高等数学 / 系统课时
样本量设计
样本量设计
样本量设计解决的是“至少收集多少数据,才能把估计误差控制在可接受范围内”。本课将把置信水平、允许误差、先验波动和无效样本率转化为可执行的样本数,并说明常见边界。
学习目标
- 能根据均值或比例估计选择样本量公式
- 能解释置信水平、允许误差和波动对样本量的影响
- 能对有限总体和无效样本进行修正
样本量由什么决定
样本量并不是越大越好,而是在精度、可靠性和成本之间取平衡。置信水平越高、允许误差越小、总体波动越大,所需样本量通常越多;反之则可以减少。

其中,允许误差也叫误差限,记为 。它表示区间估计的半宽,例如“误差不超过 3”意味着估计区间大致写成“点估计 ”。
均值估计的样本量
当目标是估计总体均值,且先验标准差可用 表示时,常用公式为:
计算结果必须向上取整,因为少一个样本就可能无法达到预设精度。若标准差未知,可使用历史研究、预调查或同类业务数据中的样本标准差作为近似。
例如,要求置信水平为 95%,允许误差不超过 3,先验标准差为 12。由于 ,因此:
向上取整后,至少需要 62 个有效样本。
比例估计的样本量
当目标是估计合格率、转化率或支持率等总体比例时,常用公式为:
这里的 是对总体比例的先验估计。若完全没有先验信息,可取 ,因为此时 最大,得到的样本量最保守。
例如,在 95% 置信水平下,希望比例估计误差不超过 0.05,且没有先验比例,则:
向上取整后,至少需要 385 个有效样本。
有限总体与无效样本修正
当总体规模 不大,且抽样比例较高时,可使用有限总体修正:
例如,初始样本量为 385,而总体只有 1000 个个体,则修正后约为 278。若预计有 10% 的问卷无效、失访或数据缺失,还应继续按 放大。
需要注意,有限总体修正只减少“需要抽取多少个”,无效样本修正则增加“实际要发出多少份”。两者处理的是不同问题,不能相互替代。
常见误区
不要把置信水平 95% 理解为“有 95% 的样本一定正确”。它描述的是重复抽样下区间覆盖总体参数的长期比例。
也不要先随意选一个样本数,再反过来声称误差满足要求。规范做法是先确定业务能接受的误差,再结合置信水平和先验波动计算样本量。