Solo necesita el número de unidades en su pedido o envío y contrarrestado con los parámetros en la columna de lote o tamaño por lotes. Encuentre el rango preciso donde caen las unidades en su envío u pedido. Si su pedido tiene 2000 unidades, caerá en el rango de 1,201-3,200 en la columna de lote o tamaño por lotes. Esto se alinea con la letra «k» en la columna de letra del código de tamaño de muestra y 125 unidades en el nivel de tamaño de muestra I. Los números correspondientes en la sección AQL:
Para AQL 2.5, solo 7 defectos son aceptables, mientras que 8 defectos o más son rechazables.
Para AQL 4.0, solo 10 defectos son aceptables, mientras que 11 defectos o más son rechazables.
Para AQL 6.5, solo 14 defectos son aceptables, mientras que 15 defectos o más son rechazables.
Esto le proporciona a usted y a su inspector una referencia para la inspección de su pedido en el futuro para determinar el nivel de calidad. El tamaño de muestra AQL de 125 unidades para la inspección debe elegirse al azar para garantizar la precisión de los resultados. Además de la mesa de muestreo AQL, también puede usar el gráfico AQL.
El gráfico AQL consta de dos tablas de límite de calidad aceptables y se usa para determinar el tamaño de la muestra para la inspección y las unidades defectuosas aceptables. Este gráfico de muestreo AQL ofrece más opciones, niveles de inspección y estándares para casos de uso únicos. Pero, el gráfico AQL es tan fácil como la tabla del plan de muestreo AQL.
¿Qué es la determinacion del tamaño de la muestra?
Esto es obvio: cuanto mayor sea la muestra de una encuesta aleatoria, más preciso y… costoso es el análisis. Pero la ganancia marginal de precisión es cada vez más débil a medida que aumenta el tamaño de la muestra: para dividir un intervalo de confianza en 2, no debe multiplicar la muestra por 2 pero por 2² = 4. A las rondas redondeadas, se ve en el Pequeña mesa a continuación.
Para usar la analogía de R. Behar, si hacemos una sopa en una olla pequeña, la prueba con una cuchara pequeña para saber si está lo suficientemente salado; Pero si la olla es diez veces más grande, no necesita una cuchara diez veces más grande.
En la práctica, nos damos un margen de error y un intervalo de confianza. En estas bases, determinamos el tamaño de la muestra que se estudiará. Observamos al pasar que el tamaño de la población madre no interviene…
El tamaño de la muestra es calculado por muchos software, pero es muy fácil usar la siguiente fórmula si el problema se refiere a una proporción y asumimos una distribución normal:
El coeficiente T se lee en la tabla de la ley normal centrada reducida, es decir, vale 1.96 si nos hemos dado un nivel de confianza de 0.95. La proporción P de unidades estadísticas con la característica a medir está determinada por el conocimiento que tenemos sobre el tema. Cuando no lo sabemos todo, tomamos 0.5, por falta de mejor. En cuanto a D, este es el margen de error que nos damos a nosotros mismos. No debe confundirse con la probabilidad de que el intervalo de confianza excluya la verdadera proporción: este es el margen en la proporción. Puede ser del 2 % en una proporción de 0.5 (luego determinamos N para una proporción que varía entre 0.48 y 0.52).
¿Cómo debe determinarse el tamaño de muestra para esas pruebas?
Ahora, profundicemos en cómo calcular realmente el tamaño de la muestra y el tiempo que necesita para su próxima prueba A/B.
Para nuestros propósitos, vamos a usar el correo electrónico como ejemplo para demostrar cómo determinará el tamaño de la muestra y el tiempo para una prueba A/B. Sin embargo, es importante tener en cuenta: los pasos en esta lista se pueden usar para cualquier prueba A/B, no solo por correo electrónico.
Como se mencionó anteriormente, cada prueba A/B que envía solo se puede enviar a una audiencia finita, por lo que debe descubrir cómo maximizar los resultados de esa prueba A/B. Para hacer eso, debe determinar la parte más pequeña de su lista total necesaria para obtener resultados estadísticamente significativos. Así es como lo calculas.
Para probar A/B, una muestra de su lista, debe tener un tamaño de lista decentemente grande: al menos 1,000 contactos. Si tiene menos de eso en su lista, la proporción de su lista que necesita para probar A/B para obtener resultados estadísticamente significativos se vuelve cada vez mayor.
Por ejemplo, para obtener resultados estadísticamente significativos de una lista pequeña, es posible que deba probar el 85% o el 95% de su lista. Y los resultados de las personas en su lista que aún no se han probado serán tan pequeños que bien podría haber enviado la mitad de su versión de correo electrónico de su lista, y la otra mitad otra, y luego medir la diferencia.
Es posible que sus resultados no sean estadísticamente significativos al final de todo, pero al menos está recopilando aprendizajes mientras hace crecer sus listas para tener más de 1,000 contactos. (Si desea más consejos sobre el crecimiento de su lista de correo electrónico para que pueda alcanzar ese umbral de contacto de 1,000, consulte esta publicación de blog).
¿Cómo se determina el cálculo de la muestra?
En este artículo, abordamos el cálculo del tamaño mínimo de una muestra para determinar una proporción en una población determinada. El cálculo de una proporción es muy común como parte de un estudio de mercado. Se toman decisiones importantes sobre la base de las proporciones obtenidas a través de una encuesta web. Por ejemplo, si la proporción de participantes que tienen interés en un nuevo producto o servicio es lo suficientemente grande, se realizarán inversiones para comercializarla.
