പ്രധാന ഉള്ളടക്കത്തിലേക്ക് പോകുക
Calculator Tools
ഗണിതംസൗജന്യംരജിസ്ട്രേഷൻ വേണ്ട

സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ - Free Online Calculator

നിങ്ങളുടെ ലക്ഷ്യ മാർജിൻ ഓഫ് എറർ-ഉം കോൺഫിഡൻസ് ലെവലും കൈവരിക്കാൻ ഒരു സർവേയ്ക്ക് ആവശ്യമായ സാമ്പിൾ സൈസ് കണക്കാക്കുക. മാർക്കറ്റ് റിസർച്ച്, അഭിപ്രായ വോട്ടെടുപ്പുകൾ, A/B ടെസ്റ്റുകൾ, ഗുണനിലവാര നിയന്ത്രണം എന്നിവയിൽ നിങ്ങൾക്ക് എത്ര പ്രതികരണക്കാർ വേണമെന്ന് അറിയാൻ ഉപയോഗിക്കുന്നു.

  • Formula shown on the page
  • Runs in your browser
  • Your inputs stay private
%

Use 0.5 if unknown (most conservative)

Required sample size

385 respondents

Using z = 1.96 for 95% confidence at ±5% margin

Formula: n = z² · p(1−p) / e²

About

Understanding the സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ

ഏതൊരു സർവേ, A/B ടെസ്റ്റ്, ക്ലിനിക്കൽ ട്രയൽ അല്ലെങ്കിൽ മാർക്കറ്റ് റിസർച്ച് സ്റ്റഡിയിലും ആദ്യം വരുന്ന പ്രായോഗിക ചോദ്യമാണ് സാമ്പിൾ സൈസ് നിർണയിക്കൽ: 'സ്റ്റാറ്റിസ്റ്റിക്കലി അർത്ഥവത്തായ ഫലങ്ങൾ ലഭിക്കാൻ എത്ര പ്രതികരണക്കാരെ ഇന്റർവ്യൂ ചെയ്യണം?' വളരെ കുറച്ച് സാമ്പിൾ ചെയ്താൽ നിങ്ങളുടെ ഫലങ്ങളിൽ പ്രവർത്തിക്കാൻ കഴിയാത്തത്ര അനിശ്ചിതത്വം ഉണ്ടാകും; വളരെയധികം സാമ്പിൾ ചെയ്താൽ സമയവും പണവും സദ്ഭാവനയും പാഴാകും. ഈ കാൽക്കുലേറ്റർ ഒരു ലക്ഷ്യ മാർജിൻ ഓഫ് എററിനും കോൺഫിഡൻസ് ലെവലിനും ഗണിതശാസ്ത്രപരമായി ഒപ്റ്റിമൽ ആയ സാമ്പിൾ സൈസ് നൽകുന്നു. ഇലക്ഷൻ സർവേകൾ രൂപകൽപ്പന ചെയ്യുമ്പോൾ CSDS, Lokniti, Axis My India, CVoter തുടങ്ങിയ ഇന്ത്യൻ പോളിങ് ഏജൻസികൾ ഉപയോഗിക്കുന്ന അതേ കണക്കുകൂട്ടൽ തന്നെയാണിത്, A/B ടെസ്റ്റുകൾ ആസൂത്രണം ചെയ്യുമ്പോൾ Flipkart, Swiggy, Zomato, Paytm എന്നിവയിലെ പ്രൊഡക്ട് ടീമുകളും ഇത് ഉപയോഗിക്കുന്നു.

