Próba – zbiór obserwacji wybranych z określonej populacji, na podstawie którego opisujemy dane i wnioskujemy o właściwościach szerszej zbiorowości. W badaniach statystycznych zazwyczaj nie interesuje nas wyłącznie to, co wydarzyło się w konkretnej próbie, ale przede wszystkim to, na ile uzyskane wyniki można uogólnić na populację.
Próba jest podstawą wnioskowania statystycznego – na jej podstawie estymujemy parametry populacji i testujemy hipotezy dotyczące szerszej zbiorowości. Przykładowo, badając różnice w samoocenie między kobietami i mężczyznami, analizujemy wyniki konkretnej grupy osób, ale celem jest ocena, czy obserwowana różnica może odzwierciedlać różnicę między odpowiadającymi im populacjami.Na podstawie próby wykonuje się m.in. estymację punktową i estymację przedziałową. Przykładowo średnia z próby może służyć jako oszacowanie średniej w populacji, a przedział ufności informuje o niepewności tego oszacowania. W testowaniu hipotez wykorzystuje się natomiast rozkłady statystyk testowych i wartość p do oceny, czy uzyskane dane są zgodne z założeniami hipotezy zerowej.
Wielkość próby wpływa na precyzję estymacji, szerokość przedziałów ufności i moc testu, ale sama duża liczebność nie gwarantuje reprezentatywności. Znaczenie ma również sposób doboru obserwacji. Próba losowa i dobrze dobrana do populacji daje większe podstawy do uogólniania wyników niż próba wygodna lub silnie selektywna, jednak jest trudniejsza do uzyskania. Z kolei próba kwotowa, przy odpowiednim planowaniu, pozwala w nielosowy sposób dobrać względnie reprezentatywną próbkę z populacji.Centralne twierdzenie graniczne wyjaśnia, dlaczego wraz ze wzrostem liczebności próby rozkład niektórych statystyk, np. średniej, zbliża się do rozkładu normalnego. Liczebność próby najlepiej ustalać na etapie planowania badania, uwzględniając oczekiwaną wielkość efektu, poziom istotności i wymaganą moc testu. Często wykorzystuje się do tego narzędzie G*Power, które opisujemy ➡️ w tym wpisie .