一、按照统计学的计算公式：
E---- 可接受的抽样误差。允许误差越小，所需样本量越大；当允许误差小于3％时，再提高精度，
所需样本量成倍增加。
Z----标准误差的置信水平:表示估计结果的可靠性。置信度越高，要求的样本越大。一般置信度为
95%，对应的z=1.96。
σ 方差：表示样本间的离散程度。当未知方差的情况下，可用样本率进行预估。当样本率P＝0.5，
此时p(1-p)达到最大，即方差取得最大值。
根据样本量计算公式，我们知道，样本量的大小不取决于总体的多少，而取决于(1) 研究对象的变化程度；(2) 所要求或允许的误差大小（即精度要求）；(3) 要求推断的置信程度。
从统计学角度，在要求的精度水平下,不考虑其他因素的影响,若简单随机抽样，300～400个样本已
经能够达到置信度95%，误差率不超过5%。
二、行业问卷调查现状
支付宝：有小有效单位样本不少于300。
腾讯网首页改版用户满意度调查回收样本量达上万份。
QQ邮箱多元化模式调查问卷回收样本量达上万份
QQ 手机浏览器的使用习惯回收样本量达8000多份
艾瑞：样本量少于300，选取的样本特征用户会少于置信度和误差率要求，则系统会给出一些提示，
表示该数据已经低于要求，只供参考
QQ邮箱在调查方面已经走在前列，而且能运用他们自己的平台，很好的进行推广和宣传。不过数据量大的同时，意味着投入成本的增加，因此要结合自身产品调研的精确度与成本投入情况而定。
1.估计样本量的决定因素 1.1资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例;计数资料即使误差控制严格,设计均衡,样本需要大一些,需要30-100例。 1.2研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 1.3 1.4 1.5 度为 1.6 1.7 1.8双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需 样本量就大;当研究结果仅高于或低于效应指标的界限有意义时,应该选择单侧检验,所需样本量 就小。当进行双侧检验或单侧检验时，其α或β的Ua?界值通过查标准正态分布的分位数表即可得到。
2.样本量的估算 由于对变量或资料采用的检验方法不同，具体设计方案的样本量计算方法各异，只有通过查阅资料，借鉴他人的经验或进行预实验确定估计样本量决定因素的参数，便可进行估算。 护理中的量性研究可以分为3种类型：①描述性研究：如横断面调查，目的是描述疾病的分布情况或现况调查；②分析性研究：其目的是分析比较发病的相关因素或影响因素；③实验性研究：即队列研究或干预实验。研究的类型不同，则样本量也有所不同。 2.1描述性研究 例. =0.1， 2.2 2.2.1探索有关变量的影响因素研究 有关变量影响因素研究的样本量大多是根据统计学变量分析的要求，样本数至少是变量数的5-10倍。例如，如果研究肺结核患者生存质量及影响因素，首先要考虑影响因素有几个，然后通过文献回顾，可知约有12个预测影响变量，如年龄、性别、婚姻、文化程度、家庭月收入、医疗付费方式、病程、排菌、喀血、结核中毒症状、心理健康、社会支持，那么研究的变量就可以在60-120例。这是一种较为简便的估算样本量的方法，在获得相关文献支持下，最好根据公式计算，计量
1.估计样本量的决定因素 1.1 资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些,需要30-100例。 1.2 研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 1.3 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显著性，反之就要越大。 1.4 显著性水平 即假设检验第一类（α）错误出现的概率。为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小。α水平由研究者具情决定，通常α取0.05或0.01。 1.5 检验效能 检验效能又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的α水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β水平由研究者具情决定，通常取β为0.2，0.1或0.05。即1－β=0.8，0.1或0.95，也就是说把握度为80%，90%或95%。 1.6 容许的误差（δ） 如果调查均数时，则先确定样本的均数( )和总体均数(m)之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1－α）可信限的一半。 1.7 总体标准差(s) 一般因未知而用样本标准差s代替。 1.8 双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需样本量就大; 当研究结果仅高于或低于效应指标的界限有意义
