⑴ 我的市場調查中,如何確定抽樣的樣本大小
這是嚴謹的做法:
市場調查中確定樣本量通常的做法是:
1,通過對方差的估計,採用回公式計算所需樣本量,主要答做法有:
2,用兩步抽樣,在調查前先抽取少量的樣本,得到標准差S的估計,然後代入公式中,得到下一步抽樣所需樣本量n;
3,如果有以前類似調查的數據,可以使用以前調查的方差作為總體方差的估計.
4,根據經驗,確定樣本量,主要方法有:
5,如果以前有人做過類似的研究,初學者可以參照前人的樣本.
6,如果是大型城市,省市一級的地區性研究,樣本數在500-1000之間可能比較適合;而對於中小城市,樣本量在200-300之間可能比較適合;如果是多省市或者全國性的研究,則樣本量可能在1000-3000之間比較適合.
7,作為一個常識(主要是為了顯著性檢驗),要進行分組研究的每組樣本量應該不少於50個.
8,通過試驗設計所作的研究,可以採用較小的樣本量.如產品試用(留置)調查,在經費有限的情況下,可以將每組的樣本量降低至30個左右,最好每組在50以上.此外,我們在多次的實際研究中發現,每組超過100個可能是一種資源浪費.
普通的話 100 200夠了
⑵ 我正在做市場調查,統計數據有麻煩。在Excel中如何統計一個表格中多個數據的數量
用統計函數=countif(A1:D10,1) 其中A1:D10是你要統計的區域,1是要統計的數字,其他同理
⑶ 做市場調研怎樣確定樣本量
市場抄調查中確定樣本量通常的做法是:襲
1、通過對方差的估計,採用公式計算所需樣本量,主要做法有:
2、用兩步抽樣,在調查前先抽取少量的樣本,得到標准差S的估計,然後代入公式中,得到下一步抽樣所需樣本量n;
3、如果有以前類似調查的數據,可以使用以前調查的方差作為總體方差的估計.
4、根據經驗,確定樣本量,主要方法有:
5、如果以前有人做過類似的研究,初學者可以參照前人的樣本.
6、如果是大型城市、省市一級的地區性研究,樣本數在500-1000之間可能比較適合;而對於中小城市,樣本量在200-300之間可能比較適合;如果是多省市或者全國性的研究,則樣本量可能在1000-3000之間比較適合.
7、作為一個常識(主要是為了顯著性檢驗),要進行分組研究的每組樣本量應該不少於50個.
8、通過試驗設計所作的研究,可以採用較小的樣本量.如產品試用(留置)調查,在經費有限的情況下,可以將每組的樣本量降低至30個左右,最好每組在50以上.
有些復雜,
如果需要執行可以聯系我們
⑷ 如EXCEL表中A欄輸入出貨數量B欄怎樣能自動顯示出AQL的抽查數量
VLOOKUP模糊引用功能。
首先你要做一個參數表
A B
280 80
3201 125
10000 XX
A4單元格是你要輸入的地方
B4的公式為
=VLOOKUP(A4,$A$1:$B$3,2,TRUE)
⑸ 市場調查的抽樣調查樣本量公式n= Z2σ2/e2 和n= Z2P(1-P)/e2的區別還有σ代表什麼
1.簡單隨機抽樣確定樣本量主要有兩種類型:
(1)對於平均數類型的變數
對於已知數據為絕對數,我們一般根據下列步驟來計算所需要的樣本量。已知期望調查結果的精度(E), 期望調查結果的置信度(L),以及總體的標准差估計值σ的具體數據,總體單位數N。
計算公式為:n=σ2/(e2/Z2+σ2/N)
特殊情況下,如果是很大總體,計算公式變為:n= Z2σ2/e2
例如希望平均收入的誤差在正負人民幣30元之間,調查結果在95%的置信范圍以內,其95%的置信度要求Z的統計量為1.96。根據估計總體的標准差為150元,總體單位數為1000。
樣本量:n=150*150/(30*30/(1.96*1.96))+150*150/1000)=88
(2)於百分比類型的變數
對於已知數據為百分比,一般根據下列步驟計算樣本量。已知調查結果的精度值百分比(E),以及置信度(L),比例估計(P)的精度,即樣本變異程度,總體數為N。
則計算公式為:n=P(1-P)/(e2/Z2+ P(1-P)/N)
同樣,特殊情況下如果不考慮總體,公式為:n= Z2P(1-P)/e2
一般情況下,我們不知道P的取值,取其樣本變異程度最大時的值為0.5。
例如:希望平均收入的誤差在正負0.05之間,調查結果在95%的置信范圍以內,其95%的置信度要求Z的統計量為1.96,估計P為0.5,總體單位數為1000。樣本量為:n=0.5*0.5/(0.05*0.05/(1.96*1.96)+0.5*0.5/1000)=278
⑹ 做一個抽樣調查,樣本量的計算
根據市場調查的經驗,市場潛力等涉及量比較嚴格的調查所需樣本量較大,而產品測試,產品定價,廣告效果等人們間彼此差異不是特別大或對量的要求不嚴格的調查所需樣本量較小些。
樣本量的大小涉及到調研中所要包括的人數或單元數。確定樣本量的大小是比較復雜的問題,既要有定性的考慮也要有定量的考慮!如果是大型城市、省市一級的地區性研究,樣本數在500-1000之間可能比較適合;而對於中小城市,樣本量在200-300之間可能比較適合;如果是多省市或者全國性的研究,則樣本量可能在1000-3000之間比較適合。 作為一個常識(主要是為了顯著性檢驗),要進行分組研究的每組樣本量應該不少於50個。通過試驗設計所作的研究,可以採用較小的樣本量。如產品試用(留置)調查,在經費有限的情況下,可以將每組的樣本量降低至30個左右,最好每組在50以上。我要調查網,讓調查更簡單方便!