ഇന്ത്യൻ സന്ദർഭം: 1,200 പ്രതികരണക്കാരുള്ള ഒരു ദേശീയ അഭിപ്രായ വോട്ടെടുപ്പ് 95% കോൺഫിഡൻസിൽ ~±3% മാർജിൻ നൽകുന്നു - ഇലക്ഷൻ പ്രവചനങ്ങൾക്ക് ഇത് മതിയാകും. സംസ്ഥാന തല വോട്ടെടുപ്പുകൾക്ക് ഓരോ സംസ്ഥാനത്തിനും 800-1,000 വേണം. ഒരു നഗരത്തിനുള്ള ബ്രാൻഡ് സർവേകൾക്ക് ±5% മാർജിന് 400-500 പ്രതികരണക്കാർ വേണം. വെബ്സൈറ്റുകളിലെ A/B ടെസ്റ്റിങ്ങിന് ബേസ്‌ലൈൻ കൺവേർഷൻ നിരക്കും കണ്ടുപിടിക്കാവുന്ന വ്യത്യാസവും അനുസരിച്ച് ഒരു വേരിയന്റിന് 1,000-50,000 വിസിറ്റേഴ്‌സ് വേണ്ടിവന്നേക്കാം. 'ഒരു 500 പേരുള്ള കമ്പനിയിലെ എല്ലാ ജീവനക്കാരെയും സർവേ ചെയ്യുക' പോലുള്ള ചെറിയ പോപ്പുലേഷനുകൾക്കുള്ള ഫിനിറ്റ് പോപ്പുലേഷൻ തിരുത്തൽ ഉൾപ്പെടെ ഈ കാൽക്കുലേറ്റർ ഈ എല്ലാ കേസുകളും കൈകാര്യം ചെയ്യുന്നു.

How to use

Using the സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ in 5 steps

  1. നിങ്ങളുടെ കോൺഫിഡൻസ് ലെവൽ തിരഞ്ഞെടുക്കുക (95% സ്റ്റാൻഡേർഡ് ആണ്).

  2. നിങ്ങളുടെ ലക്ഷ്യ മാർജിൻ ഓഫ് എറർ നൽകുക (ഉദാ. ±5%).

  3. പോപ്പുലേഷൻ പ്രൊപ്പോർഷൻ നൽകുക (ഏറ്റവും സൂക്ഷ്മമായ കണക്കിന് 0.5 ഉപയോഗിക്കുക).

  4. ഫിനിറ്റ്-പോപ്പുലേഷൻ തിരുത്തലിനായി ഓപ്ഷണലായി മൊത്തം പോപ്പുലേഷൻ സൈസ് നൽകുക.

  5. ആവശ്യമായ സാമ്പിൾ സൈസ് കാണുക.

The formula

How the സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ works

ഒരു പോപ്പുലേഷൻ പ്രൊപ്പോർഷനായി, ഫോർമുല n = (z² × p × (1−p)) / e² ആണ്. അറിയപ്പെടുന്ന ഒരു ഫിനിറ്റ് പോപ്പുലേഷനായി, തിരുത്തിയ സാമ്പിൾ സൈസ് n / (1 + (n−1)/N) ആണ്. p = 0.5 ഉപയോഗിക്കുന്നത് ഏറ്റവും വലിയ ആവശ്യമായ സാമ്പിൾ നൽകുന്നു - യഥാർത്ഥ പ്രൊപ്പോർഷൻ അജ്ഞാതമാണെങ്കിൽ ഇതാണ് ഏറ്റവും സുരക്ഷിതം.

Formula

n₀ = z² × p × (1−p) / e² n = n₀ / (1 + (n₀−1) / N) (finite population)

  • zതിരഞ്ഞെടുത്ത കോൺഫിഡൻസ് ലെവലിനുള്ള Z-സ്കോർ
  • pകണക്കാക്കിയ പ്രൊപ്പോർഷൻ (അജ്ഞാതമെങ്കിൽ 0.5)
  • eമാർജിൻ ഓഫ് എറർ (ഡെസിമൽ)
  • Nപോപ്പുലേഷൻ സൈസ് (ഓപ്ഷണൽ)
The maths

How the സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ gets its answer

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.

