Los efectos de una limitación de tamaño pequeño de la muestra

Las limitaciones creadas por un pequeño tamaño de la muestra puede tener profundos efectos sobre el resultado y el valor de un estudio. Un pequeño tamaño de la muestra puede tener efectos muy perjudiciales. Por lo tanto , un estadístico o un investigador debe tratar de medir los efectos de un pequeño tamaño de la muestra , antes de probar . Si un investigador planea con antelación , se puede determinar si las limitaciones pequeño tamaño de la muestra tendrán demasiado grande un impacto negativo en los resultados de su estudio antes de iniciar la travesía . Poder

La principal influencia de un pequeño tamaño de la muestra es la que tiene en el poder estadístico. Potencia estadística se refiere a la capacidad de una prueba estadística sobre la base de una muestra para mostrar rasgos que realmente existen en la población . Si el tamaño de la muestra disminuye , también disminuye el poder . Así, si el tamaño de la muestra de un estudio es demasiado pequeño, entonces el poder de un estudio puede ser baja hasta el punto de mostrar poco fiable de los rasgos que se buscan por el investigador.
Error Tipo II

El error de tipo II de pruebas estadísticas es esencialmente un "falso negativo". Afirma que los resultados de la prueba no son verdaderas, y errar por el lado de que no existieran verdaderos rasgos interesantes en poblaciones inspeccionadas. El problema de tener un pequeño tamaño de la muestra en cuanto a errores de tipo II es que cuando una muestra es demasiado pequeña , la posibilidad de un tipo II aumenta el error . Debido a que las pruebas estadísticas ofrecen los resultados en términos de rechazar o aceptar las hipótesis , un ser limitado a una pequeña muestra de hecho puede producir resultados erróneos .
Importancia

Estadística pruebas contienen la noción de " significado ". En estadística , la significación se refiere a una diferencia que es lo suficientemente grande como para importar. Por ejemplo, dos estudiantes que rinden 84 y 85 en sus exámenes de matemáticas , respectivamente , tienen puntajes de diferencia , pero la mayoría diría que la diferencia entre sus resultados no son significativos . Los estadísticos tienden a preferir las muestras más grandes debido a estas muestras proporcionan la capacidad de detectar mejor las diferencias significativas entre los valores . Si el tamaño de la muestra es demasiado pequeña, estas diferencias no se notan .
Distribución

En muchos estudios, la muestra de una población debe ser subdividida . Estos nuevos grupos se ponen en diferentes escenarios o bajo diferentes condiciones . Si el tamaño de la muestra es pequeño , para empezar, estos grupos serán aún más pequeños , produciendo los mismos problemas que el anterior, pero de una forma aún más grave.