使用方法
- 選擇與問題相符的模式：單一比例、單一平均數，或兩組均衡比例差。
- 輸入信心水準，以及你能接受的最大誤差範圍。
- 使用合理的預估比例或標準差，並將結果向上取整，作為最低收集樣本數。
統計工具
三種樣本數規劃流程
適用於為單一比例規劃調查樣本數，例如支持率、缺陷率或轉換率。
輸入
用於規劃單一比例的調查或稽核，例如支持率、缺陷率或盛行率。
用於規劃單一平均數的估計，適合等待時間、溫度、分數或成本等連續結果。
用於規劃兩組均衡 A/B，比較兩組比例差並把估計誤差控制在目標範圍內。
這個初版假設兩組樣本數相同，重點是區間寬度，而不是檢定力或最小可偵測效果。
精度規劃和功效分析不是同一個問題
這個頁面幫助你在收集資料前決定估計精度。如果你的問題是「要偵測最小效果需要多少樣本」，那屬於功效分析，應使用另一套流程。
50% 是保守設定
對單一比例來說，變異數在 p = 0.50 附近最大。如果你沒有可靠的先驗資訊，用 50% 可以避免低估樣本數。
小母體時有限母體修正更重要
如果計畫樣本占母體的比例不小，有限母體修正會降低所需樣本數。它常見於稽核、清單型調查和小規模名冊調查。
收集完成後，請轉到信賴區間、迴歸或其他推論頁面繼續分析。
常見問題
什麼時候該用這個頁面，而不是功效分析？
當你的目標是控制估計精度時，這個頁面比較適合，也就是希望區間或比例估計落在指定誤差範圍內。功效分析回答的是另一個問題：在指定檢定力下，要偵測最小效果需要多少樣本。
為什麼填 50% 通常會得到最大的調查樣本數？
對單一比例來說，變異數在 p = 0.50 附近最大。因此 50% 是保守假設，通常會給出較高的所需樣本數。
有限母體修正會改變什麼？
當你的樣本會占有限母體中不可忽略的一部分時，它會降低所需樣本數。對小規模調查、稽核或名冊型母體特別重要。
分享 URL 會包含我輸入的數值嗎？
不會。分享 URL 只儲存模式和信心水準等輕量設定，數值輸入仍留在你的瀏覽器中。
相關內容
留言（選用）
為了減少載入量，留言只會在需要時載入。