sampling size 确定

关于样本的大小，的确是个很好的topic ，记得以前在美国质量学会的论坛也讨论过，前几天6SQ也碰到过类似的帖子（关于二项分布 估算不合格率样本的问题）现一并总结下，欢迎补充和讨论。
总的来说，不能依一句话概括到底要选取多少样本，分情况讨论

样本量主要考虑的方面是：

1. 适用于估算过程的数据分布状态（即数理统计模型）
2. 置信区间的宽度（或者讲希望允许的误差）
3. 置信度（显著水平）

原理和背景

1. 中心极值定理，再具体点--锲比雪夫不等式（见参考资料-- 1）
2. 估算数学表达式，我这里打不出来，只能给出标准参考资料（见参考资料-- 2）

分情况讨论
描述集中程度的均值μ 的估计（表过程的集中程度）
大样本正态估计模型（N>30）
正态分布的单总体的均值：1-sample Z （见参考资料-- 3）
一般要求，样本量 N>30，具体计算公式：n=1.96^2Xσ^2/Error^2
正态分布的双总体的均值（含配对Z）：2-sample Z （见参考资料-- 4）
一般要求， 样本量N>30，具体计算公式：n=1.96^2X(σ1^2+σ2^2)/Error^2
Error可以是一个具体的量化值，比如：你要求重量误差不超过10g，ERROR=10。

当样本量小于30时，直接可用1-sample Z统计量（即常说的标准正态分布的Z变换）
如果实在无法保证样本量N>30，就用到Student-t 分布的 t 统计量，此分布是用来估计均
值，因为此时样本将不符合标准正态分布，
使用t统计量来做标准变换，达到修正的效果，以模拟逼近标准正态分布的效果。

小样本模拟正态分布模型
t 分布的单总体的均值：1-sample t （见参考资料-- 3）
无需要求，样本量 N>30，因为已经直接定义了是<30的样本，所以就不用公式了
t 分布的双总体的均值（含配对t）：2-sample t （见参考资料-- 4）
无需要求，样本量 N>30，同上

睡觉了，下次再发
描述离散程度的方差σ^2、标准差σ 的估计（表过程的离散程度）
和 描述比率的的估计，还有参考依据... ...