Stichprobengröße-Rechner
Ermitteln Sie, wie viele Personen Sie befragen müssen, bei gegebenem Konfidenzintervall und Fehlermarge.
Stichprobengröße-Rechner
Bevor Sie eine Umfrage oder ein Experiment durchführen, müssen Sie wissen, wie viele Antworten das Ergebnis tatsächlich aussagekräftig machen. Dieser Rechner ermittelt diese Zahl aus drei Eingaben: das gewünschte Konfidenzintervall, die vertretbare Fehlermarge und der Anteil, auf den Sie das Ergebnis erwarten. Wenn Sie die Populationsgröße festlegen, wird auch die Populationskorrekturfaktor angewendet, die die erforderliche Stichprobe senkt, sobald Sie einen bedeutsamen Anteil einer kleinen, bekannten Gruppe befragen—ein Unternehmen mit 400 Mitarbeitern benötigt deutlich weniger abgeschlossene Antworten als eine offene Webumfrage.
Standardmäßig geht der Rechner davon aus, dass Sie einen Anteil messen, beispielsweise "Prozentsatz, der Option A bevorzugt", mit 50% als erwarteter Aufteilung, was die sicherste Annahme ist, wenn Sie keine Vorabbaten haben, da dies die größte, konservativste Stichprobengröße liefert. Wechseln Sie unter "Berechnung für" stattdessen zu einem Durchschnittswert, und es verwendet eine von Ihnen angegebene Standardabweichung—nützlich, wenn die Zahl, die Sie schätzen, ein Durchschnitt ist (Bestellwert, Zeit für eine Aufgabe) statt eines Prozentsatzes. Die Rücklaufquoten-Option erhöht die Stichprobe in eine Kontaktzahl: Wenn nur 40% der Personen, die Sie kontaktieren, normalerweise antworten, teilt Ihnen das Tool mit, wie viele Sie einladen müssen, um die tatsächlich benötigte Stichprobe zu erhalten.
Fügen Sie eine oder mehrere Stichprobengrößen in die Eingabe ein, eine pro Zeile, und das Tool führt die Berechnung umgekehrt durch: Für jede Größe wird die Fehlermarge gemeldet, die diese Stichprobengröße bei Ihrem gewählten Konfidenzintervall tatsächlich erreicht, mit derselben Populationskorrekturfaktor angewendet. Aktivieren Sie "Szenarien als Tabelle anzeigen", um mehrere Größen nebeneinander zu vergleichen, statt sie als separate Zeilen zu lesen—praktisch für Stakeholder, die zwischen einer günstigen, lockeren Schätzung und einer teuren, präzisen Schätzung entscheiden.