样本量不是拍脑袋：从一锅汤说起

先从一锅汤说起

厨房里有一大锅正在炖的汤。

你想知道这锅汤够不够咸，会怎么做？

不会把整锅汤都喝完。更合理的做法是：先把汤搅一搅，然后舀一小勺尝一口。 只凭这一小勺，你大概就能判断整锅汤的味道。

这件很普通的事，其实藏着统计学里一个非常重要的概念：抽样。

那一小勺汤，就是样本。
整锅汤，就是总体。
你用一小勺的味道，去推断整锅汤的味道。

但问题来了：

那一勺，到底要舀多少才够？

舀太少，比如只沾一滴在舌尖上，可能刚好碰到一粒没化开的盐， 于是你误以为整锅汤都咸得不行。

舀太多，比如喝掉半锅，当然也能判断味道，但这就太浪费了。

所以样本量要解决的问题，不是“抽得越多越好”，而是：

抽多少，才刚好够用？

这就是今天要聊的核心：样本量。

为什么我们非得抽样？

你可能会想：如果想知道整体情况，直接全部检查不就最准了吗？

理论上是这样。现实里，很多时候根本做不到。

第一，全检太贵。

如果有一批几十万、几百万个产品，要每一个都检查，光人力、设备、时间成本就可能高得离谱。

第二，全检太慢。

就算你真的愿意花钱，也不一定等得起。很多时候，产品还要发货，实验还要推进，项目还要做决策， 不可能一直等到“全部检查完”。

第三，有些检查会破坏被检查的东西。

比如你想知道一根火柴能不能划着，最直接的方法就是划一下。但划着以后，这根火柴也就没了。

你不能把一整盒火柴全部划完，然后宣布：“很好，这盒火柴质量合格。”

这听起来像笑话，但很多检测都是类似的：测强度、测寿命、做破坏性实验， 往往都会消耗样品本身。

所以在现实世界里，我们经常只能抽一部分样本，去推断整体情况。

这不是偷懒，而是统计学存在的原因之一。

但前提是：你那一勺要舀得对

说到抽样，很多人第一反应是：“那我抽多少个？”

