透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

所需樣本數
217
位受試者(無條件進位)
使用的 Z 值 1.96
精確值 n(未進位) 216.09

這個計算器的功能

這項工具能告訴你,若想以理想的精確度推估母體平均數,需要蒐集多少筆觀測值(也就是樣本數 \(n\))。你只要輸入希望達到的信賴水準、母體標準差的估計值,以及樣本平均數與真實平均數之間的可接受差距(容許誤差),計算器就會回傳所需的最小樣本數,並無條件進位為整數。

使用方式

先選擇信賴水準(90%、95% 或 99%)。接著輸入母體標準差(\(\sigma\))——這個數值通常來自前導研究(pilot study)、過往文獻,或是合理的推估值。然後輸入容許誤差(\(E\)),也就是你能接受的估計值與真實平均數之間的最大差距,單位需與 \(\sigma\) 一致。算出的結果,就是你應該蒐集的受試者人數或量測筆數。

公式解析

公式為 $$n = \left\lceil \left( \frac{z \cdot \sigma}{E} \right)^{2} \right\rceil$$ 其中 \(z\) 是對應你所選信賴水準、取自標準常態分配的臨界值;\(\sigma\) 為母體標準差;\(E\) 則是容許誤差。由於不可能取樣到「半個人」,因此 \(n\) 一律無條件進位到下一個整數。值得注意的是,當容許誤差減半時,所需樣本數會變成四倍,因為分母中的 \(E\) 是平方項。

Advertisement
展示誤差範圍縮小、信賴度提高時樣本數如何增長的示意圖
當誤差範圍縮小或信賴水準提高時,所需樣本數會急遽增加。
常態分布曲線,中央為信賴區間,兩側陰影尾部標示誤差範圍
此公式將信賴水準(\(z\))、母體離散程度(\(\sigma\))和誤差範圍(\(E\))與所需樣本數連結起來。

實例演算

假設你希望達到 95% 信賴水準(\(z = 1.96\)),標準差為 \(\sigma = 15\),且容許誤差設定為 \(E = 2\)。則 $$n = \left( \frac{1.96 \times 15}{2} \right)^{2} = \left( \frac{29.4}{2} \right)^{2} = 14.7^{2} = 216.09$$ 無條件進位後得到 217 筆觀測值。

常見問題

如果我不知道標準差怎麼辦?可採用前導研究或類似過往研究的估計值。若手邊只有數值範圍,可以套用一個粗略法則:\(\sigma \approx \text{全距} / 4\)。

為什麼要無條件進位?若無條件捨去,精確度會略低於要求,因此慣例上一律向上進位,以確保能達到目標容許誤差。

這需要輸入母體大小嗎?不用。此公式假設母體規模很大或為無限大。若母體是有限且偏小,則需套用「有限母體校正」(finite population correction),如此一來所需的樣本數會減少。

最後更新: