#sample-size

Σχεδιασμός μεγέθους δείγματος για έρευνες και δημοσκοπήσεις ως API, υπολογιζόμενος τοπικά και ντετερμινιστικά. Το τελικό σημείο αναλογίας υπολογίζει τον αριθμό των ερωτηθέντων που απαιτούνται για την εκτίμηση μιας αναλογίας εντός ενός στοχευόμενου περιθωρίου σφάλματος σε ένα επιλεγμένο επίπεδο εμπιστοσύνης, n = z²·p(1−p)/E², με προεπιλογή τη χειρότερη περίπτωση p = 0,5 που μεγιστοποιεί το απαιτούμενο μέγεθος, με προαιρετική διόρθωση πεπερασμένου πληθυσμού n/(1 + (n−1)/N) για γνωστό πληθυσμό — το κλασικό περιθώριο ±5 % με 95 % εμπιστοσύνη απαιτεί 385 απαντήσεις, το ±3 % απαιτεί 1.068, και ο περιορισμός του πληθυσμού σε 1.000 μειώνει την απαίτηση του ±5 % σε 278. Το τελικό σημείο μέσου όρου υπολογίζει το μέγεθος δείγματος για την εκτίμηση ενός μέσου όρου εντός περιθωρίου σφάλματος από την τυπική απόκλιση, n = (z·σ/E)². Το τελικό σημείο περιθωρίου αντιστρέφει τη σχέση, επιστρέφοντας το περιθώριο σφάλματος που επιτυγχάνει ένα δεδομένο μέγεθος δείγματος. Η κρίσιμη τιμή z υπολογίζεται από το επίπεδο εμπιστοσύνης με υψηλής ακρίβειας αντίστροφη κανονική, ώστε να λειτουργεί οποιοδήποτε επίπεδο εμπιστοσύνης, όχι μόνο τα τυπικά 90/95/99 %. Τα περιθώρια, οι αναλογίες και η εμπιστοσύνη είναι δεκαδικοί αριθμοί (0,05, 0,5, 0,95). Όλα υπολογίζονται τοπικά και ντετερμινιστικά, επομένως είναι άμεσα και ιδιωτικά. Ιδανικό για προγραμματιστές εφαρμογών έρευνας αγοράς, δημοσκοπήσεων, έρευνας UX, πλατφορμών ερευνών, ανάλυσης προϊόντων και εκπαίδευσης στατιστικής, εργαλεία σχεδιασμού μελετών και μεγέθους δείγματος, και λογισμικό έρευνας. Καθαρός τοπικός υπολογισμός — χωρίς κλειδί, χωρίς υπηρεσία τρίτου, άμεσο. Ζωντανό, τίποτα δεν αποθηκεύεται. 3 τελικά σημεία. Αυτός είναι σχεδιασμός μεγέθους δείγματος με την κανονική προσέγγιση· για σημαντικότητα A/B-test χρησιμοποιήστε ένα API A/B-test και για περιγραφική στατιστική ένα API στατιστικής.

api.oanor.com/samplesize-api

Μαθηματικά στατιστικής συμπερασματολογίας ως API, υπολογισμένα τοπικά και ντετερμινιστικά. Το endpoint samplesize υπολογίζει πόσους ερωτηθέντες χρειάζεται μια έρευνα ή ένα πείραμα για μια αναλογία, n = Z²·p(1−p)/E², από ένα επίπεδο εμπιστοσύνης και ένα περιθώριο σφάλματος (χρησιμοποιώντας p = 0.5 για το πιο συντηρητικό μέγεθος), με διόρθωση πεπερασμένου πληθυσμού όταν ο πληθυσμός είναι γνωστός. Το endpoint confidence κατασκευάζει ένα διάστημα εμπιστοσύνης για μια μέση τιμή (εκτίμηση ± Z·σ/√n) ή μια αναλογία (p ± Z·√(p(1−p)/n)), επιστρέφοντας το τυπικό σφάλμα, το περιθώριο σφάλματος και τα κάτω και άνω όρια. Το endpoint ztest εκτελεί ένα one-sample z-test, z = (x̄ − μ₀)/(σ/√n), και επιστρέφει το z-score, την p-τιμή μονής ή διπλής ουράς και αν το αποτέλεσμα είναι σημαντικό στο επιλεγμένο άλφα. Τα z-scores προέρχονται από μια ακριβή αντίστροφη κανονική και οι p-τιμές από την κανονική CDF. Όλα υπολογίζονται τοπικά και ντετερμινιστικά, επομένως είναι άμεσα και ιδιωτικά. Ιδανικό για προγραμματιστές εφαρμογών A/B-testing, ερευνών, έρευνας και αναλυτικής, πίνακες ελέγχου πειραμάτων και εργαλεία επιστήμης δεδομένων, και εκπαίδευση. Καθαρός τοπικός υπολογισμός — χωρίς κλειδί, χωρίς υπηρεσία τρίτου, άμεσο. Ζωντανό, τίποτα δεν αποθηκεύεται. 3 endpoints. Αυτή είναι στατιστική συμπερασματολογία· για περιγραφική στατιστική χρησιμοποιήστε ένα statistics API και για κατανομές πιθανοτήτων χρησιμοποιήστε ένα probability API.

api.oanor.com/inference-api