Forskare och vetenskapsmän som genomför undersökningar och utför experiment måste följa vissa procedurriktlinjer och regler för att säkerställa noggrannhet genom att undvika urvalsfel som stor variation, partiskhet eller undertäckning. Provtagningsfel kan avsevärt påverka precisionen och tolkningen av resultaten, vilket i sin tur kan leda till höga kostnader för företag eller statliga myndigheter, eller skada på populationer av människor eller levande organismer som studeras.
TL;DR (För lång, läste inte)
För att genomföra en undersökning korrekt måste du bestämma din urvalsgrupp. Denna urvalsgrupp bör inkludera personer som är relevanta för undersökningens ämne. Du vill undersöka en så stor urvalsstorlek som möjligt; mindre urvalsstorlekar blir alltmer representativa för hela populationen.
En liten urvalsstorlek kan också leda till fall av partiskhet, såsom bortfall av svar, som uppstår när vissa försökspersoner inte har möjlighet att delta i undersökningen. Alternativt uppstår frivillig svarsbias när endast ett litet antal icke-representativa försökspersoner har möjlighet att delta i undersökningen, vanligtvis för att de är de enda som känner till det.
Provstorlekar
När det gäller forskare som genomför undersökningar, t.ex. , är provstorleken avgörande. För att genomföra en undersökning korrekt måste du bestämma din urvalsgrupp. Den här urvalsgruppen bör inkludera personer som är relevanta för undersökningens ämne.
Om du till exempel genomför en undersökning om huruvida en viss köksstädare är att föredra framför ett annat märke, då bör du kartlägga ett stort antal personer som använder köksstädare. Det enda sättet att uppnå 100 procent korrekta resultat är att undersöka varje enskild person som använder köksstädare; men eftersom detta inte är möjligt måste du undersöka en så stor urvalsgrupp som möjligt.
Nackdel 1: Variabilitet
Variabiliteten bestäms av populationens standardavvikelse; standardavvikelsen för ett urval är hur långt de verkliga resultaten av undersökningen kan vara från resultaten från det urval som du samlade in. Du vill undersöka en så stor urvalsstorlek som möjligt; ju större standardavvikelsen är, desto mindre exakta kan dina resultat bli, eftersom mindre urvalsstorlekar blir allt mer representativa för hela populationen.
Ett litet urval storlek påverkar också tillförlitligheten av en undersöknings resultat eftersom den leder till en högre variabilitet, vilket kan leda till bias. Det vanligaste fallet av bias är ett resultat av bortfall. Bortfall uppstår när vissa försökspersoner inte har möjlighet att delta i undersökningen. Om du till exempel ringer 100 personer mellan klockan 14 och 17 och frågar om de känner att de har tillräckligt med ledig tid i sitt dagliga schema, kanske de flesta svarande säger ”ja”. Detta urval – och resultaten – är partiska, eftersom de flesta arbetare är på sina jobb under dessa timmar.
Personer som är på jobbet och inte kan svara i telefon kan ha ett annat svar på enkäten än personer som kan svara i telefon på eftermiddagen. Dessa personer kommer inte att inkluderas i undersökningen, och undersökningens noggrannhet kommer att lida av uteblivna svar. Inte bara lider din undersökning på grund av timing, utan antalet ämnen hjälper inte till att kompensera för denna brist.
Frivillig responsbias är en annan nackdel som kommer med ett litet urval. Om du lägger ut en enkät på din köksstädare-webbplats så har bara ett litet antal personer tillgång till eller kunskap om din undersökning, och det är troligt att de som deltar kommer att göra det eftersom de känner starkt för ämnet. Därför kommer resultaten av undersökningen att skeva för att spegla åsikterna från de som besöker webbplatsen. Om en individ är på ett företags webbplats är det troligt att han stödjer företaget; han kan till exempel leta efter kuponger eller kampanjer från den tillverkaren. En undersökning som bara publiceras på dess webbplats begränsar antalet personer som kommer att delta till de som redan hade ett intresse för deras produkter, vilket orsakar en frivillig svarsbias.
