سیمپل سائز کیلکولیٹر

دیے گئے اعتماد کی سطح اور خطا کے مارجن کے لیے کتنے سروے جوابات درکار ہیں

ایک مقررہ کانفیڈنس لیول اور غلطی مارجن کے لیے کتنے سروے جوابات درکار ہیں یہ طے کرنا کانفیڈنس انٹرول کیلکولیٹر کا منصوبہ بندی-مرحلہ ساتھی ہے — پہلے سے جمع کردہ سیمپل کا تجزیہ کرنے کے بجائے، یہ کیلکولیٹر اپ اسٹریم سوال کا جواب دیتا ہے کہ ڈیٹا جمع کرنا شروع ہونے سے پہلے سیمپل کتنا بڑا ہونا ضروری ہے۔

درکار سیمپل سائز کانفیڈنس لیول اور غلطی مارجن دونوں پر کیوں منحصر ہے

ایک بڑا سیمپل سائز عام طور پر ایک ہی کانفیڈنس لیول کے لیے ایک تنگ کانفیڈنس انٹرول (زیادہ درستگی) پیدا کرتا ہے — لیکن ایک ہدف غلطی مارجن حاصل کرنے کے لیے درکار مخصوص سیمپل سائز مطلوبہ کانفیڈنس لیول اور وہ غلطی مارجن کتنا سخت ہونا ضروری ہے دونوں پر منحصر ہے، جس میں تنگ (چھوٹے) غلطی مارجنز اور زیادہ کانفیڈنس لیولز دونوں آزادانہ طور پر درکار سیمپل سائز کو اوپر دھکیلتے ہیں۔ یہ تعلق لکیری نہیں — ہدف غلطی مارجن کو نصف کرنا صرف درکار سیمپل سائز کو دوگنا نہیں کرتا، یہ تقریباً چار گنا کرتا ہے، چونکہ سیمپل سائز کی ضروریات غلطی مارجن کے مربع کے ساتھ پیمانہ کرتی ہیں، اس کے ساتھ براہ راست نہیں۔ یہی بالکل وجہ ہے کہ سروے ڈیزائنرز کو اکثر قابلِ حصول سیمپل سائز اور مطلوبہ درستگی کے درمیان ایک عملی سمجھوتہ کرنا پڑتا ہے، بجائے محض ایک من مانی سخت غلطی مارجن مقرر کرنے کے۔

ایک مثال

ایک سروے کے لیے ہدف غلطی مارجن کو نصف کرنا (نتائج کو دوگنا درست بنانا) دوگنا جواب دہندگان کی ضرورت نہیں رکھتا — اسے تقریباً چار گنا کی ضرورت ہے، چونکہ بنیادی فارمولے کی سیمپل-سائز ضرورت درستگی بہتری کے مربع کے ساتھ پیمانہ کرتی ہے، اس کے ساتھ لکیری طور پر نہیں، جو بالکل وہی وجہ ہے کہ بہت زیادہ-درستگی سروے چلانا غیر متناسب طور پر مہنگا ہو جاتا ہے جیسے جیسے درکار غلطی مارجن سکڑتا ہے۔

یہ آپ کی دیگر شماریاتی کیلکولیشنز سے کیسے جڑا ہے

ایک بار ایک سروے صحیح طریقے سے کیلکولیٹ شدہ سیمپل سائز استعمال کرتے ہوئے دراصل چلایا جائے، کانفیڈنس انٹرول کیلکولیٹر نتیجے میں آنے والے ڈیٹا کا تجزیہ کرتا ہے — دونوں کیلکولیٹرز ایک ہی بنیادی شماریاتی عمل کے منصوبہ بندی اور تجزیہ مراحل کے لیے ساتھی ٹولز ہیں، مخالف سمتوں سے ایک ہی کانفیڈنس-لیول اور غلطی-مارجن تصورات استعمال کرتے ہوئے۔

عام غلطیاں

نتیجے میں آنے والی سیمپل-سائز ضرورت پر غور کیے بغیر ایک من مانی سخت غلطی مارجن کی درخواست کرنا ایک عام منصوبہ بندی کی غلطی ہے — چونکہ درکار سیمپل سائز درستگی ہدف کے مربع کے ساتھ پیمانہ کرتا ہے، مطلوبہ غلطی مارجن کی ایک بظاہر معمولی تنگی درکار سیمپل سائز کو ایک ناقابلِ عمل بڑی تعداد تک دھکیل سکتی ہے، اور ایک ہدف درستگی کے لیے پرعزم ہونے سے پہلے اس تجارت کو چیک کرنا ایک غیر حقیقت پسندانہ سروے ڈیزائن سے بچاتا ہے۔