Alta Confiança, Erro Pequeno
Tamanho da População: 10.000 Pessoas; Nível de Confiança: 99 %; Margem de Erro: 2 %; Distribuição de Respostas: 50 %
Z-score: 2,58; p: 0,5; q: 0,5; Tamanho da Amostra: 2.937,97779; Tamanho da Amostra Arredondado: 2.938
Estima o tamanho mínimo da amostra necessário para atingir um nível desejado de confiança e margem de erro para um estudo.
Passe pelas entradas com cuidado e depois compare os resultados em vez de confiar em apenas um cenário.
Tamanho da População, Nível de Confiança, Margem de Erro, Distribuição de Respostas → Z-score, p, q, Tamanho da Amostra, Tamanho da Amostra Arredondado
Use estes exemplos para verificar o comportamento da calculadora antes de inserir seus próprios valores.
Tamanho da População: 10.000 Pessoas; Nível de Confiança: 99 %; Margem de Erro: 2 %; Distribuição de Respostas: 50 %
Z-score: 2,58; p: 0,5; q: 0,5; Tamanho da Amostra: 2.937,97779; Tamanho da Amostra Arredondado: 2.938
Tamanho da População: 1.000 Pessoas; Nível de Confiança: 95 %; Margem de Erro: 5 %; Distribuição de Respostas: 50 %
Z-score: 1,96; p: 0,5; q: 0,5; Tamanho da Amostra: 277,5401688; Tamanho da Amostra Arredondado: 278
Tamanho da População: 500 Pessoas; Nível de Confiança: 80 %; Margem de Erro: 10 %; Distribuição de Respostas: 50 %
Z-score: 1,28; p: 0,5; q: 0,5; Tamanho da Amostra: 37,85862171; Tamanho da Amostra Arredondado: 38
Utilize calculadoras para álgebra, geometria, trigonometria, probabilidade, estatística, médias, scores z, testes e tarefas de graficos.
Estes links foram escolhidos para aprofundar a sessão e responder à próxima pergunta provável sem mandar o usuário de volta à busca.
Calcula a estatística Qui-Quadrado e o valor p para a adequação do ajuste ou teste de independência. Requer frequências ou valores observados e esperados.
Calcula o estatístico t, usado em testes de hipóteses quando o desvio padrão da população é desconhecido. Esta calculadora ajuda a determinar se a diferença entre a média amostral e a média populacional é estatisticamente significativa.
Avalia o desempenho de um modelo de classificação usando métricas derivadas de uma matriz de confusão, incluindo acurácia, precisão, recall e especificidade.
Calcula probabilidades para uma distribuição uniforme contínua, onde todos os resultados dentro de um intervalo são igualmente prováveis.