在实际工作应用场景中,常会出现这样的问题:究竟要采集多大的样本数量才能得到我们需要判断的结论呢? 如果样本量太大,增加费用;如果样本量过小,估计误差会增大.
从前几篇的内容我们知道,利用抽取的样本情况对总体进行估计或检验时都可能会犯两类错误,参考假设检验实施步骤二:假设检验的误差设定,显著性水平(α)与 β 风险.
样本量的大小取决于决策错误的风险、总体标准差大小、拟检查的差异大小这三方面的因素:通常,如果希望降低犯错误的风险,那么必须增大样本量;随着总体变异性的增大,即总体标准差变大,为了保持原有的风险,样本量必须增大;随着拟检查之差异的变小,样本量必须增大.
假设检验的实施流程
样本量计算练习1:客服经理评估受过『客户应对培训』之员工的客户满意度分数能否提升4.5分,过去数年,平均分数一直比公司目标分数低。需抽样多少?(α=0.05; β=0.1; 标准偏差=6)
检定类别:1t检定,统计>功效和样本数量>单样本t
输出分析表
以上可知,Power 一定的情况下,当检验的差值越小,取样数越多.
其他类型检验样本量确定的问题,单样本 t 检验,双样本 t 检验,双方差检验等,计算过程大同小异,可比照以上案例来计算.
联系客服