Examples

Worked examples

ദേശീയ ഇലക്ഷൻ വോട്ടെടുപ്പ്: ±3% മാർജിൻ, 95% കോൺഫിഡൻസ്, ഇൻഫിനിറ്റ് പോപ്പുലേഷൻ

n = 1.96² × 0.5 × 0.5 / 0.03² = 3.8416 × 0.25 / 0.0009 = 1,067. 1,100 ആയി റൗണ്ട് ചെയ്യുക. സ്റ്റാൻഡേർഡ് CSDS-ശൈലി വോട്ടെടുപ്പ് സൈസ്. ചെറിയ മാർജിനുകൾക്ക് (±2%) 2,401 വേണം; ±1%-ന് 9,604 വേണം - ഇത് വേഗം അപ്രായോഗികമാകും.

എല്ലാ ജീവനക്കാരുടെയും കമ്പനി സർവേ (N=500): ±5% മാർജിൻ, 95% കോൺഫിഡൻസ്

n₀ (തിരുത്താത്തത്) = 384. ഫിനിറ്റ് N-നായി തിരുത്തിയത്: n = 384 / (1 + 383/500) = 384 / 1.766 = 217 ജീവനക്കാർ. കമ്പനിയുടെ ~43%. ഒരു HR സർവേയ്ക്ക് കൈകാര്യം ചെയ്യാവുന്നത്.

ഇ-കൊമേഴ്‌സ് A/B ടെസ്റ്റ്: 3% ബേസ്‌ലൈൻ കൺവേർഷനിൽ 2% ഉയർച്ച കണ്ടെത്തുക, 80% പവർ

കൂടുതൽ സങ്കീർണ്ണം - ഒരു പവർ അനാലിസിസ് ടൂൾ വേണം. അനുമാന കണക്ക്: ബേസ്‌ലൈൻ p=0.03 ആയി, 0.03 × 1.02 = 0.0306 ആയി ഉയരുന്നത്, α=0.05-ൽ 80% പവറോടെ കണ്ടുപിടിക്കാവുന്നത്, ഒരു വേരിയന്റിന് ~50,000 വിസിറ്റേഴ്‌സ് ആവശ്യമാണ്. ചെറിയ ഇഫക്ടുകൾക്കുള്ള A/B ടെസ്റ്റുകൾക്ക് വലിയ സാമ്പിളുകൾ വേണം.

Use cases

When to use the സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ

  • അഭിപ്രായ വോട്ടെടുപ്പുകളും ഇലക്ഷൻ സർവേകളും രൂപകൽപ്പന ചെയ്യൽ.
  • മാർക്കറ്റ് റിസർച്ച് - കസ്റ്റമർ സംതൃപ്തി, ബ്രാൻഡ് അവബോധ പഠനങ്ങൾ.
  • വെബ്സൈറ്റുകളിലും ആപ്പുകളിലും A/B ടെസ്റ്റിങ്.
  • ക്ലിനിക്കൽ ട്രയലുകൾ - മരുന്നിന്റെ ഫലപ്രാപ്തി ടെസ്റ്റിങ്ങിനായി രോഗികളുടെ കൂട്ടങ്ങളുടെ വലുപ്പം നിർണയിക്കൽ.
  • ഗുണനിലവാര നിയന്ത്രണം - പ്രൊഡക്ഷൻ ബാച്ചുകൾ സാമ്പിൾ ചെയ്യൽ.
  • അക്കാദമിക് റിസർച്ച് - തീസിസ്, ഡിസർട്ടേഷൻ സർവേകൾ ആസൂത്രണം ചെയ്യൽ.
  • ഓർഗനൈസേഷനുകളിലെ ജീവനക്കാരുടെ എൻഗേജ്‌മെന്റ് സർവേകൾ.
  • മാർക്കറ്റിങ് - ക്യാമ്പെയിൻ മുമ്പും ശേഷവുമുള്ള അളവെടുപ്പ്.
Watch out

