Como melhorar a amostragem de precisão
-Lo a melhorar a precisão de qualquer coisa que você observa de sua amostra de indivíduos por ter uma amostra maior. o Teorema do limite central (Ou CLT, um dos fundamentos da teoria das probabilidades) descreve como aleatório flutuações comportar quando um grupo de variáveis aleatórias são adicionados (ou média) juntos. Entre muitas outras coisas, a CLT descreve como a precisão de uma estatística da amostra depende do tamanho da amostra.
A precisão de qualquer estatística da amostra aumenta (isto é, a SE diminui) proporcionalmente à raiz quadrada do tamanho da amostra. Assim, se o teste A tem quatro vezes o número de sujeitos como Teste B, então os resultados do ensaio Um será duas vezes tão precisa como (ou seja, tem uma metade da SE de) os resultados do ensaio B, porque a raiz quadrada de quatro é dois.
Você também pode obter uma melhor precisão (e SEs menores) através da criação de sua experiência de uma forma que diminui a variabilidade aleatória na população. Por exemplo, se você quiser comparar um produto de perda de peso com um placebo, você deve tentar ter os dois grupos de tratamento em seu julgamento como igualmente equilibradas quanto possível no que diz respeito a cada característica assunto que pode influenciar de modo concebível perda de peso.
Gêmeos idênticos fazer (embora difíceis de encontrar) sujeitos ideais para ensaios clínicos, porque eles estão tão estreitamente alinhados, de muitas formas. Alternativamente, você pode fazer seus critérios de inclusão mais rigorosos. Por exemplo, você pode restringir os grupos de estudo para apenas machos dentro de uma idade, altura, e peso estreita e impor outros critérios que eliminam outras fontes de entre-sujeitos a variabilidade (como história de tabagismo, hipertensão, distúrbios do sistema nervoso, e assim por diante ).
Mas, embora estreitando os critérios de inclusão torna a sua amostra do estudo mais homogênea e elimina mais fontes de flutuações aleatórias, ele também tem algumas desvantagens importantes:
Ele faz encontrar temas adequados mais difícil.
Suas inferências (conclusões) deste estudo agora só pode ser aplicada à população mais estreito (correspondendo aos seus critérios de inclusão mais rigorosos).