość próby do badania dobiera się na podstawie czterech elementów: żądanego poziomu ufności (najczęściej 95%), akceptowalnego marginesu błędu (np. ±5 punktów procentowych), oczekiwanej zmienności badanej cechy oraz — w przypadku populacji skończonej — jej wielkości, przy czym większa próba zawsze zwiększa precyzję kosztem czasu i kosztu badania.
Wzór na wielkość próby
Dla badania proporcji (np. odsetka osób popierających dane rozwiązanie) w populacji nieskończonej lub bardzo dużej stosuje się wzór:
n = (z² × p × (1-p)) / e²
- z — wartość krytyczna odpowiadająca poziomowi ufności (1,96 dla 95%, 2,58 dla 99%).
- p — oczekiwana proporcja badanej cechy w populacji; jeśli nieznana, przyjmuje się najbezpieczniejszą wartość p = 0,5, która maksymalizuje wymaganą wielkość próby.
- e — akceptowalny margines błędu wyrażony jako ułamek (np. 0,05 dla ±5 punktów procentowych).
Dla populacji skończonej (np. badanie wśród 2000 pracowników konkretnej firmy) wynik ze wzoru powyżej koryguje się dodatkowo poprawką na skończoną populację, co zwykle nieznacznie zmniejsza wymaganą liczebność próby.
Przykład liczbowy
Firma chce zbadać, jaki odsetek klientów jest zadowolonych z nowej usługi, z poziomem ufności 95% (z = 1,96), marginesem błędu ±5% (e = 0,05) i brakiem wcześniejszych danych o proporcji (p = 0,5): n = (1,96² × 0,5 × 0,5) / 0,05² = (3,8416 × 0,25) / 0,0025 = 0,9604 / 0,0025 ≈ 385 osób. Oznacza to, że firma powinna przebadać co najmniej 385 losowo wybranych klientów, aby uzyskać wynik z marginesem błędu nieprzekraczającym 5 punktów procentowych przy 95% poziomie ufności.
Co zmniejsza, a co zwiększa wymaganą wielkość próby
Wymagana wielkość próby rośnie wraz z wyższym żądanym poziomem ufności (np. przejście z 95% na 99%) oraz wraz z zawężeniem akceptowalnego marginesu błędu (np. z ±5% na ±2%, co może nawet kilkukrotnie zwiększyć wymaganą liczebność). Maleje natomiast, gdy oczekiwana proporcja badanej cechy jest wyraźnie różna od 50% (np. znane wcześniej dane wskazują na proporcję bliską 10% lub 90%) oraz przy badaniu populacji skończonej i relatywnie niewielkiej.
Częsty błąd przy doborze próby
Popularnym błędem jest arbitralne przyjmowanie "okrągłej" liczby respondentów (np. 100 czy 500) bez odniesienia do żądanego marginesu błędu i poziomu ufności. Prowadzi to albo do niepotrzebnie dużej, kosztownej próby, albo — częściej — do próby zbyt małej, dającej wyniki obarczone większym marginesem błędu, niż zakładano przy interpretacji wyników.
Aby szybko obliczyć minimalną wielkość próby dla własnego badania, skorzystaj z gotowego narzędzia: Kalkulator wielkości próby →
Najczęstsze pytania o dobór wielkości próby
Jak obliczyć minimalną wielkość próby do badania?
Stosuje się wzór n = (z² × p × (1-p)) / e², gdzie z to wartość krytyczna dla żądanego poziomu ufności, p to oczekiwana proporcja badanej cechy (0,5, jeśli nieznana), a e to akceptowalny margines błędu.
Jaką wartość p przyjąć, jeśli nie znam wcześniejszych danych?
Przyjmuje się p = 0,5, ponieważ ta wartość maksymalizuje iloczyn p × (1-p), a więc daje najbardziej ostrożne (największe) oszacowanie wymaganej wielkości próby.
Jak margines błędu wpływa na wymaganą liczebność próby?
Zawężenie marginesu błędu znacząco zwiększa wymaganą wielkość próby, ponieważ margines błędu znajduje się w mianowniku wzoru podniesionym do kwadratu — zmniejszenie go o połowę może nawet czterokrotnie zwiększyć wymaganą próbę.
Czy wielkość próby zależy od wielkości całej populacji?
Dla bardzo dużych lub nieskończonych populacji wielkość populacji ma znikomy wpływ na wymaganą próbę, natomiast dla populacji skończonych i stosunkowo niewielkich stosuje się poprawkę, która nieznacznie zmniejsza wymaganą liczebność.
Co się stanie, jeśli próba jest zbyt mała?
Zbyt mała próba daje wyniki obarczone szerszym marginesem błędu niż zakładano, co może prowadzić do błędnych wniosków przy interpretacji wyników badania jako reprezentatywnych.
Czy większa próba zawsze jest lepsza?
Większa próba zwiększa precyzję wyników, ale wiąże się z wyższym kosztem i czasem realizacji badania, dlatego dobiera się ją tak, aby spełniała minimalne wymagania co do marginesu błędu i poziomu ufności, bez zbędnego przewymiarowania.
Jak poziom ufności wpływa na wymaganą wielkość próby?
Wyższy poziom ufności (np. 99% zamiast 95%) wymaga większej wartości krytycznej z, co zwiększa wymaganą wielkość próby przy tym samym marginesie błędu.
Czy wzór na wielkość próby różni się dla badania średniej i proporcji?
Tak, dla badania średniej stosuje się wzór oparty na odchyleniu standardowym zmiennej ciągłej, a dla badania proporcji (np. procent odpowiedzi "tak") wzór oparty na oczekiwanej proporcji p, jak opisano powyżej.
Czy losowy dobór próby jest równie ważny co jej wielkość?
Tak, nawet bardzo duża próba dobrana w sposób nielosowy lub obciążony (np. tylko wśród osób aktywnych online) może dawać wyniki niereprezentatywne dla całej populacji, niezależnie od spełnienia formalnego wymogu liczebności.
Jak dobór wielkości próby stosuje się w badaniach medycznych?
W badaniach klinicznych wielkość próby dobiera się dodatkowo pod kątem mocy statystycznej testu (zdolności wykrycia rzeczywistego efektu leczenia), co wymaga bardziej zaawansowanych obliczeń niż proste badanie proporcji.