⑺ 市場調查隨機不重復抽樣調查樣本數量怎樣確定 (要有計算公式)
n樣本抽取數
t標准正態分布下置信度臨界值
三角 允許誤差范圍
N總體樣本數
剩下 總體方差
⑻ 怎樣計算市場調查的抽樣調查樣本量啊
如何確定樣本量,基本方法很多,但是公式檢驗表明,當誤差和置信區間一定時,不同的樣本量計算公式計算出來的樣本量是十分相近的,所以,我們完全可以使用簡單隨機抽樣計算樣本量的公式去近似估計其他抽樣方法的樣本量,這樣可以更加快捷方便,然後將樣本量根據一定方法分配到各個子域中去。所以,區域二相抽樣不能計算樣本量的說法是不科學的。
1.簡單隨機抽樣確定樣本量主要有兩種類型:
(1)對於平均數類型的變數
對於已知數據為絕對數,我們一般根據下列步驟來計算所需要的樣本量。已知期望調查結果的精度(E), 期望調查結果的置信度(L),以及總體的標准差估計值σ的具體數據,總體單位數N。
計算公式為:n=σ2/(e2/Z2+σ2/N)
特殊情況下,如果是很大總體,計算公式變為:n= Z2σ2/e2
例如希望平均收入的誤差在正負人民幣30元之間,調查結果在95%的置信范圍以內,其95%的置信度要求Z的統計量為1.96。根據估計總體的標准差為150元,總體單位數為1000。
樣本量:n=150*150/(30*30/(1.96*1.96))+150*150/1000)=88
(2)於百分比類型的變數
對於已知數據為百分比,一般根據下列步驟計算樣本量。已知調查結果的精度值百分比(E),以及置信度(L),比例估計(P)的精度,即樣本變異程度,總體數為N。
則計算公式為:n=P(1-P)/(e2/Z2+ P(1-P)/N)
同樣,特殊情況下如果不考慮總體,公式為:n= Z2P(1-P)/e2
一般情況下,我們不知道P的取值,取其樣本變異程度最大時的值為0.5。
例如:希望平均收入的誤差在正負0.05之間,調查結果在95%的置信范圍以內,其95%的置信度要求Z的統計量為1.96,估計P為0.5,總體單位數為1000。樣本量為:n=0.5*0.5/(0.05*0.05/(1.96*1.96)+0.5*0.5/1000)=278
2.樣本量分配方法
以上分析我們獲得了採用簡單隨機抽樣公式計算得到的樣本量,總的樣本量需要在此基礎上乘以設計效應的值得到。由於樣本總量已經確定,我們採用總樣本量固定方法分配樣本,這種方法包括按照比例分配和不按照比例分配兩類。實際工作中首先計算取得區縣總的樣本量,然後逐級將其分配到各階分層中,如果不清楚各階分層的規模和方差等,一般採取比例分配或者比例平方根分配法。如果有一定輔助變數可以使用,可以採用按照規模分配法分配樣本量。
3.樣本量和總體大小的關系: 在其它條件一定的情況下,即誤差、置信度、抽樣比率一定,樣本量隨總體的大小而變化。但是,總體越大,其變化越不明顯;總體較小時,變化明顯。
二者之間的變化並非是線性關系。所以,樣本量並不是越大越好,應該綜合考慮,實際工作中只要達到要求就可以了。
⑼ 抽樣調查的數量怎麼確定
(1)對於平均數類型的變數。
對於已知數據為絕對數,一般根據下列步驟來計算所需要的樣本量。已知期望調查結果的精度(E), 期望調查結果的置信度(L),以及總體的標准差估計值σ的具體數據,總體單位數N。
計算公式為:n=σ2/(e2/Z2+σ2/N) 。
特殊情況下,如果是很大總體,計算公式變為:n= Z2σ2/e2。
(2)於百分比類型的變數。
對於已知數據為百分比,一般根據下列步驟計算樣本量。已知調查結果的精度值百分比(E),以及置信度(L),比例估計(P)的精度,即樣本變異程度,總體數為N。
則計算公式為:n=P(1-P)/(e2/Z2+ P(1-P)/N) 。
同樣,特殊情況下如果不考慮總體,公式為:n= Z2P(1-P)/e2。
一般情況下,不知道P的取值,取其樣本變異程度最大時的值為0.5。
抽樣的主要優點是:
( 1)抽樣調查可以減少調查的工作量,調查內容可以求多、求全或求專,可以保證調查對象的完整性。
( 2)可以從數量上以部分推算總體,利用概率論和數理統計原理,以一定的概率保證推算結果的可靠程度,起到全面調查認識總體的功能,可以保證調查的精度。
( 3)因為抽樣調查是針對總體中的一部分單位進行的,抽樣調查可以大大減少調查費用,提高調查效率。