There have been a number of histori

There have been a number of historical recommendations for estimating sample size requirements. Recommendations include sample size to achieve a desired level of precision (Gunderson, 1993) and sample size based on statistical power (Peterman and Bradford, 1987; Peterman, 1990; Quist et al., 2009). Too few sam- ples may result in an inability to decisively reject hypotheses and this aspect of survey design is often accentuated by low precision frequently associated with sampling gears (Cyr et al., 1992; Hardin and Connor, 1992; Wilde, 1993; Wilde and Fisher, 1996). From our models, if a desired level of precision is the target goal for utility of abundance estimates (e.g., comparison across years) then fewer samples of large area should be a suitable sample design given a finite amount of effort. However, number of samples should be increased if abundance estimates are to be used for hypothesis test- ing and statistical power is a concern (i.e., the probability of failing to reject a false null hypothesis), because statistical power is a func- tion of sample number. A sample design stratified by habitat type or classes of strata may further increase precision of estimates by reducing sampling variation (Wilde and Fisher, 1996). However, stratification variables must be appropriate surrogate measures to variables of interest (e.g., habitat variables known to be either pre- ferred or avoided by species of interest) for increase in precision of abundance estimates

ผลลัพธ์ (ไทย) 1:

มีข้อแนะนำสำหรับการประเมินความต้องการขนาดตัวอย่างในประวัติศาสตร์ คำแนะนำรวมถึงขนาดตัวอย่างเพื่อให้ได้ระดับต้องการความแม่นยำ (Gunderson, 1993) และขนาดตัวอย่างที่อิงสถิติพลังงาน (Peterman และแบรดฟอร์ด 1987 Peterman, 1990 Quist et al. 2009) Sam-ples ที่น้อยเกินไปอาจทำให้ไม่สามารถปฏิเสธสมมติฐานอย่างเด็ดขาด และมักจะมีเน้นแง่มุมของการออกแบบสำรวจ ด้วยความแม่นยำต่ำมักเกี่ยวข้องกับการสุ่มตัวอย่างเกียร์ (ซุค et al. 1992 Hardin และคอนเนอร์ 1992 เยอรมัน 1993 ไวลด์และฟิชเชอร์ 1996) จากรุ่นของเรา ถ้าระดับต้องการความแม่นยำเป็นเป้าหมายสำหรับโปรแกรมอรรถประโยชน์ของการประเมินความอุดมสมบูรณ์ (เช่น การเปรียบเทียบข้ามปี) แล้วอย่างน้อยของพื้นที่ขนาดใหญ่ควรจะออกแบบอย่างเหมาะสมที่ได้รับจำนวนเงินมีจำกัดของความพยายาม อย่างไรก็ตาม จำนวนตัวอย่างควรจะเพิ่มขึ้นถ้ามีการประเมินความอุดมสมบูรณ์ที่จะใช้สำหรับทดสอบสมมติฐาน-ing และสถิติพลังงานเป็นกังวล (เช่น ความน่าเป็นของการปฏิเสธสมมติฐานว่างเท็จ), เนื่องจากอำนาจทางสถิติคือ มี func-ทางการค้าของจำนวนตัวอย่าง ตัวอย่างแบบ stratified ตามประเภทที่อยู่อาศัย หรือการเรียนของชั้นอาจเพิ่มความแม่นยำของการประเมิน โดยการลดความผันแปรในการสุ่มตัวอย่าง (ไวลด์และฟิชเชอร์ 1996) อย่างไรก็ตาม ตัวแปรแบ่งชั้นต้องมีมาตรการตัวแทนที่เหมาะสมกับตัวแปรของดอกเบี้ย (เช่น ที่อยู่อาศัยตัวแปรที่รู้จักกัน ferred ใดก่อน หรือหลีกเลี่ยง โดยสายพันธุ์ที่น่าสนใจ) สำหรับเพิ่มความแม่นยำของการประเมินความอุดมสมบูรณ์

ผลลัพธ์ (ไทย) 2:

มีอยู่เป็นจำนวนข้อเสนอแนะทางประวัติศาสตร์สำหรับการประเมินความต้องการขนาดของกลุ่มตัวอย่าง ข้อเสนอแนะ ได้แก่ ขนาดของกลุ่มตัวอย่างเพื่อให้บรรลุระดับที่ต้องการความแม่นยำสูง (Gunderson, 1993) และขนาดของกลุ่มตัวอย่างอยู่บนพื้นฐานของอำนาจทางสถิติ (ปีเตอร์และแบรดฟอ 1987; ปีเตอร์ 1990;. ควิสท์ et al, 2009) น้อยเกินไป Ples ตัวอย่างทดสอบไว้อาจส่งผลให้ไม่สามารถที่จะปฏิเสธอย่างเด็ดขาดสมมติฐานและด้านการออกแบบการสำรวจครั้งนี้มักจะเน้นความแม่นยำต่ำมักเกี่ยวข้องกับเกียร์สุ่มตัวอย่าง (Cyr et al, 1992;. ฮาร์ดินและคอนเนอร์ 1992; ไวลด์ 1993; ไวลด์ และฟิชเชอร์, 1996) จากรูปแบบของเราถ้าระดับที่ต้องการความแม่นยำเป็นเป้าหมายสำหรับประโยชน์ของการประมาณการความอุดมสมบูรณ์ (เช่นการเปรียบเทียบข้ามปี) แล้วตัวอย่างน้อยของพื้นที่ขนาดใหญ่ควรจะเป็นตัวอย่างการออกแบบที่เหมาะสมได้รับจำนวน จำกัด ของความพยายาม อย่างไรก็ตามจำนวนของกลุ่มตัวอย่างควรจะเพิ่มขึ้นถ้าประมาณการความอุดมสมบูรณ์ที่จะนำมาใช้สำหรับสมมติฐานโซลูไอเอ็นจีและอำนาจทางสถิติเป็นกังวล (กล่าวคือน่าจะเป็นของความล้มเหลวที่จะปฏิเสธสมมติฐานที่ผิด) เพราะอำนาจทางสถิติเป็นฟังก์ชั่นของ จำนวนตัวอย่าง การออกแบบตัวอย่างแบ่งตามประเภทที่อยู่อาศัยหรือชั้นเรียนของชั้นต่อไปอาจเพิ่มความแม่นยำของการประมาณการโดยการลดรูปแบบการสุ่มตัวอย่าง (ไวลด์และฟิชเชอร์, 1996) อย่างไรก็ตามตัวแปรแบ่งชั้นจะต้องมีมาตรการที่เหมาะสมเพื่อให้ตัวแทนตัวแปรที่น่าสนใจ (เช่นตัวแปรที่อยู่อาศัยที่รู้จักกันเป็นอย่างใดอย่างหนึ่งก่อน ferred หรือหลีกเลี่ยงได้โดยสายพันธุ์ที่น่าสนใจ) ในการเพิ่มความแม่นยำของการประมาณการความอุดมสมบูรณ์

ผลลัพธ์ (ไทย) 3:

มีจำนวนของข้อเสนอแนะทางประวัติศาสตร์สำหรับการประเมินความต้องการของขนาดตัวอย่าง ข้อเสนอแนะ ได้แก่ ขนาดตัวอย่างเพื่อให้บรรลุระดับที่ต้องการความเที่ยงตรง ( กันเดอร์สัน , 1993 ) และขนาดตัวอย่างตามสถิติพลังงาน ( ปีเตอร์แมน และ แบรดฟอร์ด , 1987 ; ปีเตอร์แมน , 2533 ; ควิสต์ et al . , 2009 ) น้อยเกินไป แซม - ples อาจส่งผลในการไม่สามารถเด็ดขาดปฏิเสธสมมติฐานและลักษณะของการออกแบบการสำรวจมักจะโดดเด่นด้วยความแม่นยำต่ำมักเกี่ยวข้องกับเกียร์ 2 ( ซีร์ et al . , 1992 ; Hardin และคอนเนอร์ , 1992 ; Wilde , 1993 ; Wilde และ ฟิชเชอร์ , 1996 ) จากแบบของเรา ถ้าต้องการความแม่นยำสูงมีเป้าหมายเพื่อประโยชน์ของความอุดมสมบูรณ์ประมาณการ ( เช่นเปรียบเทียบข้ามปี ) จากนั้นใช้น้อยกว่าของพื้นที่ขนาดใหญ่ ควรออกแบบให้เหมาะสม ตัวอย่างจำนวน จำกัด ของความพยายาม อย่างไรก็ตาม จำนวนตัวอย่างที่ควรจะเพิ่มขึ้นถ้าความอุดมสมบูรณ์ประมาณการที่จะใช้สำหรับการทดสอบไอเอ็นจีและอำนาจทางสถิติ สมมติฐานคือ ปัญหา ( เช่น ความน่าจะเป็นของการปฏิเสธสมมติฐานว่างเป็นเท็จ เพราะสถิติพลังงานเป็น func - tion ของกลุ่มตัวอย่างจำนวน ตัวอย่างการออกแบบ และอาศัยประเภทหรือชั้นของชั้นอาจจะเพิ่มความแม่นยำของการประมาณโดยการสุ่ม ( ไวลด์ และฟิชเชอร์ , 1996 ) อย่างไรก็ตาม ตัวแปรต้องเหมาะสมสำหรับการวัดตัวแปรที่น่าสนใจ ( เช่น อาศัยตัวแปรที่รู้จักกันเป็น pre - ferred หรือหลีกเลี่ยงชนิดของดอกเบี้ย ) เพื่อเพิ่มความอุดมสมบูรณ์ของประมาณการ