#sample-size

Survey- en poll-steekproefgrootteplanning als een API, lokaal en deterministisch berekend. Het proportie-eindpunt berekent het aantal respondenten dat nodig is om een proportie te schatten binnen een foutenmarge bij een gekozen betrouwbaarheidsniveau, n = z²·p(1−p)/E², met als standaard de worst-case p = 0,5 die de benodigde grootte maximaliseert, met een optionele eindige-populatiecorrectie n/(1 + (n−1)/N) voor een bekende populatie — de klassieke ±5 % foutenmarge bij 95 % betrouwbaarheid heeft 385 reacties nodig, ±3 % heeft 1.068 nodig, en het beperken van de populatie tot 1.000 vermindert de ±5 %-vereiste tot 278. Het gemiddelde-eindpunt bepaalt de steekproefgrootte voor het schatten van een gemiddelde binnen een foutenmarge op basis van de standaarddeviatie, n = (z·σ/E)². Het foutenmarge-eindpunt keert de relatie om en geeft de foutenmarge die een bepaalde steekproefgrootte daadwerkelijk bereikt. De kritische z-waarde wordt berekend uit het betrouwbaarheidsniveau met een zeer nauwkeurige inverse-normaal, zodat elk betrouwbaarheidsniveau werkt, niet alleen de standaard 90/95/99 %. Foutenmarges, proporties en betrouwbaarheid zijn decimalen (0,05, 0,5, 0,95). Alles wordt lokaal en deterministisch berekend, dus het is direct en privé. Ideaal voor ontwikkelaars van apps voor marktonderzoek, peilingen, UX-onderzoek, enquêteplatforms, productanalyse en statistiekonderwijs, tools voor studieplanning en steekproefgrootte, en onderzoekssoftware. Pure lokale berekening — geen sleutel, geen externe dienst, direct. Live, niets opgeslagen. 3 eindpunten. Dit is steekproefgrootteplanning met de normale benadering; voor A/B-test significantie gebruik een A/B-test API en voor beschrijvende statistiek een statistiek API.

api.oanor.com/samplesize-api

Inferentiële-statistiek wiskunde als een API, lokaal en deterministisch berekend. Het samplesize-eindpunt berekent hoeveel respondenten een enquête of experiment nodig heeft voor een proportie, n = Z²·p(1−p)/E², op basis van een betrouwbaarheidsniveau en een foutenmarge (met p = 0,5 voor de meest conservatieve grootte), met een eindige-populatiecorrectie wanneer de populatie bekend is. Het confidence-eindpunt bouwt een betrouwbaarheidsinterval voor een gemiddelde (schatting ± Z·σ/√n) of een proportie (p ± Z·√(p(1−p)/n)), en retourneert de standaardfout, de foutenmarge en de onder- en bovengrenzen. Het ztest-eindpunt voert een eensteekproef z-toets uit, z = (x̄ − μ₀)/(σ/√n), en retourneert de z-score, de een- of tweezijdige p-waarde en of het resultaat significant is bij de gekozen alfa. De z-scores komen van een exacte inverse-normaal en de p-waarden van de normale CDF. Alles wordt lokaal en deterministisch berekend, dus het is direct en privé. Ideaal voor A/B-testen, enquêtes, onderzoek en app-ontwikkelaars voor analyses, experiment-dashboards en data-science-tools, en onderwijs. Pure lokale berekening — geen sleutel, geen externe dienst, direct. Live, niets opgeslagen. 3 eindpunten. Dit is inferentiële statistiek; voor beschrijvende statistiek gebruik je een statistiek-API en voor kansverdelingen een kans-API.

api.oanor.com/inference-api