我正在分析员工绩效。
关于样本量有两个问题。 （所有计算均来自Survey Monkey的样本量计算器）
假设某员工每月执行500个任务，我想查看该员工的绩效。
如果我想要95％的置信度并且可以接受10％的误差范围，那么我将需要复查81个任务。但是，如果人口总数为1500，则相同置信度（95％）和误差范围（10％）所需的样本量将为91。
如果我愿意按季度而不是按月进行评论，那么评论数量会急剧下降。
问题1：我是否可以假设，如果我每季度而不是每月进行一次审查，样本量为91就足够了？
问题2：能否将一个置信度和误差容限相加？例如，在第一个月，我接受的置信度和误差幅度比我原本想要的低。但是随着时间的推移，它们的聚合程度越来越高。
概念模型是，随着时间的推移将它们组合起来等同于“每季度进行一次； “半年”和“年度”分析。
每月
人口：500
置信度：80％
误差幅度：10％
样品量：38
在三个月内，总数将是1500，样本量为114。这将给我带来90的置信度和7.4的误差范围。见下文：
每季度
人口：1500
置信度：90％
错误率：7.4％
样品量：114
六个月后的总人口将为3000，样本量为228。
半年人口：3000
置信度：90％
错误率：5.23％
样品量：228
因此，如果我的假设是正确的，那么当我汇总这些评论时，我会提高我的置信度，并减少我的误差幅度。
这样做的目的是使我能够通过减少长期雇员的审查负担来对新雇员进行每周和每月的更彻底的分析。