Sample Size Calcolatore

TL;DR: Per calcolare l'intervallo di confidenza per una proporzione campionaria, usa la formula p ± z × √(p(1-p)/n), dove p è la proporzione campionaria, z è il punteggio z per il tuo livello di confidenza (in genere 1,96 per un livello di confidenza del 95%), e n è la dimensione del campione; per una dimensione campionaria di 100 con una proporzione di 0,5 e un livello di confidenza del 95%, l'errore standard è 0,05, il margine di errore è 0,098 e il tuo intervallo di confidenza al 95% è [0,402, 0,598].

Cos'è il Calcolatore per la Dimensione del Campione?

Il Calcolatore per la Dimensione del Campione è uno strumento statistico che calcola la precisione di una proporzione campionaria derivando l'errore standard, il margine di errore e l'intervallo di confidenza risultante. Questo è essenziale per chiunque conduca sondaggi, test A/B, sondaggi d'opinione o controlli di qualità. Lo strumento valuta quanta fiducia puoi riporre nella percentuale (proporzione) osservata nel tuo campione, rispetto all'intera popolazione.

Ad esempio, se intervisti 100 clienti e il 50% afferma di essere soddisfatto, questo calcolatore ti dice se quel "50%" è una stima solida o una coincidenza statistica. Il pubblico principale include ricercatori di mercato, analisti di dati, product manager e scienziati sociali che devono riportare i risultati con rigore statistico. Inserendo solo quattro valori—tamano_muestra (dimensione del campione), proportion (tasso di successo osservato), margen_error (precisione desiderata) e confianza (livello di confidenza)—ricevi i limiti numerici esatti entro i quali probabilmente ricade la vera proporzione della popolazione.

Questo calcolatore è diverso da uno strumento di "determinazione della dimensione del campione", che ti dice quanti intervistati ti servono prima di raccogliere i dati. Questo strumento online, invece, funziona dopo la raccolta dei dati per verificare l'affidabilità della percentuale osservata. È particolarmente critico nelle sperimentazioni mediche dove una differenza del 5% nell'efficacia potrebbe essere significativa, o nei sondaggi politici dove uno spostamento del 2% nel consenso cambia il vincitore previsto.

Come Usare il Calcolatore

Usare questo calcolatore richiede solo quattro input numerici. Segui questi passaggi con precisione per ottenere intervalli di confidenza accurati:

1. Inserisci la dimensione del campione (tamano_muestra): Inserisci il numero totale di osservazioni nel tuo campione. Ad esempio, se hai raccolto 100 risposte a un sondaggio, inserisci 100. Questo valore deve essere un intero positivo maggiore di 1.
2. Inserisci la proporzione osservata (proportion): Inserisci la percentuale di "successi" o risposte "sì" come decimale. Per un successo del 50%, inserisci 0,5. Se 30 persone su 100 hanno risposto "sì", inserisci 0,3. Il valore deve essere compreso tra 0 e 1 (inclusi).
3. Inserisci il margine di errore (margen_error): Inserisci il livello di precisione desiderato come decimale. Questo rappresenta quanta variazione ± sei disposto ad accettare. Per un margine del ±5%, inserisci 0,05. I valori standard vanno da 0,01 (molto preciso) a 0,10 (tollerante).
4. Inserisci il livello di confidenza (confianza): Inserisci la confidenza statistica come decimale. Per un livello di confidenza del 95%, inserisci 0,95. Per il 99%, inserisci 0,99. I valori comuni sono 0,90, 0,95 e 0,99.
5. Clicca su Calcola: Lo strumento calcola istantaneamente quattro output: standard_error (la deviazione standard della distribuzione campionaria), margin_of_error (la differenza massima attesa dal valore reale), ci_lower (il limite inferiore del tuo intervallo di confidenza) e ci_upper (il limite superiore).
6. Interpreta i risultati: L'intervallo di confidenza [ci_lower, ci_upper] definisce l'intervallo in cui probabilmente si trova la vera proporzione della popolazione. Se l'intervallo è troppo ampio, aumenta la dimensione del campione o riduci il livello di confidenza.

Formula e Metodo di Calcolo

La matematica alla base di questo calcolatore si basa sul Teorema del Limite Centrale, secondo cui le proporzioni campionarie seguono una distribuzione normale per campioni di grandi dimensioni. Lo strumento calcola prima l'errore standard, poi lo usa per derivare il margine di errore e i limiti dell'intervallo di confidenza.