Common mistakes and gotchas

  • നിങ്ങൾക്ക് ഒരു മികച്ച കണക്ക് അറിയാമെങ്കിലും p = 0.5 ഉപയോഗിക്കുന്നത്. പ്രൊപ്പോർഷൻ ~10% ആണെന്ന് അറിയാമെങ്കിൽ, 0.1 ഉപയോഗിക്കുക - കുറച്ച് പ്രതികരണക്കാർ മാത്രം മതി.
  • ചെറിയ പോപ്പുലേഷനുകൾക്ക് ഫിനിറ്റ് പോപ്പുലേഷൻ തിരുത്തൽ മറക്കുന്നത്.
  • മാർജിൻ ഓഫ് എററും കോൺഫിഡൻസ് ലെവലും തെറ്റിദ്ധരിക്കുന്നത്. ഇവ വ്യത്യസ്ത പാരാമീറ്ററുകളാണ്.
  • നോൺ-റെസ്പോൺസ് കണക്കിലെടുക്കാൻ പരാജയപ്പെടുന്നത്. സാമ്പിൾ സൈസിനെ 1/response_rate കൊണ്ട് ഗുണിക്കുക.
  • ഉപ-ഗ്രൂപ്പ് സാമ്പിൾ സൈസുകൾ മറക്കുന്നത്. 1,200 പേരുടെ ദേശീയ സാമ്പിൾ 50 പേരുടെ ഒരു ഉപ-ഗ്രൂപ്പിന് അർത്ഥവത്തായ വായന നൽകില്ല.
Pro tips

Get more out of this tool

  • അനിശ്ചിതത്വമുണ്ടെങ്കിൽ എപ്പോഴും p = 0.5 ഉപയോഗിക്കുക - ഏറ്റവും സൂക്ഷ്മവും മതിയായ സാമ്പിൾ ഉറപ്പാക്കുന്നതും ആണ്.
  • 95% കോൺഫിഡൻസ് + ±3% മാർജിൻ രാഷ്ട്രീയ വോട്ടെടുപ്പുകൾക്കുള്ള സ്റ്റാൻഡേർഡ് ആണ്; സാധാരണ ഉപഭോക്തൃ സർവേകൾക്ക് ±5%.
  • മാർജിൻ ഓഫ് എറർ പകുതിയാക്കുന്നതിന് സാമ്പിൾ സൈസ് നാലിരട്ടിയാക്കേണ്ടിവരും - ആനുപാതികമായി കുറയുന്ന ഫലങ്ങൾ.
  • ഉപ-ഗ്രൂപ്പ് വിശകലനത്തിന്, ഓരോ ഉപ-ഗ്രൂപ്പിനും സ്വന്തം സാമ്പിൾ സൈസ് ലോജിക് വേണം, മൊത്തത്തിന്റെ ഒരു ഭാഗം മാത്രം പോരാ.
  • സർവേ ഡിസൈനിനായി ഈ സൈറ്റിലെ കോൺഫിഡൻസ് ഇന്റർവെൽ, സ്റ്റാറ്റിസ്റ്റിക്സ്, സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ കാൽക്കുലേറ്ററുകളുമായി ജോടിയാക്കുക.
FAQ

Questions about the സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ

മാർജിൻ ഓഫ് എറർ എന്താണ്?

സാമ്പിൾ കണക്ക് യഥാർത്ഥ പോപ്പുലേഷൻ വാല്യൂവിൽ നിന്ന് എത്രത്തോളം വ്യത്യാസപ്പെടാം എന്നതാണ്. ±3% മാർജിൻ എന്നാൽ ഫലം (തിരഞ്ഞെടുത്ത കോൺഫിഡൻസോടെ) യഥാർത്ഥ്യത്തിന്റെ 3 പെർസന്റേജ് പോയിന്റുകൾക്കുള്ളിൽ ആണെന്നാണ്.

