Kalkulator wielkości próby

Wielkość próby (n) to minimalna liczba respondentów lub obserwacji potrzebna, aby wyniki badania były reprezentatywne dla całej populacji z określoną dokładnością i poziomem ufności. Im większa próba, tym mniejszy błąd szacunku, ale rosną koszty i czas zbierania danych. Kalkulator wyznacza minimalne n spełniające żądane kryteria.

Podstawowy wzór to n = (z^2 * p * (1-p)) / e^2, gdzie z to kwantyl rozkładu normalnego dla danego poziomu ufności, p to oczekiwana proporcja, a e to dopuszczalny błąd szacunku. Dla poziomu ufności 95% wartość z wynosi 1,960, dla 99% wynosi 2,576, a dla 90% wynosi 1,645. Wynik zaokrąglamy w górę do najbliższej liczby całkowitej.

Poziom ufności (np. 95%) oznacza, że jeśli wielokrotnie powtórzylibyśmy badanie, w 95% przypadków prawdziwy parametr populacji znalazłby się w przedziale ufności. Dla badań społecznych i marketingowych standardem jest 95%. Badania medyczne lub naukowe często wymagają 99%. Poziom 90% stosuje się przy mniejszym ryzyku błędu lub ograniczonym budżecie.

Błąd szacunku e (margines błędu) to maksymalna akceptowalna różnica między wynikiem z próby a rzeczywistym parametrem populacji. Np. e = 0,05 oznacza, że wynik można różnić się od prawdziwej wartości o maksymalnie 5 punktów procentowych. Im mniejszy błąd szacunku, tym większa wymagana próba. Typowo stosuje się 3-5%.

Gdy nie znamy oczekiwanej proporcji cechy w populacji, stosujemy p = 0,5. Jest to "pesymistyczny" lub "zachowawczy" scenariusz, bo wartość p*(1-p) jest wtedy maksymalna (0,25), co daje najwyższą możliwą wielkość próby. Zapewnia to, że próba będzie wystarczająca niezależnie od rzeczywistej proporcji.

Podstawowy wzór zakłada populację nieskończoną. Gdy wielkość populacji N jest znana i próba stanowi znaczącą jej część (powyżej 5-10%), należy zastosować korekcję: n_kor = n*N / (n+N-1). Daje to mniejszą wielkość próby, co jest korzystne. Korekcja istotnie zmniejsza n, gdy N jest niewielkie w stosunku do n obliczonego podstawowym wzorem.

Wielu ludzi intuicyjnie sadzi, że próba powinna stanowić stały procent populacji. W rzeczywistości przy dużych populacjach (np. milion osób) wymagana próba jest prawie taka sama jak przy populacji 10 000. Wielkość próby zależy głównie od zadanej dokładności (e), a nie od rozmiaru populacji. Korekcja na skończoną populację ma znaczenie tylko gdy N jest relatywnie małe.

Nie ma jednej odpowiedzi, bo zależy to od celu badania, wymaganej dokładności i poziomu ufności. Dla badań ogólnopolskich typowa próba to 1 000-1 500 osób przy e=3% i poziomie 95%. Dla badań lokalnych lub segmentowych może wystarczyć 300-500 osób. Kalkulator oblicza minimum statystyczne, jednak dobór próby metodologicznie poprawny może wymagać większej liczby z uwagi na współczynnik odpowiedzi.

Wzór na wielkość próby zakłada losowy dobór próby (każdy element populacji ma równe szanse trafienia do próby). W praktyce stosuje się m.in. próby warstwowe, skupiskowe lub systematyczne. Próby nielosowe (np. wygodne, celowe) nie gwarantują reprezentatywności, a wzory statystyczne na wielkość próby odnoszą się wyłącznie do doborów losowych.

Mniejszy błąd szacunku oznacza większą precyzję wyników, ale też istotnie większą próbę i wyższe koszty. Zmniejszenie e z 5% do 3% czterokrotnie zwiększa wymaganą próbę (n rośnie odwrotnie proporcjonalnie do kwadratu e). Wybór błędu szacunku powinien wynikać z praktycznych wymagań badań: w wielu projektach różnica 5 punktów procentowych jest akceptowalna i nie uzasadnia kilkakrotnie większych nakładów.