样本量计算 调查研究中样本量的确定 在社会科学研究中，研究者常常会遇到这样得问题：“要掌握总体(population)情况，到底需要多少样本量(sample)？”，或者说“我要求调查精度达到95%，需要多少样本量？”。对此，我往往感到难以回答，因为要解决这个问题，需要考虑的因素是多方面的：研究的对象，研究的主要目的，抽样方法，调查经费…。本文将根据自己的经验，探讨在调查研究中确定调查所需样本量的一些基本方法，相信这些方法对于其他的社会调查研究也有一定的借鉴意义。 确定样本量的基本公式 在简单随机抽样的条件下，我们在统计教材中可以很容易找到确定调查样本量的公式： Z2 S2 n = ------------ (1) d2 其中： n代表所需要样本量 Z：置信水平的Z统计量，如95%置信水平的Z统计量为1.96，99%的Z为2.68。 S：总体的标准差; d ：置信区间的1/2，在实际应用中就是容许误差，或者调查误差。 对于比例型变量，确定样本量的公式为: Z2 ( p ( 1-p)) n = ----------------- (2) d2 其中： n ：所需样本量 z：置信水平的z统计量，如95%置信水平的Z统计量为1.96,99%的为2.68
p：目标总体的比例期望值 d：置信区间的半宽 关于调查精度 通常我们所说的调查精度可能有两种表述方法：绝对误差数与相对误差数。如对某市的居民进行收入调查，要求调查的人均收入误差上下不超过50元，这是绝对数表示法，这个绝对误差也就是公式(1)中置信区间半宽d。 而相对误差则是绝对误差与样本平均值的比值。例如我们可能要求调查收入与真实情况的误差不超过1%。假定调查城市的真实人均收入为10000元，则相对误差的绝对数是100元。 公式的应用方法 对于公式的应用，一些参数是我们可以事先确定的：Z值取决于置信水平，通常我们可以考虑95%的置信水平，那么Z=1.96；或者99%，Z=2.68。然后可以确定容许误差d（或者说精度），即我们可以根据实际情况指定置信区间的半宽度d。因此，公式应用的关键是如何确定总体的标准差S。如果我们可以估计出总体的方差（标准差），那么我们可以根据公式计算出样本量： 例如：要了解该城市的居民收入，假定我们知道该市居民收入的标准差为1500，要求的调查误差不超过100元，则在95%的置信水平下，所需的样本量为 n=1.962*15002/1002=8,643,600/10,000=864 即需要调查的样本量为864个。 最大样本量 以上公式只是理论上的，在实际调查中确定合理的样本量，必须考虑多方面的因素。 首先，由于人们通常缺乏对标准差的感性认识，因此对标准差的估计往往是最难的。总体的标准差是123，还是765？如果没有一点对样本的先验知识，那么对标准差的估计是不可能的。好在我们通常能对变量的平均值进行估计，如我们通过历史资料估计该地区目前的年人均收入大致为10,000元，那么根据统计学知识，我们引入变异系数的概念： 变异系数V=标准差S/平均值X<= 1 因此，我们知道人均收入的标准差应该小于平均值，就是说标准差应该在10000以下。当然，这对于我们确定样本量还不能起太大的作用。然而如果我们采用相对误差表述的精度，对公
样本量及其计算依据： 根据现有文献[Gerald Holtmann,Nicholas Talley,Tobias Liebregts,Birgit Adam,Christopher Parow.A placebo-controlled trial of itopride in functional dyspepsia.The New England Journal of MEDICINE 2006;(8):832-840]，功能性消化不良患者接受伊托必利50mg组治疗后，其NDI改善值的均数为18.0，本研究期望针刺本经取穴组治疗功能性消化不良的NDI改善值的均数为15.0，本研究共设了6个组别，检验水准α=0.05，检验效能1-β=0.90，采用多个样本均数比较的样本含量估计公式（王家良主编《临床流行学》.上海.上海科学技术出版社，2001.P142）进行样本量的估算，公式如下： k ψ2（Εs j2/k） n= j=1 k = Ε( X j- x ) 2/(k-l) j=1 通过公式计算，每组所需样本数n=77例，按15%的脱失率计算，每个组应不少于89例，6组应不少于534例。 样本量及其计算依据： 若分为三组或三组以上，采用多个样本均数比较的样本含量估计公式（王家良主编《临床流行学》.上海.上海科学技术出版社，2001.P142）进行样本量的估算，公式如下： k ψ2（Εs j2/k） n=