സ്ഥിരസ്ഥിതിയായി p = 0.5 ഉപയോഗിക്കുന്നത് എന്തുകൊണ്ട്?

p × (1−p) എന്ന ഗുണനഫലം p = 0.5-ൽ പരമാവധിയാകുന്നു, ഇത് ഏറ്റവും വലിയ ആവശ്യമായ സാമ്പിൾ നൽകുന്നു. യഥാർത്ഥ പ്രൊപ്പോർഷൻ മുൻകൂട്ടി അറിയില്ലെങ്കിൽ ഇതാണ് ഏറ്റവും സുരക്ഷിതം.

സാധാരണ കോൺഫിഡൻസ് ലെവലുകൾ?

95% അഭിപ്രായ വോട്ടെടുപ്പുകൾക്കും മിക്ക റിസർച്ചിനും സ്റ്റാൻഡേർഡ് ആണ്. ഉയർന്ന സ്റ്റേക്കുകളുള്ള തീരുമാനങ്ങൾക്ക് (മെഡിക്കൽ, റെഗുലേറ്ററി) 99% ഉപയോഗിക്കുന്നു. വേഗത്തിലുള്ള കണക്കുകൾക്ക് ചിലപ്പോൾ 90% ഉപയോഗിക്കുന്നു.

ഫിനിറ്റ് പോപ്പുലേഷൻ തിരുത്തൽ എന്താണ്?

ഒരു പോപ്പുലേഷന്റെ ~5%-ത്തിലധികം സാമ്പിൾ ചെയ്യുമ്പോൾ, ലളിതമായ ഫോർമുല സൂചിപ്പിക്കുന്നതിനേക്കാൾ വേരിയൻസ് ചെറുതാണ്. ചെറിയ പോപ്പുലേഷനുകൾക്ക് ഈ തിരുത്തൽ ആവശ്യമായ സാമ്പിൾ സൈസ് കുറയ്ക്കുന്നു.

ഒരു റഫറണ്ടം / ഇലക്ഷനായുള്ള സാമ്പിൾ സൈസ്?

95% കോൺഫിഡൻസിൽ 1000-1100 പ്രതികരണക്കാർ ±3% മാർജിൻ നൽകുന്നു. ദേശീയ വോട്ടെടുപ്പുകൾ സാധാരണയായി ഇത് തങ്ങളുടെ ഏറ്റവും കുറഞ്ഞ പരിധിയായി ഉപയോഗിക്കുന്നു.

പ്രതികരണ നിരക്ക് പ്രധാനമാണോ?

ഫീൽഡ്‌വർക്കിന് അതെ. പ്രതികരണ നിരക്ക് 25% ആണെങ്കിൽ 1000 പൂർത്തിയാക്കിയവ വേണമെങ്കിൽ, നിങ്ങൾ 4000 പേരെ ക്ഷണിക്കേണ്ടിവരും. ഗണിതം മാറുന്നില്ല, പക്ഷേ ലോജിസ്റ്റിക്സ് മാറുന്നു.

Math in your browser

From simple percentages to scientific notation, statistics, geometry and big-number arithmetic - every common math problem you'd reach for a calculator for, runs in your browser with no installs. The fraction calculator preserves exact rationals, the big-number calculator uses BigInt for hundreds of digits without precision loss, and the scientific calculator's expression evaluator is a hand-written shunting-yard parser (no eval) that supports trig, log, factorial and parentheses.

If you're a student, double-check your work without paying for a graphing calculator. If you're a professional, use these tools as a sanity check on spreadsheet formulas. Every result is shown alongside its formula and inputs, so the math is always auditable.

The സാമ്പിൾ സൈസ് കാൽക്കുലേറ്റർ is part of the Math suite on Online Calculator Tools, alongside 6 related calculators. All tools share the same UI patterns, the same privacy-first rendering (nothing is sent to a server), and the same commitment to showing the formula and assumptions behind every result.