#sample-size

Umfrage- und Befragungs-Stichprobengrößenplanung als API, lokal und deterministisch berechnet. Der Proportions-Endpunkt berechnet die Anzahl der Befragten, die benötigt werden, um einen Anteil innerhalb einer Ziel-Fehlermarge bei einem gewählten Konfidenzniveau zu schätzen, n = z²·p(1−p)/E², standardmäßig mit dem schlechtesten Fall p = 0,5, der die erforderliche Größe maximiert, mit einer optionalen Korrektur für endliche Populationen n/(1 + (n−1)/N) für eine bekannte Population – die klassische ±5 %-Marge bei 95 % Konfidenz benötigt 385 Antworten, ±3 % benötigt 1.068, und die Begrenzung der Population auf 1.000 reduziert die ±5 %-Anforderung auf 278. Der Mittelwert-Endpunkt dimensioniert eine Stichprobe zur Schätzung eines Mittelwerts innerhalb einer Fehlermarge aus der Standardabweichung, n = (z·σ/E)². Der Margen-Endpunkt kehrt die Beziehung um und gibt die Fehlermarge zurück, die eine gegebene Stichprobengröße tatsächlich erreicht. Der kritische z-Wert wird aus dem Konfidenzniveau mit einer hochgenauen inversen Normalverteilung berechnet, sodass jedes Konfidenzniveau funktioniert, nicht nur die Lehrbuchwerte 90/95/99 %. Margen, Anteile und Konfidenzen sind Dezimalzahlen (0,05, 0,5, 0,95). Alles wird lokal und deterministisch berechnet, daher ist es sofort und privat. Ideal für Marktforschungs-, Umfrage-, UX-Forschungs-, Umfrageplattform-, Produktanalyse- und Statistikbildungs-App-Entwickler, Studienplanungs- und Stichprobengrößentools sowie Forschungssoftware. Reine lokale Berechnung – kein Schlüssel, kein Drittanbieterdienst, sofort. Live, nichts wird gespeichert. 3 Endpunkte. Dies ist die Stichprobengrößenplanung mit der Normalapproximation; für A/B-Test-Signifikanz verwenden Sie eine A/B-Test-API und für deskriptive Statistiken eine Statistik-API.

api.oanor.com/samplesize-api

Inferenzstatistik-Mathematik als API, lokal und deterministisch berechnet. Der samplesize-Endpunkt berechnet, wie viele Befragte eine Umfrage oder ein Experiment für einen Anteil benötigt, n = Z²·p(1−p)/E², basierend auf einem Konfidenzniveau und einer Fehlermarge (mit p = 0,5 für die konservativste Größe), mit einer Korrektur für endliche Populationen, wenn die Population bekannt ist. Der confidence-Endpunkt erstellt ein Konfidenzintervall für einen Mittelwert (Schätzwert ± Z·σ/√n) oder einen Anteil (p ± Z·√(p(1−p)/n)) und gibt den Standardfehler, die Fehlermarge sowie die untere und obere Grenze zurück. Der ztest-Endpunkt führt einen Einstichproben-z-Test durch, z = (x̄ − μ₀)/(σ/√n), und gibt den z-Wert, den ein- oder zweiseitigen p-Wert sowie an, ob das Ergebnis beim gewählten Alpha signifikant ist. Die z-Werte stammen aus einer exakten inversen Normalverteilung und die p-Werte aus der Normalverteilungs-CDF. Alles wird lokal und deterministisch berechnet, daher ist es sofort und privat. Ideal für A/B-Tests, Umfragen, Forschungs- und Analyse-App-Entwickler, Experiment-Dashboards und Data-Science-Tools sowie Bildung. Reine lokale Berechnung – kein Schlüssel, kein Drittanbieter-Service, sofort. Live, nichts wird gespeichert. 3 Endpunkte. Dies ist Inferenzstatistik; für deskriptive Statistik verwenden Sie eine Statistik-API und für Wahrscheinlichkeitsverteilungen eine Wahrscheinlichkeits-API.

api.oanor.com/inference-api