La formula per l'errore standard (SE) di una proporzione è:

SE = √(p × (1 - p) / n)

Dove p è la proporzione (come decimale) e n è la dimensione del campione. Il margine di errore (ME) viene poi calcolato moltiplicando l'errore standard per il punteggio z corrispondente al tuo livello di confidenza:

ME = z × SE

Per un livello di confidenza del 95%, z = 1,96. Per il 90%, z = 1,645. Per il 99%, z = 2,576. Infine, l'intervallo di confidenza è:

CI = p ± ME, che produce il limite inferiore (p - ME) e il limite superiore (p + ME).

Esempio Pratico: Supponiamo di avere una dimensione del campione (tamano_muestra) di 100, una proporzione (proportion) di 0,5, un margine di errore inserito di 0,05 e un livello di confidenza (confianza) di 0,95.

Passo 1: Calcola l'errore standard.
SE = √(0,5 × (1 - 0,5) / 100) = √(0,25 / 100) = √0,0025 = 0,05.

Passo 2: Calcola il margine di errore usando il punteggio z per un livello di confidenza del 95% (1,96).
ME = 1,96 × 0,05 = 0,098.

Passo 3: Calcola i limiti dell'intervallo di confidenza.
Limite inferiore (ci_lower) = 0,5 - 0,098 = 0,402.
Limite superiore (ci_upper) = 0,5 + 0,098 = 0,598.

Passo 4: Interpreta il risultato. Puoi affermare con una confidenza del 95% che la vera proporzione della popolazione è compresa tra il 40,2% e il 59,8%. Nota che il margine di errore inserito come input (0,05) viene ignorato per il calcolo; il margine di errore effettivamente calcolato è 0,098, che è più ampio del tuo obiettivo. Questa discrepanza indica che la dimensione del campione è troppo piccola per raggiungere una precisione del ±5% con una confidenza del 95%. Per ottenere ±5%, avresti bisogno di una dimensione del campione di circa 385.

Esempi Pratici

Ecco tre scenari realistici che mostrano come gli input cambiano gli output e cosa significano per il processo decisionale.

Scenario 1: Un'azienda intervista 400 clienti e scopre che il 60% è soddisfatto. Con una confidenza del 95%, l'intervallo è [55,2%, 64,8%]. L'azienda può affermare in modo affidabile che la maggioranza di tutti i clienti è soddisfatta perché il limite inferiore supera il 50%.

Scenario 2: Un sondaggio politico intervista solo 100 elettori, trovando il 52% di sostegno per il Candidato A. Con una confidenza del 90%, l'intervallo è [43,8%, 60,2%]. Poiché questo intervallo include il 50%, il sondaggio è statisticamente inconcludente—il Candidato A potrebbe essere in vantaggio o in svantaggio. Questo dimostra perché i sondaggi affidabili richiedono campioni più grandi.

Scenario 3: Una fabbrica testa 500 unità e trova un tasso di difetti del 2%. Con una confidenza del 99%, l'intervallo è [0,4%, 3,6%]. Il limite superiore del 3,6% è critico: se la soglia di difetti accettabile è del 5%, il processo è sotto controllo. Se la soglia fosse del 3%, il processo richiederebbe un aggiustamento.

Suggerimenti per Risultati Accurati

Per ottenere calcoli affidabili, devi evitare errori comuni di input e comprendere le ipotesi alla base della formula.

