Math 正确报告搜索值样本的误差幅度

在Google Analytics中，我可以获得用户在网站上搜索的所有术语的列表。对于一个大型站点，在几个星期的过程中，这可能会超过10000个条款。我想创建一个报告，对用户搜索的术语类型进行分类，但是在合理的时间范围内，手动浏览10000个术语并对它们进行分类是很困难的。所以我的直觉是样本和关于样本的报告

我想确保我使用了正确的公式来生成样本的误差范围，并且我正确地报告了它

我想做的是随机抽取所用术语的样本，然后将这些术语放入某种电子表格中，并手工在类别（产品、人员、工作）中进行编码。最后，我将对每一个抽样的术语进行分类，并给出样本的百分比

为了获得95%的置信度，我打算使用：

误差幅度=（1.96*0.5）/sqrt（（总体\总计数-1）*样本\总计数/（总体\总计数-样本\总计数））

population_total_count是总体（完整列表）中的搜索总数，sample_search_total_count是我抽取的随机样本中的搜索数

如果我的样本百分比中有25%是“产品”，并且我有3%的误差，我会报告说“我们预计25%的搜索是在95%置信度下搜索产品正负3%”。对于同一调查中的任何其他类别，我都会说“在95%置信度下搜索正负3%”

我是否使用了正确的公式并正确地讨论了这个问题？我对每个类别使用相同的+/-误差范围是否正确？

从“1.96”中，我可以告诉你，你假设你的数据遵循正态分布，这是不必要的（对于小数据集来说，近似值太粗糙）

您应该使用以下三种方法之一：

一个Dirichlet多项式模型，如果数据可以建模为从一个类似的过程中生成（即，假设所有用户的搜索行为都是相似的），或者您乐意将其视为相似的

如果您知道或怀疑存在两种或几种类型的数据（例如，一组儿童和一组成人正在输入搜索词，而您不知道谁是谁），Dirichlet分布的混合

多项式比例的置信区间，如果您急于寻找现成的频密技术。R中的MultinomCI函数就是一个示例工具。请参见DescTools20中的示例

以上三种方法的参考：。祝你好运