k = Ε(?X j- x ) 2/(k-l) k为研究所用的组数，?X j, s i各为每组的均数与标准差的估计值，x=Ε?X j/k,ψ为界值，可通过查阅ψ值表得到。
抽样调查样本量的确定 在贸易统计中, 对于限额以下批零餐饮企业普遍采用抽样调查方法进行解决。然而，由于当前市场经济情况的多样性，经济发展的不均衡性，以及地域宽广性，导致情况多种多样；实际情况的复杂，决定了方案的复杂性，增加了具体抽样的难度。经过多年的探讨，区域二相抽样调查比较符合当前我国的实际情况，我们在这里根据试点所掌握的情况针对采用区域二相抽样调查的贸易抽样方案中如何确定样本量进行分析。 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。
样本容量的确定分类： 在参数区间估计的讨论中，估计值和总体的参数之间存在着一定的差异，这种差异是由样本的随机性产生的。在样本容量不变的情况下，若要增加估计的可靠度，置信区间就会扩大，估计的精度就降低了。若要在不降低可靠性的前提下，增加估计的精确度，就只有扩大样本容量。当然，增大样本容量要受到人力、物力和时间等条件的限制，所以需要在满足一定精确度的条件下，尽可能恰当地确定样本容量。 一、影响样本容量的因素 （一）总体的变异程度(总体方差) 在其它条件相同的情况下，有较大方差的总体，样本的容量应该大一些，反之则应 该小一些。例如：在正态总体均值的估计中，抽样平均误差为它反映了样本均值相对于总体均值的离散程度。所以，当总体方差较大时，样本的容量也相应要 大，这样才会使较小，以保证估计的精确度。 （二）允许误差的大小 允许误差指允许的抽样误差，记为，例如，样本均值与总体均值之间的 允许误差可以表示为，允许误差以绝对值的形式表现了抽样误差的可能范围，所以又称为误差。 允许误差说明了估计的精度，所以，在其他条件不变的情况下，如果要求估计的精度高，允许误差就小，那么样本容量就要大一些；如要求的精确度不高，允许误差可以大些，则样本容量可以小一些。 （三）概率保证度1－α的大小 概率保证度说明了估计的可靠程度。所以，在其他条件不变的情况下，如果要求较高的可靠度，就要增大样本容量；反之，可以相应减少样本容量。 （四）抽样方法不同 在相同的条件下，重复抽样的抽样平均误差比不重复抽样的抽样平均误差大，所需要的样本容量也就不同。重复抽样需要更大的样本容量，而不重复抽样的样本容量则可小一些。
此外，必要的抽样数目还要受抽样组织方式的影响，这也是因为不同的抽样组织方式有不同的抽样平均误差。 二、样本容量的确定 (一) 估计总体均值的样本容量 在总体均值的区间估计里，置信区间是由下式确定的： 例如，对于正态总体以及非正态总体大样本时，都是以它为置信区间。 从图6–1中可以看到，从估计量x的取值到点的距离实际上为置信区间长 度的。这段距离表示在一定置信水平1－α下，用样本均值估计总体均值时所允许的最大绝对误差即允许误差Δ。显然，若以x的取值为原点，则允许误差Δ可以表示为： （6–15） x=0 图6–1 允许误差示意图 公式（6–15）反映了允许误差Δ、可靠性系数、总体标准差与样本容量之间的相互制约关系。只要这四个因素中的任意三个因素确定后，另一个因素也就确定了。 在重复抽样条件下，把允许误差Δ的计算公式变形整理，则得到样本容量的计算公式： （6–16）
《总体与样本》教案 教学目标 1、经历调查、收集数据的过程，感受抽样的必要性． 2、了解普查、抽样调查、总体、个体、样本等概念，了解普查和抽样调查的应用，并选择合适的调查方法，解决有关现实问题． 3、在具体的问题情境中，领会抽样调查的优点和局限性，体会不同的抽样可能得到不同的结果． 4、能根据具体情境设计适当的抽样调查方案． 5、进一步发展统计意识． 教学重难点： 教学重点：了解普查、抽样调查、总体、个体、样本等概念. 教学难点：能根据具体情境设计适当的抽样调查方案． 教学过程 一、课前准备 活动内容：社会调查(提前一天布置)，以4人合作小组为单位，开展调查活动：通过查阅资料了解全国主要地类面积，进一步了解全国土地构成等． 活动目的：通过这个活动，希望学生能够获取更多的国情知识，为了下一环节的研究进行铺垫． 二、情境引入，理解概念 先给大家讲一个小故事．妈妈：“孩子，帮妈妈买盒火柴去．” 妈妈：“这次注意点，上次你买的火柴好多划不着．” 孩子：“妈妈，这次的火柴全划得着，我每根都试过了．”妈妈：“啊！” 