Le limitazioni create da un piccolo campione può avere profondi effetti sul risultato e vale la pena di uno studio . Una piccola dimensione del campione può avere effetti estremamente negativi . Pertanto , uno statistico o un ricercatore dovrebbe cercare di misurare gli effetti di un piccolo campione prima di assaggiare . Se un ricercatore pianifica in anticipo , si può determinare se le limitazioni di piccola dimensione del campione avrà un eccessivo impatto negativo sui risultati del suo studio prima di arrivare in corso . Potenza

L’influenza principale di una piccola dimensione del campione è quella che ha sulla potenza statistica . Potenza statistica si riferisce alla capacità di un test statistico basato su un campione di mostrare tratti che esistono veramente nella popolazione . Se la dimensione del campione diminuisce , la potenza diminuisce anche . Così, se la dimensione del campione di studio è troppo piccolo , allora la potenza di uno studio può essere basso al punto di unreliably che mostra i tratti che sono ricercati dal ricercatore .

Type II Error

L’ errore di tipo II di test statistici è essenzialmente un “falso negativo”. Si precisa che i risultati del test non sono vere , e err sul lato non essendoci veri tratti interessanti a popolazioni controllate . Il problema di avere un piccolo campione con riferimento a errori di tipo II è che quando un campione è troppo piccolo , la possibilità di un errore aumenta tipo II . Perché test statistici di risultati in termini di rifiutare o accettare ipotesi , un essere limitato ad un piccolo campione può infatti produrre i risultati errati .

Importanza

statistici test contengono la nozione di ” rilevanza “. In statistica , il significato si riferisce ad una differenza abbastanza grande per materia . Ad esempio , due studenti che cedono 84 e 85, sui loro test di matematica , rispettivamente , hanno punteggi di differenza , ma la maggior parte direi che la differenza tra i loro punteggi non è significativo . Gli statistici tendono a preferire campioni più grandi a causa di questi campioni forniscono una capacità di rilevare meglio le differenze significative tra i valori . Se la dimensione del campione è troppo piccolo , queste differenze non possono essere notati .

Distribuzione

In molti studi , il campione di una popolazione deve essere suddivisa . Questi nuovi gruppi vengono poi messi in differenti scenari o in condizioni diverse . Se la dimensione del campione è piccolo per cominciare, questi gruppi saranno ancora più piccolo , producendo gli stessi problemi come sopra, ma in modo ancora più grave .