ഇൻഫിനിറ്റ് (വലിയ) പോപ്പുലേഷന് വേണ്ടിയുള്ള കോർ ഫോർമുല: n = z² × p × (1−p) / e², ഇവിടെ z എന്നത് കോൺഫിഡൻസ് ലെവലിനുള്ള ക്രിട്ടിക്കൽ വാല്യൂ ആണ് (95%-ന് 1.96, 99%-ന് 2.58, 90%-ന് 1.645), p എന്നത് പ്രതീക്ഷിക്കുന്ന പ്രൊപ്പോർഷൻ ആണ് (അജ്ഞാതമെങ്കിൽ 0.5 - ആവശ്യമായ സാമ്പിൾ പരമാവധിയാക്കുന്ന ഏറ്റവും മോശം സാഹചര്യം), e എന്നത് ഡെസിമലിലുള്ള മാർജിൻ ഓഫ് എറർ ആണ് (±3%-ന് 0.03). ഈ ഫോർമുല ഒരു പ്രൊപ്പോർഷന്റെ സ്റ്റാൻഡേർഡ് എററിൽ നിന്നാണ് ഉരുത്തിരിയുന്നത്: SE = √(p(1-p)/n), ഇത് e/z-ന് തുല്യമാക്കി n-ന് വേണ്ടി സോൾവ് ചെയ്യുന്നു.
ഫിനിറ്റ് പോപ്പുലേഷൻ തിരുത്തൽ: അറിയപ്പെടുന്ന ഒരു ഫിനിറ്റ് പോപ്പുലേഷൻ N-ന്റെ ~5%-ത്തിലധികം സാമ്പിൾ ചെയ്യുമ്പോൾ, ഇങ്ങനെ ക്രമീകരിക്കുക: n = n₀ / (1 + (n₀-1)/N). വളരെ വലിയ N-ന്, ഇത് n₀-നെ അധികം മാറ്റുന്നില്ല; ചെറിയ N-ന് (500 പേരുള്ള ഒരു കമ്പനിയെ സർവേ ചെയ്യുന്നത് പോലെ), ഇത് ആവശ്യമായ സാമ്പിളിനെ ഗണ്യമായി കുറയ്ക്കുന്നു. ഉദാഹരണം: n₀ = 384 (95% കോൺഫിഡൻസ്, ±5%, p=0.5) 500 പേരുള്ള ഒരു പോപ്പുലേഷന് 217 ആയി കുറയുന്നു. യുക്തി: നിങ്ങൾ ഒരു വലിയ ഭാഗം സാമ്പിൾ ചെയ്യുമ്പോൾ, നിങ്ങളുടെ സാമ്പിളിൽ യഥാർത്ഥ്യത്തിന്റെ കൂടുതൽ ഭാഗം ഉൾപ്പെടുന്നു, അതിനാൽ ആത്മവിശ്വാസത്തോടെ ഇരിക്കാൻ കുറച്ച് മാത്രം മതി.
പ്രായോഗിക ക്രമീകരണങ്ങൾ: പ്രതീക്ഷിക്കുന്ന പ്രതികരണ നിരക്ക് കണക്കിലെടുക്കുക. നിങ്ങൾക്ക് 1,000 പൂർത്തിയാക്കിയ പ്രതികരണങ്ങൾ വേണമെങ്കിൽ പ്രതികരണ നിരക്ക് 30% ആണെങ്കിൽ (ഓൺലൈൻ സർവേകൾക്ക് സാധാരണമാണ്), നിങ്ങൾ 3,300 പേരെ ക്ഷണിക്കേണ്ടിവരും. പാനൽ സർവേകൾക്ക്, പ്രതികരണ നിരക്ക് 60-70% ആകാം; കോൾഡ് ഇമെയിലിന്, 5-15%. ആവശ്യമായ ഗ്രോസ് സാമ്പിൾ ലഭിക്കാൻ ലക്ഷ്യ n-നെ 1/response_rate കൊണ്ട് ഗുണിക്കുക. സ്ട്രാറ്റിഫൈഡ് സാമ്പ്ലിങ്ങിന് (പ്രദേശം, പ്രായം, ലിംഗം അനുസരിച്ച് വ്യത്യസ്ത സാമ്പിളുകൾ) മൊത്തത്തിൽ വലിയ സാമ്പിളുകൾ വേണ്ടിവന്നേക്കാം, പക്ഷേ അത് ഉപ-ഗ്രൂപ്പ് കണക്കുകൾ കൂടുതൽ കൃത്യമായി നൽകും.