在这个故事中，体现了数据收集调查的两种方式：普查与抽样调查． 定义：为了特定目的对全部考察对象进行的全面调查，叫做普查． 定义：抽样调查是从全部调查研究对象中，抽选一部分单位进行调查，并据以对全部调查研究对象做出估计和推断的一种调查方法. 在对数据进行统计时，我们把所要考察对象的全体叫做总体，其中的每一个考察对象叫做个体，从总体中所抽取得一部分个体叫做总体的一个样本，样本中个体的数量叫做样本容量. 三、调查方式的选择(个人独立完成后，4人小组汇总，讨论，最后派代表进行总结回答．) 1、下列调查中，你认为应该采用哪种调查方式，并说出自己选择这一观点的理由． (1)了解你们班同学周末的时间是如何安排的． (2)了解一批圆珠笔芯的使用寿命．
临床试验样本量的估算 样本量的估计涉及诸多参数的确定，最难得到的就是预期的或者已知的效应大小（计数资料的率差、计量资料的均数差值），方差（计量资料）或合并的率（计数资料各组的合并率），一般需通过预试验或者查阅历史资料和文献获得，不过很多时候很难得到或者可靠性较差。因此样本量估计有些时候不是想做就能做的。SFDA的规定主要是从安全性的角度出发，保证能发现多少的不良反应率；统计的计算主要是从power出发，保证有多少把握能做出显著来。 但是中国的国情？有多少厂家愿意多做？ 建议方案里这么写： 从安全性角度出发，按照SFDA××规定，完成100对有效病例，再考虑到脱落原因，再扩大20%，即120对，240例。 或者：本研究为随机双盲、安慰剂平行对照试验，只有显示试验药优于安慰剂时才可认为试验药有效，根据预试验结果，试验组和对照组的有效率分别为65.0%和42.9%，则每个治疗组中能接受评价的病人样本数必须达到114例（总共228例），这样才能在单侧显著性水平为5%、检验功效为90%的情况下证明试验组疗效优于对照组。假设因调整意向性治疗人群而丢失病例达10%，则需要纳入病人的总样本例数为250例。 非劣性试验（α=0.05，β=0.2）时：
计数资料： 平均有效率（P）等效标准（δ） N= 公式：N=12.365×P(1-P)/δ2 计量资料： 共同标准差（S）等效标准（δ） N= 公式：N=12.365× (S/δ)2 等效性试验（α=0.05，β=0.2）时： 计数资料： 平均有效率（P）等效标准（δ） N= 公式：N=17.127×P(1-P)/δ2 计量资料： 共同标准差（S）等效标准（δ） N= 公式：N=17.127× (S/δ)2 上述公式的说明： 1) 该公式源于郑青山教授发表的文献。 2) N 是每组的估算例数N1=N2，N1 和N2 分别为试验药和参比药的例数； 3) P 是平均有效率，
1. 估计样本量的决定因素 1.1 资料性质 计量资料如果设计均衡 ,误差控制得好 ,样本可以小于 30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些 ,需要30-100 例。 1.2 研究事件的发生率研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 1.3 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显著性，反之就要越大。 1.4 显著性水平 即假设检验第一类（a）错误出现的概率。为假阳性错误出现的概率。a越小，所需的样本量越大，反之就要越小。a水平由研究者具情决定，通常a取0.05 或 0.01 。 1.5 检验效能 检验效能又称把握度，为1-B，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的a水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，B越小，检验效能越高，所需的样本量越大，反之就要越小。B水平由研究者具情决定，通常取 B为0.2，0.1或0.05。即1—B =0.8，0.1或0.95，也就是说把握度为80% 90%或95%。 1.6容许的误差（S） 如果调查均数时，则先确定样本的均数（）和总体均数（m）之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1— a ）可信限的一半。 1.7 总体标准差（s） 一般因未知而用样本标准差 s 代替。 1.8 双侧检验与单侧检验 采用统计学检验时 ,当研究结果高于和低于效应指标的界限均有意义时 , 应该选择双侧检验 , 所需样本量就大 ; 当研究结果仅高于或低于效应指标的界限有意义
实例教程：手把手教你计算样本量 作者：张耀文 小玲看了新英格兰医学杂志的一篇文章[1]后，有些地方不明白，于是来找小咖讨论。 小玲：我觉得这个研究做的棒棒哒，但有一点没看明白，就是原文中统计方法部分的样本量计算到底写了个啥： 小咖：你没看明白就对了。这段话确实没有讲明白样本量到底怎么计算来的。你应该去看看这个研究的Protocol和Supplementary Appendix，里面应该会详细写到。因为限于篇幅，有些研究会在正文中省略一些信息。 小玲：那么，哪里能找到这个研究的Protocol和Supplementary Appendix呢？ 小咖：来，跟着我操作。首先搜到新英格兰医学杂志的这篇文章，然后点击①PDF下载这篇文章，再点开②Supplementary Material。
下载③Protocol 和④Supplentary Appendix 。 小玲：原来是这样啊，那我赶紧再去读一读这两个文件。 小玲读完后，又来找小咖。 小玲：我找到啦，原来在Protocol 的84-85页有样本量计算的详细介绍。 小咖：很好。你先总结一下大意。 小玲：比较主要结局（体重变化）时，按照P =0.05进行双侧t 检验。对于另一个主要结局（二分类变量）——体重下降5%及以上、10%以上的人数比例，采用双侧卡方检验比较。假设对照组体重下降10%以上的人数比例为10%，利拉鲁肽组的这个比例为14%。当利拉鲁肽组和对照组的样本量分别为2400例、1200例时，可以有超过90%的把握度发现这种差异。 小咖：很好，你get 到了所有的point 。以本研究为例，计算样本量时，需要
如对你有帮助，请购买下载打赏，谢谢！样本量的确定方法(2008-10-14 09:12:34) 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。 二、样本量的确定方法 如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。
如何确定样本量 来回答：对于13万的人，做调查，得取多少样本，这个得看你要求的精确度，统计学上有这样的一套公式， https://www.doczj.com/doc/e918002223.html,/peixun/pei21.HTM 而对于市场调查； 在市场研究中，常常有客户和研究者询问：“要掌握市场总体情况，到底需要多少样本量？”，或者说“我要求调查精度达到95%，需要多少样本量？”。对此，我往往感到难以回答，因为要解决这个问题，需要考虑的因素是多方面的：研究的对象，研究的主要目的，抽样方法，调查经费…。有人说，北京这么大，上千万人口，我们怎么也得做一万人的访问才能代表北京市吧。根据统计学原理，完全不必。只要在500－1000左右就够了。当然前提是，我们要按照科学的方法去抽样。 根据市场调查的经验，市场潜力等涉及量比较严格的调查所需样本量较大，而产品测试，产品定价，广告效果等人们间彼此差异不是特别大或对量的要求不严格的调查所需样本量较小些。 样本量的大小涉及到调研中所要包括的人数或单元数。确定样本量的大小是比较复杂的问题，既要有定性的考虑也要有定量的考虑。 从定性的方面考虑样本量的大小，其考虑因素有：决策的重要性，调研的性质，变量个数，数据分析的性质，同类研究中所用的样本量，发生率，完成率，资源限制等。具体地说，更重要的决策，需要更多的信息和更准确的信息，这就需要较大的样本；探索性研究，样本量一般较小，而结论性研究如描述性的调查，就需要较大的样本；收集有关许多变量的数据，样本量就要大一些，以减少抽样误差的累积效应；如果需要采用多元统计方法对数据进行复杂的高级分析，样本量就应当较大；如果需要特别详细的分析，如做许多分类等，也需要大样本。针对子样本分析比只限于对总样本分析，所需样本量要大得多。 具体确定样本量还有相应的统计学公式，根据样本量计算公式，我们知道，样本量的大小不取决于总体的多少，而取决于(1) 研究对象的变动程度；(2) 所要求或允许的误差大小；(3) 要求推断的置信程度。也就是说，当所研究的现象越复杂，差异越大时，样本量要求越大；当要求的精度越高，可推断性要求越高时，样本量越大。因此，如果不同城市分别进行推断时，"大城市多抽，小城市少抽"这种说法原则上是不对的。在大城市抽样太大是浪费，在小城市抽样太少没有推断价值。 总之，在确定抽样方法和样本量的时候，既要考虑调查目的，调查性质，精度要求（抽样误差）等，又要考虑实际操作的可实施性，非抽样误差的控制、经费预算等。专业调查公司在这方面会根据您的情况及调查性质，进行综合权衡，达到一个最优的样本量的选择。 实际研究中的一些经验 根据一些学者的研究，以及远东零点在市场研究中的经验，市场调查中确定样本量通常的做法是： 1、通过对方差的估计，采用公式计算所需样本量，主要做法有： 2、用两步抽样，在调查前先抽取少量的样本，得到标准差S的估计，然后代入公式中，得到下一步抽样所需样本量n； 3、如果有以前类似调查的数据，可以使用以前调查的方差作为总体方差的估计。 4、根据经验，确定样本量，主要方法有： 5、如果以前有人做过类似的研究，初学者可以参照前人的样本。 6、如果是大型城市、省市一级的地区性研究，样本数在500-1000之间可能比较适合；而对于中小城市，样本量在200-300之间可能比较适合；如果是多省市或者全国性的研究，则样本量可能在1000-3000之间比较适合。 7、作为一个常识（主要是为了显著性检验），要进行分组研究的每组样本量应该不少于50个。 8、通过试验设计所作的研究，可以采用较小的样本量。如产品试用（留置）调查，在经费有限的情况下，可以将每组的样本量降低至30个左右，最好每组在50以上。此外，我们在多次的实际研究
总体和样本 教学目标 (一)了解总体、个体、样本、样本容量的意义； (二)初步了解用样本估计总体的统计基本思想. 教学重点和难点 重点：理解总体与样本的概念. 难点：能分辨问题中哪是考察对象、总体、个体、样本与样本容量.了解它们之间的区别与联系. 教学过程设计 (一)新课 概述统计初步 统计在生活实践中有广泛的应用，像人口增长情况的研究，粮食生产情况的研究，交通状况的研究，……，各个部门都离不开统计. 统计是一门与数据打交道的学问，研究怎样搜集、整理、计算和分析数据，然后从中找出某些规律. 统计的基本思想是从总体中抽出一部分个体(总体的样本)根据样本的性质来估计和推测总体的性质. 因此必须弄清：总体、个体、样本、样本容量这四个基本概念，这几个概念的意义是： 总体——所要考察对象的全体叫做总体. 个体——总体中每一个考察对象叫做个体. 样本——从总体中所抽取的一部分个体叫做总体的一个样本. 样本容量——样本中个体的数目叫做样本容量. 为了加深对上述概念的理解和分辨能力，我们举以下几例. 例1 为了分析研究某校高中一年级学生的身高情况，从全部高中一年级学生中抽取了50名学生的身高.在这个问题中，总体、个体、样本、样本容量各指什么？
答：本题的总体是指高中一年级学生身高的全体；本题的个体是指高中一年级每个学生的身高；本题的样本是指被抽取的50名学生的身高；本题的样本容量是指50. 在回答上面的问题时，有些同学把总体看成是高中一年级全体学生，这是错误的.应当注意区分具体对象和对象的数量指标.我们要研究的不是这些对象本身，而是它的某种指标，本题的总体应是高中一年级学生身高的全体. 另外，在本题中，样本指的是被抽取的50名学生的身高，而不是50名学生. 总体是一个确定的数字集合，而样本可以有许多.“在总体中取出的一部分个体叫做总体的一个样本”.如果取出另一部分个体那就构成另一个样本，即，使每次抽取身高做为样本的学生都是50人，每次抽取的情况也不会相同.所以样本里面的数都是一些变量，这些变量的特点只有在一次具体的抽取完成之后才能知道它们的值. 从上述分析可以看出，样本一般不等于总体，但样本来源于总体，因而有可能用样本估计总体，这是统计的基本思想. 例2 一个工厂用两种不同的工艺生产同一型号的电脑，现在要测试这种电脑的使用寿命，从两种不同的工艺生产品中各取出20台电脑进行测试.在本题中，总体、个体、样本、样本容量各指什么？ 答：总体指的是用第一种工艺生产的电脑使用寿命的全体和用第二种工艺生产的同一型号的电脑使用寿命全体； 个体指的是用第一种工艺生产的每一台电脑的使用寿命和用第二种工艺生产的同一型号的每一台电脑的使用寿命； 样本指的是从用第一种工艺生产的电脑中抽取的20台电脑的使用寿命，和从用第二种工艺生产的同一型号的电脑中抽取的20台电脑的使用寿命. 样本容量分别为20. 在这个问题中，不能把这两种工艺生产的同一型号的电脑放在一起，把它们的使用寿命放在一起看成一个整体.如果这样，总体就变成了两种不同性质的个体的混合物，这是不允许的.所以应当把每一种工艺生产的全部电脑的使用寿命分别看成一个总体.这样，在本题中就有两个总体.有时，在一个问题中，可能有三个、四个、……、总体. 由例1所述，一个总体可以有许多样本，样本的作用主要是对一个总体的某些特征值进行估计或检验，如果样本容量越大，样本对总体的估计就越精确，一个问题里如果有两个总体，那就必须在每个总体中各抽取一个样本，一般情况下，这两个样本容量应当相同，其目的是为了对这两个总体的某些特征值进行比较. (二)课堂练习 1.我们所要考察的对象的＿叫做总体，其中＿叫做个体，从总体中抽取的＿叫做总体的一个样本，样本中＿叫做样本的容量.(顺次填入：全体；每一个考察对象；一部分个体；个体的数目)
样本量计算 Last revision date: 13 December 2020.
1.估计样本量的决定因素 资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些,需要30-100例。 研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显着性，反之就要越大。 显着性水平 即假设检验第一类（α）错误出现的概率。为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小。α水平由研究者具情决定，通常α取或。 检验效能 检验效能又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的α水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β水平由研究者具情决定，通常取β为，或。即1－β=，或，也就是说把握度为80%，90%或95%。 容许的误差（δ） 如果调查均数时，则先确定样本的均数( )和总体均数(m)之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1－α）可信限的一半。 总体标准差(s) 一般因未知而用样本标准差s代替。 双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需样本量就大; 当研究结果仅高于或低于效应指标的界限有意义时,应该选择单侧检验,所需样本量就小。当进行双侧检验或单侧检验时，其α或β的Ua界值通过查标准正态分布的分位数表即可得到。
样本含量估算方法及其软件实现（一） 样本含量（sample size）即观察例数的多少，又称样本大小。在保证研究结论具有一定的可靠性（精度和检验功效）的前提下，常需要在设计阶段就人估计最少的受试对象。在医学科研中，只要是抽样研究，就要考虑样本含量的估计。 样本含量估计充分反映了科研设计中“重复”的基本原则，过小过大都有其弊端。样本含量过小，所得指标不稳定，用于推断总体的精密度和准确度差；检验的功效性低，应有的差别不能显示出来，难以获得正确的研究结果，结论也缺乏充分的证据；样本含量过大，会整加实际工作的困难，浪费人力、物力、财力和时间。由于过分追求数量，可能会引起更多的混杂因素，从而影响数据的质量。 影响假设检验时样本含量估计的因素有四个： 1.第一类错误概率的大小α也称检验水准。α越小所需样本含量越多，对于相同α，双侧检验比单侧检验所需要的样本含量更多。 2.检验功效(1－β)或第二类错误概率的大小β检验功效越大，第二类错误的概率愈小，所需要样本含量愈多。 3.容许误差δ容许误差δ愈大，所需的样本含量愈小。 4.总体标准差σ或总体概率σ愈大，所需样本含量自然愈多。总体概率越接近0.5，则所需样本含量愈多。 样本含量的估算方法有查表法和计算法两种。随着计算机的普遍使用，统计学家也开发了一些专门的样本含量估算软件。其算法都是根据上述影响因素结合统计学原理求得。 我就通过实例的样本含量的计算过程，使大家对样本含量有一个更加直观
的认识。 1 计量资料单组设计基于t检验的差异性检验 举例：已知中国50-70岁男性的平均收缩压为158 mmHg，标准差为18，用药物AAA干预，平均收缩压下降10 mmHg 则认为有临床意义，α=0.05, Power=90%，Power =1-β, 双側检验，需要多少病例数。 启动医学研究样本含量估算系统SASA1.0，在桌面上双击SASA1.0快捷方式或点击开始 \ 所有程序 \ Sample Size Adviser \ Sample Size Adviser，进入SASA1.0主窗口。在Goal栏目中选定Means（计量资料）在Group栏目中选定1，在Analysis Method栏目中选定Test（差异性检验）。
样本量的确定方法(2008-10-14 09:12:34)一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内 样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。 二、样本量的确定方法 如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量 计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的 公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。 1 / 5 1．简单随机抽样确定样本量主要有两种类型: （1）对于平均数类型的变量 对于已知数据为绝对数,我们一般根据下列步骤来计算所需要的样本量。已知期望调查结果的精度(E), 期望调查结果的置信度(L),以及总体的标准差估计值σ的具体数据，总体单位数N。2222/N) σ/(e/Z+σ计算公式为:n=222/e特殊情况下,如果是很大总体,计算公式变为:n= Zσ95%调查结果在例如希望平均收入的误差在正负人民币30元之间,95%的置信范围以内,其。根据估计总体的标准差为150元,总体单位数为1000。的统计量为的置信度要求 Z1.96:n=150*150/(30*30/(1.96*1.96))+150*150/1000)=88 样本量 (2)于百分比类型的变量(E),,一般根据下列步骤计算样本量。已知调查结果的精度值百分比对于已知数据为百分比。,的精度即样本变异程度，总体数为N以及置信度(L),比例估计(P)22+ P(1-P)/N) :n=P(1-P)/(e/Z则计算公式为22公式为:n= ZP(1-P)/e同样,特殊情况下如果不考虑总体, 。取其样本变异程度最大时的值为我们不知道,P的取值,0.5一般情况下的置信95%,其的置信范围以内之间例如:希望平均收入的误差在正负0.05,调查结果在95%。样本量0.5,1.96度要求Z的统计量为，估计P为总体单位数为
统计学基本概念 13.2总体与样本 一个统计问题研究对象的全体称为总体，构成总体的每个成员称为个体。个体是数据的载体。 例13.2.1研究某地区高中男生的身高情况。 该地区全体高中男生就构成一个总体，其中每一名学生则是该总体中的一个个体。 ********************************************************** 通常将个体所具有的数量指标的全体作为一个总体， 每一成员的相应的数量指标就是一个个体。 例13.2.1研究某地区高中男生的身高情况。 全体学生身高的全体作为一个总体，每一名学生的身高就是一个个体。 在统计学研究中，人们总是假定总体服从某种分布。总体即分布。 ********************************************************** R.A.Fisher引入了“无限总体”这个概念。 现实问题中，所有个体的数目往往是有限的，即所谓的有限总体。 引入无限总体，在概率意义上相当于用连续分布近似离散分布。 用抽象的概率分布描述总体更进一步的合理性在于：几种常见的且在概率上容易处理的分布，如正态分布、指数分布、均匀分布，为许多实际问题的总体分布提供了相当好的近似，而围绕这些分布建立了大量深刻而有效的统计方法。********************************************************** 例13.2.2设有一个物体，其真实质量a未知，要通过多次测量估计该物体质量。
若测量误差服从正态分布()20σ,N ， 则所有可能的测量结果构成总体，服从正态分布() 2σ,a N 。 ********************************************************** 从总体中按一定规则抽出的一部分个体称为样本，样本中的个体称为样品样品的个数称为样本容量或样本量。 样本是随机变量，用大写字母,,,12n X X X 表示，样本容量为n 为了便于概率处理，通常要求样本满足一下性质： (1)样本具有随机性，（2）上述,,,12n X X X 之间相互独立。所得到的样本称为简单随机样本。 今后若不作特别说明，提到的样本总是指简单随机样本。 ********************************************************** 样本是随机变量，用大写字母,,,12n X X X 表示，一旦样本在抽取后，得到一组确定的观测值，它是样本的一次具体实现，用小写字母12,,,n x x x 表示。 例13.2.3随机抛掷一枚骰子观测其出现的点数，此时总体的分布是取值为1，2，3，4，5，6的均匀分布。 现将该骰子独立重复地抛掷10次，得到一个样本,,,1210X X X ，其中的k X ()101≤≤k 均服从取值为1，2，3，4，5，6的均匀分布。 5，6，1，6，4，1，2，4，6，6 3，5，1，4，5，3，6，1，2，4 6，2，4，1，3，2，6，5，1，3 ……………… **********************************************************
1.单因素二水平设计定量资料的非劣效性检验时样本量的估算 1.1计算公式： 非劣效性检验应当采用单侧的检验水准α，假定允许的第二类错误概率不超过β，则非劣效性检验每组需要的样本含量为： 22211)/()(2θδβα-+=--L S u u n （1-1）[1] 2221）/（)(2δβαe s z z n n ?+==（1-2）[2] 1.2式中各参数代表的意义，n 为每组样本含量，α-1u 、β-1u 为单侧标准正态离差界值，S 为估计的共同标准差，L δ为非劣界值，且L δ＜0，θ为试验组与对照组总体均值差值的估计值。 说明：单因素二水平设计定量资料的非劣效性检验时样本量的估算公式与上式完全类似，只需将非劣界值L δ（L δ＜0）替换成优效界值u δ（u δ＞0）即可。 1.3例题：某利尿新药拟进行Ⅱ期临床试验，与阳性药按1:1的比例安排例数，考察24h 新药利尿量（ml ）是否不差于阳性药。根据以往的疗效和统计学的一般要求，取α=0.05，β=0.20，非劣效界值L δ=﹣60ml ，已知两组共同标准差S =180ml ，假定新药与阳性对照药总体利尿量的差值θ=﹣20ml ，问每组需要多少病例？ 将05.01-u =1.645，20.01-u =0.845，s=180，L δ=﹣60，θ=﹣20代入公式，得： 22211)/()(2θδβα-+=--L S u u n =2（1.645+0.845）2×1802/（﹣60﹣（﹣20））2≈251.1， 取n=252，即每组需要252例。 2.单因素二水平设计定性资料的非劣效性检验时样本含量的估算 2.1计算公式： 非劣效性检验应当采用单侧检验，检验水准为α，假定允许的第二类错误概率不超过β，试验组与对照组总体率的差值为C T ππθ -=（T π、C π未知时可用样本频率估计），两组的平均有效率为2/)(C T πππ+=，非劣界值为u δ＜0，则在两组样本含量相等的情况下，非劣效性检验每组需要的样本含量为： 2211)/()1()(2θδππβα--+=--L u u n （2-1）[1] 2合合221/）-1（)(2δβαp p z z n n +==（2-2）[2] 说明：单因素二水平设计定性资料的优效性检验时样本含量的估计公式与式（2-1）完全类似，只需将非劣界值L δ（L δ＜0）替换成优效界值u δ（u δ＞0）即可。 2.2例题：某新药拟进行Ⅱ期临床试验，与阳性药按1:1的比例安排例数，考察新药临床治愈率是否不差于阳性药。根据以往的疗效和统计学的一般要求，取α=0.05，β=0.20，非劣界值δ=﹣0.15，平均有效率P=0.80，并假定两组总体有效率相等，问每组需