Máy tính kiểm tra A/B: Ước tính kích thước mẫu

Tính toán kích thước mẫu cần thiết cho các nghiên cứu và thí nghiệm thống kê, có tính đến mức ý nghĩa và khoảng tin cậy.

Tỷ lệ chuyển đổi trong vùng xám sẽ không thể phân biệt được với mức cơ bản.

Tỷ lệ phần trăm thời gian mà hiệu quả tối thiểu sẽ được phát hiện nếu nó tồn tại

Tỷ lệ phần trăm thời gian mà sự khác biệt sẽ được phát hiện nếu nó KHÔNG tồn tại

Kích thước mẫu

1,030

trên mỗi biến thể

Lưu kết quả

Khám phá công cụ tương tự
Thử nghiệm A/BThống kêPhân tích sản phẩm
Hỗ trợ DevBox Tools ❤️

Tính năng của công cụ "Máy tính kích thước mẫu"

Xác định số lượng quan sát tối thiểu

Cho phép bạn tính toán có bao nhiêu dữ liệu là cần thiết để có được các kết quả có ý nghĩa thống kê.

Xem xét khoảng tin cậy và mức ý nghĩa

Giúp giảm thiểu khả năng xảy ra lỗi trong các thí nghiệm và các bài kiểm tra tiếp thị.

Hữu ích để kiểm tra A/B

Tối ưu hóa quá trình thu thập dữ liệu, loại bỏ các nguồn lực thừa để phân tích.

Công cụ hữu ích

Máy tính kiểm tra A/B: Ước tính kích thước mẫu

alien

Máy tính kích thước mẫu giúp xác định có bao nhiêu quan sát là cần thiết để có được các kết quả có ý nghĩa thống kê. Điều này rất quan trọng để lên kế hoạch cho các thí nghiệm, các nghiên cứu và các bài kiểm tra tiếp thị.

Mẫu phải đủ lớn để các kết quả đáng tin cậy, nhưng không quá lớn để không lãng phí các nguồn lực thừa. Công cụ của chúng tôi xem xét mức độ tin cậy, sai số cho phép và sự biến thiên dự kiến của dữ liệu.

Công cụ này hữu ích cho các nhà phân tích, các nhà nghiên cứu, các nhà tiếp thị và tất cả những ai làm việc với dữ liệu thống kê và muốn lên kế hoạch cho các nghiên cứu một cách tối ưu.

Câu hỏi thường gặp (FAQ)

Kích thước mẫu phụ thuộc vào mức độ tin cậy mong muốn, sai số cho phép, kích thước dân số và kích thước hiệu ứng dự kiến (MDE). Các hiệu ứng lớn hơn đòi hỏi các mẫu nhỏ hơn, trong khi các hiệu ứng nhỏ hơn đòi hỏi các mẫu lớn hơn để phát hiện.

Mức độ tin cậy (thường là 95%) cho biết bạn tự tin như thế nào về kết quả của mình. Sai số cho phép là phạm vi không chắc chắn xung quanh ước tính của bạn. Mức độ tin cậy cao hơn hoặc sai số cho phép nhỏ hơn đòi hỏi các mẫu lớn hơn.

Sử dụng một cách tiếp cận thận trọng - chia đều thành hai nhóm theo tỷ lệ 50/50.

Nếu dân số bị hạn chế, hãy sử dụng hiệu chỉnh cho dân số hữu hạn và cố gắng tối đa hóa phạm vi tiếp cận. Trong trường hợp các mẫu rất nhỏ, hãy sử dụng các phương pháp phân tích phi tham số và xem xét công suất thống kê giảm.

Nếu chọn MDE quá nhỏ, sẽ cần một mẫu rất lớn, điều này có thể không thực tế. Nếu chọn MDE quá lớn, có thể bỏ lỡ các hiệu ứng nhỏ nhưng quan trọng. MDE tối ưu phải phản ánh giá trị kinh doanh hoặc nghiên cứu của hiệu ứng.

Công suất thống kê là xác suất phát hiện một hiệu ứng thực (nếu có) và tránh sai lầm loại II (kết quả âm tính giả). Công suất cao hơn (thường là 80% trở lên) đòi hỏi kích thước mẫu lớn hơn để đảm bảo bạn không bỏ lỡ một kết quả có ý nghĩa.

Sự biến thiên trong dữ liệu của tổng thể càng lớn (độ lệch chuẩn), thì kích thước mẫu cần thiết để đạt được cùng một độ chính xác càng lớn. Điều này là do sự biến thiên lớn hơn gây khó khăn cho việc thu được một ước tính chính xác về giá trị trung bình của tổng thể.

Đối với các nghiên cứu so sánh, bạn cần một tính toán kích thước mẫu có tính đến hiệu ứng tối thiểu có thể phát hiện được (sự khác biệt nhỏ nhất mà bạn cho là quan trọng) và công suất thống kê để đảm bảo rằng thử nghiệm của bạn có khả năng phát hiện sự khác biệt đó.
Đánh giá công cụ này
4.5(25 người dùng đã đánh giá)