抽樣誤差計算機

抽樣誤差計算機

成長中 AI Skill PRO

輸入計算

數學公式

MOE=z·p(1−p)n×100where{z=Φ−1(1−1−Confidence/1002)p=Proportion (%)100n=Sample Size\begin{gathered} \text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100 \\[1.5em] \text{where}\quad \left\{ \begin{aligned} z &= \Phi^{-1}\!\left(1 - \frac{1 - \text{Confidence}/100}{2}\right) \\ p &= \dfrac{\text{Proportion (\%)}}{100} \\ n &= \text{Sample Size} \end{aligned} \right. \end{gathered}
使用統計

廣告

結果

抽樣誤差

± 3.099%

信賴水準: 95.0% · 母體的真實比例落在您樣本比例的此誤差範圍內: ±3.099%

信賴區間: 46.9% - 53.1%
樣本數: 1,000
信賴水準: 95%
樣本比例: 50%

解讀:在所選信賴水準下,母體的真實比例落在此範圍內 (95.0%): 46.9% – 53.1%

回報本頁錯誤

什麼是抽樣誤差計算機?

抽樣誤差計算機能幫你了解,問卷或民調得出的結果,與整體母體的真實數值之間可能相差多少。只調查一部分人時,推估結果難免帶有不確定性,而抽樣誤差就是用「正負幾個百分點」來衡量這份不確定性。只要輸入三個簡單的數值,這個工具就能算出精確的抽樣誤差,以及圍繞你所報告數字的信賴區間。

鐘形曲線上標示樣本估計值,並以水平誤差線呈現抽樣誤差的範圍
抽樣誤差界定出樣本估計值周圍的一段範圍,真實數值很可能就落在其中。

需要輸入的欄位

  • 樣本數:實際訪問的人數或項目數(例如 1,000 位受訪者)。
  • 信賴水準(%):你希望有多大把握,讓真實數值落在所算出的區間內,常見為 90、95 或 99。
  • 樣本比例(%):樣本中選擇某個答案的百分比(例如 60% 回答「是」)。

使用的計算公式

本計算機採用比例抽樣誤差的標準公式:

$$\text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100$$

  • \(z\) 是常態分布的臨界值,由信賴水準換算而來。工具會以 \(1 - (1 - \text{confidence}/100) / 2\) 的累積機率反推得出,因此 95% 的信賴水準對應 \(z \approx 1.96\)。
  • \(p\) 是以小數表示的樣本比例(60% 即 0.60)。
  • \(n\) 是樣本數。

接著會列出信賴區間:下限為(比例 − 抽樣誤差,最低不會小於 0%),上限為(比例 + 抽樣誤差,最高不會超過 100%)。

廣告
示意圖:抽樣誤差等於 z 分數乘以標準誤,樣本數位於根號之內
樣本數越大,分母中的根號會讓抽樣誤差隨之縮小。

計算範例

假設你訪問了 1,000 人,信賴水準設為 95%,其中 60% 回答「是」。

  • \(z = 1.96\)、\(p = 0.60\)、\(n = 1{,}000\)
  • 標準誤 $$= \sqrt{\frac{0.60 \times 0.40}{1000}} = \sqrt{0.00024} \approx 0.01549$$
  • $$\text{MOE} = 1.96 \times 0.01549 \times 100 \approx 3.04\%$$

因此結果為 60% ± 3.04%,信賴區間大約是 56.96% 到 63.04%。

常見問題

要怎麼縮小抽樣誤差?增加樣本數即可。由於 \(n\) 位於根號之下,想把抽樣誤差減半,樣本數大約得增加為原來的四倍。

什麼樣的比例會讓抽樣誤差最大?比例為 50% 時抽樣誤差最大,因為 \(p(1 - p)\) 在此時達到最大值。如果你還不知道實際比例,以 50% 計算會得到較保守的估計。

為什麼信賴水準越高,區間就越寬?信賴水準越高,\(z\) 值也越大(95% 為 1.96,99% 約為 2.58),區間因此變寬,才能更有把握涵蓋真實數值。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器