Una proporción es el número de personas en una población con una característica entre un conjunto de características posibles. Las proporciones generalmente se calculan en forma de porcentaje. Por ejemplo, la proporción de personas que están listas para pagar un nuevo producto o un nuevo servicio.
A menudo es imposible calcular la proporción exacta de todas las personas que forman una población. La población puede contener miles, ver cientos de miles de personas. Entonces es necesario calcular la proporción en una muestra de la población. La proporción en una muestra válida se estimará como la proporción en toda la población.
El tamaño de la muestra de un estudio realizado con una muestra es un factor determinante para obtener datos confiables sobre una proporción en una población. La confiabilidad de los datos nunca es absoluta, sino que está más bien en un intervalo de confianza. Cuanto más pequeño sea este intervalo, o cuanto más cerca sea el margen de error, mayor será el tamaño de la muestra para obtener un valor razonable de esta proporción en toda la población.
¿Cómo se hace la determinación de la muestra?
El enfoque de estimación para determinar el tamaño de la muestra aborda la pregunta: «¿Qué tan preciso desea que sea su estimación?» En este caso, estamos estimando la diferencia en las medias. Este enfoque requiere que especifiquemos cuán grande sea la diferencia que estamos interesados en detectar, digamos B para el límite en el margen de error y luego especifiquemos qué tan seguros queremos que podamos detectar una diferencia tan grande. Recuerde que cuando asumimos tamaños de muestra iguales de N,: se da un intervalo de confianza para ( mu_1- mu_2 ) por:
Dado que en la práctica, no sabemos cuál será, antes de recopilar los datos, necesitaremos una suposición de ( Sigma ) para sustituir a esta ecuación. Para hacer esto a mano y usamos Z en lugar de T ya que no conocemos el DF si no conocemos el tamaño de la muestra N: la computadora actualizará iterativamente el D.F. Como calcula el tamaño de la muestra, dando un tamaño de muestra ligeramente mayor cuando N es pequeño.
Por lo tanto, necesitamos tener una estimación de ( Sigma^2 ), un margen de error deseado vinculado b, que queremos detectar y un nivel de confianza 1- ( alpha ). Con esto, podemos determinar el tamaño de la muestra en este tipo comparativo de experimento. Podemos o no tener control directo sobre ( Sigma^2 ), pero al usar diferentes diseños experimentales tenemos cierto control sobre esto y abordaremos esto más adelante en este curso. En la mayoría de los casos, se necesita una estimación de ( Sigma^2 ) para determinar el tamaño de la muestra.
Una extensión especial de este método es cuando tenemos una situación binomial. En este caso en el que estamos estimando proporciones en lugar de algún nivel medio cuantitativo, sabemos que la peor varianza, P (1-P), es donde P (la proporción verdadera) es igual a 0.5 y luego tendríamos una aproximación aproximada Fórmula de tamaño de muestra que es más simple, a saber, (n = 2/b^2 text {for} alpha = 0.05 ).
En la situación de muestra emparejada, tenemos un grupo de sujetos donde cada sujeto tiene dos mediciones tomadas. Por ejemplo, la presión arterial se midió antes y después de que se administró un tratamiento para cinco sujetos. Estas no son muestras independientes, ya que para cada sujeto, se toman dos mediciones, que generalmente están correlacionadas, por lo tanto, llamamos a estos datos emparejados. Si realizamos una prueba t independiente de dos muestras, ignorando el emparejamiento por el momento en que perdemos el beneficio del emparejamiento, y la variabilidad entre los sujetos es parte del error. Al usar una prueba t emparejada, el análisis se basa en las diferencias (después, antes) y, por lo tanto, se elimina cualquier variación entre los sujetos.
¿Cómo calcular la muestra de un estudio descriptivo?
Los estudios descriptivos generalmente se realizan utilizando encuestas. Esto requiere cierta comprensión de la población objetivo, es decir, todo el grupo de individuos a los que los investigadores están interesados en generalizar los resultados. Por ejemplo, podría realizar una encuesta de adultos (20 años o más) en Australia del Sur (población de encuestas de aproximadamente 1,200,000), pero desea poder generalizar los resultados a todos los adultos en Australia (aproximadamente 16,800,000), la población objetivo .
Los tamaños de muestra para las encuestas se basan en la precisión en otras palabras, si está tratando de medir una tasa (o proporción), qué preciso desea que sea la estimación. Por ejemplo, es posible que desee estimar la proporción (P) de adultos en Australia que están casados. Probablemente cree que es alrededor del 50%, y le gustaría obtener una estimación dentro de la precisión de ± 1%, es probable que el verdadero valor caiga dentro del rango 49 – 51% con una confianza del 95%. De hecho, este es el intervalo de confianza del 95% para la proporción de la muestra (P) de 0.5, y usamos esto para determinar un tamaño de muestra requerido.
La fórmula para el intervalo de confianza (IC) del 95% para P es:
donde se (p) es el error estándar de la proporción. La fórmula para SE (P) tiene la raíz cuadrada de N, el tamaño de la muestra, en el denominador. En otras palabras, a medida que el tamaño de la muestra se hace más grande, SE (P) se vuelve más pequeño, el CI del 95% se vuelve más estrecho y obtenemos una estimación más precisa. Entonces, para aumentar la precisión, simplemente necesitamos aumentar el tamaño de la muestra.
A partir del ejemplo anterior, con una proporción esperada del 50% y una gran población objetivo, y una precisión requerida de ± 1%, la Figura 1 muestra que el tamaño de la muestra requerido es de aproximadamente 6,500 respuestas de una población de muestra de 1,200,000 adultos en el sur de Australia.
Artículos Relacionados:
