假设检验实施步骤四：样本量计算

      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

Minitab如何计算样本数
统计>功效和样本数量

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

分析表：

以上得到什么信息呢？员工的客户满意度分数能否提升4.5分，需抽取17笔资料才足够证明。
我们可以尝试输入不同的dif.值及Power来观察样本量的变化:

检定: 1.差值：越大，取样数越少; 越小，取样数越多.
        2.Power：越大，取样数越少; 越小，取样数越多.

样本量计算练习2：某工程师想了解经由专案项目改善后，异物不良率是否从3%降至1.5%以下,要抽多少样本数才合理？
1>假设陈述：H0:p=0.03  Ha:p<0.03  
2>设定置信度：α=0.05; β=0.1)
3>检验方法：1P检验
4>计算样本量：
统计>功效和样本数量>1P 单比率

输出分析表

从分析表得到什么信息呢？要证明异物不良率是否从3%降至1.5%以下，则至少需抽样847pcs才足够证明异物不良率是否有明显的下降.

如果我们要检验不良率是否从3%降至0.5%，1.5%，2.5%以下，需要取样多少数量才足够呢？

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.