估計所需樣本數
估計所需樣本數用於規劃以精確量測平均值或比率(而非檢定差異)為目的的研究。輸入目標誤差限即可得到樣本數,輸入樣本數即可得到誤差限。平均值需要假定的標準差並使用 t 分配;比率需要一個規劃值(預設為 0.5),並使用常態近似。
最後審閱
核心要點
估計所需樣本數用於計算:要以選定的誤差限(信賴區間的半寬)估計平均值或比率需要多少個觀測值,或者給定樣本數所能達到的誤差限。
用途
估計所需樣本數用於計算:要以選定的精度估計平均值或比率需要多少個觀測值,或者給定樣本時估計的精度如何。精度以誤差限表示:即信賴區間的半寬,因此估計值寫作「值 ± 誤差限」。當目的是把某個量測準——例如平均週期時間、平均塗層重量或延誤訂單所佔的比例——而不是檢定差異時使用(檢定差異請使用假設檢定的檢定力與樣本數工具)。
主要功能
- 估計 Mean(需假定標準差)或 Proportion(需規劃值)。
- 由目標誤差限求解樣本數,或由計畫樣本數求解誤差限:將您想求解的一項留空。
- 可同時輸入多個值,例如誤差限「0.5 1」,每個值一列。
- 求解樣本數時,報告觀測值的整數個數及其實際達到的誤差限。
- 信賴水準可為 75 至 100% 之間的任意值。
統計方法
對於平均值,輸入的標準差是規劃值,而不是已知值,因此誤差限使用 t 分配,您之後根據資料計算的信賴區間也是如此(當 σ 未知時,Minitab 的做法相同)。對於比率,工具使用常態近似。信賴水準為 C 時,α = 1 − C/100;z = z₁₋α/₂(95% 時為 1.960),t = t₁₋α/₂,自由度為 n − 1。
對於假定標準差為 σ 的平均值,n 個觀測值的誤差限為 E = t·σ/√n。由於 t 取決於 n,目標誤差限 E 對應的樣本數是誤差限不超過 E 的最小 n:工具從常態分配的答案 (z·σ/E)² 出發,無條件進位,然後逐一遞增。對於規劃值為 p 的比率,誤差限為 E = z·√(p(1 − p)/n),因此 n = z²·p(1 − p)/E²,無條件進位到下一個整數。兩種情況下,所報告的 n 處的誤差限都顯示為實際誤差限,它不超過目標值。
誤差限隨 n 的平方根下降:將誤差限減半,大約需要四倍的觀測值。對於平均值,誤差限假定樣本標準差與規劃值接近;如果資料變異更大,區間會更寬。對於比率,規劃值為 0.5 時得到最大(最穩妥)的樣本數;只有當您確信比率遠離 0.5 時,才使用較小的值。該結果假定樣本來自穩定製程的隨機抽樣。
輸入欄位和選項
欄位 | 說明 |
Parameter to estimate | Mean(預設)或 Proportion。 |
Sample sizes | 以空格或逗號分隔,例如「10 20 30」。留空則求解樣本數。 |
Margins of error | 以空格或逗號分隔,例如「1 2」。信賴區間的半寬,平均值以量測單位表示,比率以小數(例如 0.03)表示。留空則求解誤差限。 |
Assumed standard deviation | Parameter = Mean 時必填。標準差的歷史估計或試驗性估計,用作規劃值(誤差限使用 t 分配)。 |
Planning value for the proportion | Parameter = Proportion 時必填;預設值為 0.5,範圍為 0.0001 至 0.9999。0.5 是最保守的選擇(樣本數最大)。 |
Confidence level | 預設值為 95;範圍為 75 至 100。 |
Title | 顯示在輸出上的標題。 |

圖 1 — 求解平均值的樣本數:Margins of error = 0.5 1,Assumed standard deviation = 3,信賴水準 95%。
輸出說明
- Settings — 所求解的內容、參數、信賴水準,以及假定的標準差(平均值)或規劃值(比率)。
- Results — 每個值一列:求解樣本數時為誤差限、樣本數和實際誤差限,求解誤差限時為樣本數和誤差限。
- 透過 Download 匯出 PDF。

圖 2 — 範例的結果:信賴水準 95% 時,±0.5 s 的誤差限需要 141 個週期,±1 s 的誤差限需要 38 個週期。
計算範例
一位工業工程師需要某手工裝配工作站的平均週期時間,用於產線平衡研究。一次小規模試驗顯示標準差約為 3 秒。工程師希望平均值的誤差在 ±0.5 s 以內,但也可以接受 ±1 s。選擇 Parameter to estimate = Mean,工程師將 Sample sizes 留空,輸入 Margins of error = 0.5 1 和 Assumed standard deviation = 3,信賴水準為 95%。
工具顯示,±0.5 s 的誤差限需要計時 141 個週期(實際誤差限 0.499 s),±1 s 需要 38 個週期(實際誤差限 0.986 s):誤差限減半,工作量大約增加到四倍。若改為輸入 Sample sizes = 20 50,則顯示 20 個週期的誤差限為 ±1.40 s,50 個週期為 ±0.85 s。在 99% 信賴水準下,要求升至 243 和 64 個週期。對於比率,例如含重工步驟的週期所佔比例,±0.03 的誤差限在保守規劃值 0.5 下需要 1068 個觀測值,但如果已知該比例約為 0.1,則需要 385 個。
常見問題
如何計算估計比率所需的樣本數?
對於規劃值為 p 的比率,誤差限為 E = z 乘以 p(1 - p)/n 的平方根,因此 n = z 的平方乘以 p(1 - p) 再除以 E 的平方,無條件進位。規劃值為 0.5 時得到最大、最穩妥的樣本數;在一個計算範例中,信賴水準 95%、誤差限 0.03 時,取 0.5 需要 1068 個觀測值,取 0.1 則需要 385 個。
如何計算估計平均值所需的樣本數?
對於假定標準差為 sigma 的平均值,n 個觀測值的誤差限為 E = t 乘以 sigma 再除以 n 的平方根。由於 t 取決於 n,工具從常態分配的答案 (z 乘以 sigma / E) 的平方出發,逐步遞增,直到誤差限不超過目標值。並報告該 n 處的實際誤差限。
誤差限如何隨樣本數變化?
誤差限隨 n 的平方根下降,因此將誤差限減半大約需要四倍的觀測值。在一個標準差為 3 秒、信賴水準為 95% 的計算範例中,1 秒的誤差限需要 38 個週期,而 0.5 秒的誤差限需要 141 個週期。
什麼時候應使用估計所需樣本數,而不是檢定力與樣本數?
當目的是把某個量測準時使用估計所需樣本數,例如平均週期時間、平均塗層重量或延誤訂單所佔的比例。當目的是檢定差異時,請改用假設檢定的檢定力與樣本數工具。該結果假定樣本來自穩定製程的隨機抽樣。