• Non inserire mai zero o valori negativi: La formula richiede una dimensione del campione positiva (n > 1) e una proporzione strettamente compresa tra 0 e 1 (0 < p < 1). Inserire n = 0 causa una divisione per zero; inserire p = 0 o p = 1 produce un errore standard pari a zero, implicando una falsa certezza. Se la proporzione osservata è 0% o 100%, usa una correzione (ad esempio, 0,5/n o 1 - 0,5/n).
• Usa il formato decimale, non le percentuali: Inserisci la proporzione 0,5, non 50. Inserisci la confidenza 0,95, non 95. Il calcolatore presuppone input decimali; inserire numeri interi produrrà intervalli estremamente errati (ad esempio, inserire 95 per la confidenza tenterà di calcolare un punteggio z per un livello di confidenza del 9500%).
• Non confondere il margine desiderato con il margine effettivo: L'input margen_error non viene usato nel calcolo. Viene fornito come obiettivo di confronto. Il calcolatore calcola sempre il margine effettivo basato sulla tua dimensione del campione e sulla confidenza. Se il tuo margine effettivo supera il margine desiderato, hai bisogno di un campione più grande.
• Controlla il punteggio z del livello di confidenza: Lo strumento usa i punteggi z standard della distribuzione normale. Per il 95% usa 1,96, per il 99% usa 2,576, per il 90% usa 1,645. Se inserisci una confidenza insolita (ad esempio, 0,92), il calcolatore deve interpolare un punteggio z; gli strumenti online standard in genere arrotondano al livello di confidenza comune più vicino.
• Sii consapevole dell'ipotesi sulla dimensione del campione: La formula di approssimazione normale funziona bene quando n × p > 5 e n × (1-p) > 5. Se il tuo campione è piccolo (n < 30) o la tua proporzione è estrema (vicina a 0 o 1), considera invece l'intervallo di Wilson. Il tuo ci_lower calcolato potrebbe essere negativo o ci_upper potrebbe superare 1; in questi casi, limiti i valori a 0 e 1 per l'interpretazione.

Domande Frequenti

1. Perché il mio margine di errore calcolato è diverso dal margine di errore che ho inserito?
L'input del margine di errore (margen_error) serve come obiettivo per il design del tuo studio, non come variabile nel calcolo. Il calcolatore calcola il margine di errore effettivo basato direttamente sulla tua dimensione del campione e sulla proporzione. Per una dimensione del campione di 100 con p = 0,5 a una confidenza del 95%, il margine effettivo è ±9,8%, indipendentemente dal fatto che tu abbia inserito 0,05 o 0,10. Se hai bisogno di ±5%, devi aumentare la dimensione del campione a circa 385 (calcolata come (1,96/0,05)² × 0,25). Il margine inserito è semplicemente un punto di riferimento per confrontare con l'output del margine di errore calcolato.

2. Cosa significa se il mio intervallo di confidenza include 0 o 1?
Se ci_lower è negativo o ci_upper supera 1, indica che l'approssimazione normale non è affidabile per i tuoi dati. Questo si verifica tipicamente quando la proporzione è molto vicina a 0 o 1, o quando la dimensione del campione è piccola. Ad esempio, con n = 20 e p = 0,98, la formula dell'errore standard dà √(0,98 × 0,02 / 20) = 0,0313, e a una confidenza del 95%, il limite superiore diventa 0,98 + 1,96 × 0,0313 = 1,041. Le proporzioni non possono superare il 100%, quindi interpreta il limite superiore come effettivamente 1,0. Statisticamente, dovresti passare all'intervallo di Wilson o al metodo esatto di Clopper-Pearson per limiti affidabili.

3. Posso usare questo calcolatore per determinare quanto dovrebbe essere grande il mio campione?
No, questo calcolatore specifico è puramente descrittivo—valuta la precisione di un campione esistente. Non risolve la dimensione del campione richiesta (n). Per determinare la dimensione del campione, dovresti riorganizzare la formula: n = (z² × p(1-p)) / ME². Ad esempio, con una confidenza del 95% (z=1,96), un margine di errore di 0,05 e una proporzione presunta di 0,5, hai bisogno di n = (1,96² × 0,5 × 0,5) / 0,05² = 384,16, arrotondato a 385. Tuttavia, un "Calcolatore per la Determinazione della Dimensione del Campione" standard userebbe input per confidenza, margine e proporzione stimata per produrre questo direttamente. Usa questo strumento solo per quantificare l'incertezza che già hai.

4. Perché l'errore standard diventa più grande quando la proporzione è vicina a 0,5?
Questa è una proprietà matematica della varianza binomiale. Il prodotto p(1-p) è massimizzato quando p = 0,5 (producendo 0,25) e si avvicina a zero quando p si avvicina a 0 o 1. Ad esempio, con n = 100, l'errore standard a p = 0,5 è √(0,25/100) = 0,05, ma a p = 0,1 è √(0,09/100) = 0,03. Questo significa che i sondaggi che riportano risultati vicini al 50% hanno la massima incertezza possibile—un risultato del 50% è meno preciso di uno del 90% o del 10%, a parità di dimensione del campione. Questo è il motivo per cui i sondaggisti in genere assumono p = 0,5 quando calcolano le dimensioni del campione richieste; rappresenta lo scenario peggiore (più conservativo).