Provstorleken

Provstorleken, ofta kallad sample size, är antalet observationer eller enheter i ett urval som används för att undersöka en population. Den påverkar hur exakt och tillförlitlig en uppskattning blir samt hur stor sannolikheten är att upptäcka en verklig effekt om en sådan finns. En större provstorlek minskar stickprovssläpp och ger oftast bredare bild av populationen, men medför ökade kostnader och längre insamlingstid.

Planering av provstorleken grundar sig i vilka krav som ställs på resultatet. Vanliga mål är en viss konfidensnivå (till exempel 95%), en accepterad felmarginal och en uppskattad variation i data eller en förväntad effektstorlek. I kvantitativa studier används standardformler för uppskattning av medelvärde eller andel. För medelvärde används ofta n = (Z^2 * σ^2) / E^2, där Z är z-värdet för önskad konfidensnivå, σ uppskattad standardavvikelse och E önskad felmarginal. För andel används n = Z^2 p(1-p) / E^2, där p är den förväntade andelen. Vid små populationer kan man justera med Finite Population Correction: n_adj = n / (1 + (n-1)/N).

I forskningsdesign kan provstorleken påverkas av studiens struktur, som klusterurval eller stratifiering, där designfaktorn eller mätfel måste tas med i beräkningarna. I experiment och kliniska studier används även poweranalys för att säkerställa tillräcklig styrka att upptäcka en viss effekt vid en given signifikansnivå. Relaterade begrepp inkluderar konfidensintervall, felmarginal, effektstorlek och styrka (power).