样本量计算器

本款样本量计算器（Sample Size Calculator）主要包含两个核心功能：第一部分用于计算样本量（Sample Size），第二部分用于确定误差范围（Margin of Error）。

从下拉菜单中选择置信水平（Confidence Level）是确定样本量的第一步。接下来，输入相对误差范围。如果您目前只有绝对误差范围，可以通过将绝对值除以点估计值，将其转化为相对误差范围并输入。

然后，如果您已知总体比例，请输入该数值；如果未知，请保留默认的50%。如果您了解总体规模（总体大小），请在最后一个单元格中填入该值；若不知晓，则将其留空即可。最后，点击“计算”按钮获取结果。

利用本计算器的第二部分，您可以轻松求出误差范围。第一步，同样从下拉菜单中选择一个置信水平。在第二个单元格中，输入您研究的样本量大小。之后，输入总体比例。在最下方的单元格中填入总体规模（如果您不知道总体规模，请将该单元格留空）。最后，点击“计算”即可。

样本

总体（Population）中的一部分或一个子集被称为样本（Sample）。总体是指在特定研究中，我们所关注的所有个体的集合。理想状态下，最完美的方法是普查您所选总体中的每一个个体。然而，由于诸多客观因素的限制，对总体中的每一个项目进行逐一检查通常是不切实际的。例如，如果您的研究对象是热带雨林中的昆虫，那么总体数量几乎是无限的，您根本无法穷尽整个总体。此外，在某些破坏性测试中，研究样本可能会在测试过程中被损毁。

例如，当您打开并检测一瓶密封软饮料的容量后，这瓶饮料就不能再进入市场销售了。

调查整个总体往往需要耗费大量的时间、资金和其他资源。在绝大多数情况下，您的研究必须在有限的时间和预算内完成，因此全面普查通常并不可行。最佳的统计学解决方案便是科学地抽取一个样本并对其进行深入研究。

误差范围

在大多数情况下，我们无法调查总体的所有成员。因此，统计学中通常使用样本统计量（从样本中计算出的指标数值）来估计总体参数（总体的真实指标数值）。样本统计量来源于对抽样样本进行观察或测量所得的实际数据。当您使用一个单一数值来估计某个总体参数时，这被称为点估计（Point Estimate）。

例如，假设您想估算某条生产线上软饮料瓶的平均容量。您可以随机抽取一个批次，并算出该批次饮料的平均容量。假设该批次的平均容量 x̄ 为 250 毫升。据此，您就可以对生产线上所有瓶子的平均容量 \$(\hat{μ})\$ 进行点估计，结果为 250 毫升。

在实际操作中，真实的总体参数和估计参数往往并不完全相等。这种差异正是由于我们使用的是样本而非完整总体来进行估算所产生的。

误差范围（Margin of Error）被定义为参数的点估计值与其实际真实值之间的最大可能差异。这在统计分析中通常被称为估计的最大误差。

置信区间

置信区间（Confidence Interval）代表了估计值的浮动范围。这一范围表明我们是在特定的误差范围内对参数进行估计的。为了确定置信区间的下限，我们需要从点估计值中减去误差范围；而要确定置信区间的上限，则需将误差范围加上点估计值。

样本、误差范围和置信区间在统计学中的相互关联

在研究中，我们通过分析样本来估计总体的参数，而不是直接去研究整个总体。因此，总体的估计参数与实际参数之间不可避免地会存在偏差。误差范围即是参数的点估计值与其真实值之间的最大可能差异。此外，样本量与误差范围之间存在反比关系。更大的样本量能更准确地代表总体，从而降低误差范围；反之，减小样本量则会导致误差范围增大。

当您将计算出的误差范围应用于点估计值时，就能得出最终的置信区间。

计算样本量的公式

根据您所掌握的数据信息，可以使用不同的公式来计算最佳样本量。

所需的置信水平决定了研究的置信度，而误差范围的最大限制则决定了我们希望该区间估计能够达到怎样的精确度。

如果我们已知总体标准差，可以使用以下公式来计算达到所需置信区间要求的最小样本量。

$$n=\left(\frac{z_{\alpha/2}×\sigma}{E}\right)^2$$

最终的计算结果 n 应当四舍五入到最接近的整数。

**科克伦公式（Cochran's Formula）**能够帮助您根据期望的误差范围、所需的置信水平以及目标属性在总体中的预期比例，来确定最小样本量。科克伦公式如下：

$$n₀=\frac{z^2p(1-p)}{E^2}$$

• z = 根据所需置信水平从 Z 值表中查得的 Z 值
• p = 预期在总体中存在的属性比例
• E = 误差范围

示例 1

假设我们正在针对加拿大高校就读本科课程的国际学生进行一项研究。在研究初期，我们掌握的信息较为有限。因此，我们假设国际学生占加拿大所有本科生的 60%。这意味着总体中该属性的预估比例为 60%。我们希望达到 95% 的置信水平以及 4% 的误差范围。那么，这项研究的最小样本量至少需要包含多少名学生？

$$(1-\alpha)=95\%$$

$$z_{α/2}=z_{{95\%}/2}=1.96$$

$$p=60\%$$

$$E=4\%$$

$$n₀=\frac{z^2p(1-p)}{E^2}=\frac{1.96^2×60\%×(1-60\%)}{4\%^2}=576.24≈577$$

因此，为了确保 95% 的置信水平和 4% 的误差范围，该研究至少需要抽取 577 名学生作为样本。

需要注意的是，上述公式适用于总体规模庞大或无限大的情况。如果总体规模较小或为有限总体，我们就必须对样本量进行调整。针对有限总体的样本量调整公式如下：

$$n=\frac{n₀}{1+\left(\frac{n₀-1}{N}\right)}$$

• n₀ = 根据科克伦公式计算出的初始样本量
• N = 总体大小（总体规模）
• n = 针对有限总体调整后的最终样本量

示例 2

假设我们正在研究您所在加拿大院校中就读本科课程的国际学生情况。同样地，我们在初期信息不足，因此假设国际学生占您学校所有本科生的 60%（即总体属性的预估比例为 60%）。已知您所在学院的学生总数为 12,000 名。我们希望实现 95% 的置信水平和 4% 的误差范围。那么，该研究至少需要涵盖多少名学生？

在这种情况下，由于总体是有限的，您必须先使用科克伦公式计算出初始样本量 n₀，然后再针对有限总体调整样本大小。

$$n₀=\frac{z^2p(1-p)}{E^2}=\frac{1.96^2×60\%×(1-60\%)}{4\%^2}=576.24$$

$$n=\frac{n₀}{1+\left(\frac{n₀-1}{N}\right)}=\frac{576.24}{1+\left(\frac{576.24-1}{12,000}\right)}=549.88\approx550$$

使用我们的最小样本量计算器，您可以在不到一秒钟的时间内轻松完成上述复杂的数学运算。

计算误差范围的公式

您可以通过对等式进行重新排列，从样本量公式中推导出计算误差范围的公式。

已知最小样本量公式为：

$$n₀=\frac{z^2p(1-p)}{E^2}$$

让我们将 E（误差范围）作为上述公式的主项进行推导：

$$n₀=\frac{z^2p(1-p)}{E^2}$$

$$n₀×E^2=z^2p(1-p)$$

$$E^2=\frac{z^2p(1-p)}{n₀}$$

$$E=\sqrt{\frac{z^2p(1-p)}{n₀}}$$

$$E=z\sqrt{\frac{p(1-p)}{n₀}}$$

示例 3

假设我们正在对在加拿大就读本科课程的国际学生进行研究。基于有限的初始信息，我们假设国际学生占全加拿大本科生总数的 60%（预估比例为 60%）。假设我们设定了 95% 的置信水平，并且您已经为该研究随机抽取了 577 名学生作为样本。那么，这项研究的误差范围是多少？

$$z_{95\%/2}=1.96$$

$$p=60\%$$

$$n₀=577$$

$$E=z\sqrt{\frac{p(1-p)}{n_0}}=1.96 \times \sqrt{\frac{60\% \times (1-60\%)}{577}}=4\%$$

如果面临的是有限总体，您必须首先使用以下公式求出调整后的 n₀：

$$n₀=\frac{n-nN}{n-N}$$

然后，将得出的结果代入以下公式以求得误差范围：

$$E=z\sqrt{\frac{p(1-p)}{n₀}}$$

使用最小样本量计算器的第二部分，您可以完全跳过这些繁琐的步骤，在不到一秒钟内一键计算出误差范围。

计算置信区间的公式

一旦您知道了误差范围，确定置信区间就会变得非常简单。下面的公式专门用于计算置信区间：

置信区间 = 点估计 ± 误差范围

置信区间的上限 = 点估计 + 误差范围

置信区间的下限 = 点估计 - 误差范围

总体均值 μ 的置信区间表示为：

x̄ - E < μ < x̄ + E

其中，x̄ - E 为下限，x̄ + E 为上限。

总体比例 P 的置信区间表示为：

p - E < P < p + E

示例 4

您正在研究在加拿大学习的国际学生的平均课程学费。您抽取了 1,000 名学生作为样本进行调查，根据您的样本数据，您估计在加拿大学习的国际学生的平均课程学费为 20,000 加元。此时误差范围为 5,000 加元。请计算出在加拿大学习的国际学生平均课程学费的置信区间。

上限 = x̄ + E = 20,000加元 + 5,000加元 = 25,000加元

下限 = x̄ - E = 20,000加元 - 5,000加元 = 15,000加元

因此，该学费均值的置信区间为：

x̄ - E < μ < x̄ + E

15,000加元 < μ < 25,000加元