这个问题当然重要。但在问“抽多少”之前，还有一个更基础的问题：

你从哪里抽？怎么抽？

回到那锅汤。

如果汤已经搅匀了，那么从锅里舀一勺，大概率能代表整锅汤的味道。

但如果汤没有搅匀，盐都沉在锅底，你只从表面舀一勺，可能会觉得味道很淡； 如果你刚好从锅底舀一勺，又可能觉得咸得离谱。

这时候问题不是“勺子太小”，而是样本抽偏了。

现实里也一样。

你想了解全校学生的身高，却只在篮球队门口抽样。
你想了解顾客满意度，却只看愿意主动留言的人。
你想判断一批产品质量，却只拿最上面一层样品。

这些样本即使数量不少，也可能代表不了整体。

所以一定要记住：

样本量解决的是随机波动问题，抽样方式解决的是代表性问题。

如果样本本身是偏的，样本量再大，也只是在更精确地重复一个偏差。

简单说就是：

先别抽偏，再谈抽多少。

抽太少会怎样？一个抛硬币的故事

假设你不知道硬币正面朝上的概率是多少，于是想通过实验把它测出来。

你拿起一枚硬币，只抛了 4 次。

结果是：

正、正、正、反

4 次里面有 3 次正面。于是你得出结论：

正面概率是 75%。

这显然不靠谱。

不是硬币真的有 75% 的概率出现正面，而是你抛得太少了。 样本量太小时，运气的影响非常大，几次偶然事件就能把结论带偏。

但如果你抛 1000 次，正面和反面的次数通常会接近一半一半。 算出来的结果就会更接近真实的 50%。

这就是样本量最直观的意义：

样本量太小，结论容易被随机波动带跑偏。样本量越大，结果通常越稳定。

你可以把小样本想象成只看几帧画面就判断整部电影。 可能正好看到打斗场面，就以为这是一部动作片；也可能正好看到哭戏，就以为这是一部悲剧。

看的片段越少，误判的概率越高。

那是不是越多越好？

也不是。

回到那锅汤。你尝一勺就能判断咸淡，没必要喝掉半锅。

样本量增加，确实通常会提高结果的稳定性。但这种提升不是无限线性的。

从 5 个样本增加到 50 个样本，信息量可能提升很明显。
从 5000 个样本增加到 5050 个样本，提升可能就非常有限。

越到后面，你为每一个新增样本付出的成本，可能越来越不划算。

所以样本量的真正智慧，不是“越多越好”，而是找到那个平衡点：

少了不可信，多了不划算。

这也是为什么样本量计算很重要。它不是为了追求一个看起来很大的数字， 而是为了找到一个相对合理的数字。

决定样本量的，不只是总体有多大

很多人第一次接触样本量，会有一个直觉：

总体越大，需要的样本量肯定越大。

比如全国有十几亿人，如果要做一个全国性的调查，是不是必须问几百万人才够？

听起来合理，但在很多统计场景里，并不是这样。

当总体足够大时，真正决定样本量的，通常不是总体本身有多大，而是下面三个因素。

第一，数据本身波动有多大

如果一锅汤已经搅得很均匀，你舀一两勺，大概率就能判断味道。

但如果这锅汤很不均匀，有的地方淡，有的地方咸，那你就需要多尝几勺，而且最好先搅匀。

数据也是一样。

如果一组数据本来就很稳定，样本量可以相对少一些。 如果数据波动很大，样本量就需要更多。

这就和我们前面聊过的标准差有关。

标准差越大，说明数据越分散，你就需要更多样本来把真实情况看清楚。

第二，你想要多准

你只是想判断“这锅汤大概够不够咸”，需要的样本很少。

但如果你要精确判断“还差 0.2 克盐”，那要求就高多了。

统计里也是一样。

你能接受的误差越小，需要的样本量就越大。 你要求越精确，统计上就要付出更多样本成本。

第三，你想要多大把握

你是想“大概有把握”，还是想“非常有把握”？

如果你要求 90% 的把握，样本量可能不算太大。 如果你要求 95%、99% 的把握，样本量通常就会增加。

这就是常说的置信水平。它表达的是：你希望这个结论有多可靠。

所以更准确地说：

在总体足够大的情况下，样本量主要由数据波动、允许误差和置信水平决定，而不是单纯由总体规模决定。

当然，如果总体本身很小，或者你抽样的比例已经非常高，那么总体规模也会产生影响。 这种情况统计上还有专门的修正方法。

但对大多数日常理解来说，先记住这个核心就够了：

不是锅越大就一定要喝越多，而是要看汤搅得匀不匀、你想尝得多准、你想有多大把握。

落到实处：到底该抽多少？

讲到这里，你可能会说：

道理我懂了，但我到底该抽多少？给我个数。

好消息是，这个数是可以计算的。

统计学家早就把“数据波动、允许误差、置信水平”这些因素写进了公式。 你只要明确自己的目标，就能算出一个建议样本量。

坏消息是，那些公式对刚入门的人并不友好。 里面会出现 Z 值、标准差、比例、误差范围、平方项，看起来不太像日常语言。

所以我在本站 Tools 栏目里做了一个简单的样本量计算器。

你不需要先背公式，只要选择一个场景，输入几个关键参数，它就会给出建议样本量， 并说明背后的计算逻辑。

比如：

• 估算一个比例，大概需要多少样本？
• 验证缺陷率是否达到目标，需要抽多少？
• 比较两组连续型数据有没有差异，需要多少样本？

这些问题都不应该靠拍脑袋回答。

下次有人说：

我们抽 50 个差不多吧。

你可以认真问一句：

这个 50 是怎么来的？

因为样本量从来不应该只是一个感觉。它可以被讨论，也可以被计算。

把今天的内容收一下

今天我们从一锅汤说起，聊了样本量到底在解决什么问题。

• 第一，抽样是现实需要。 因为全检太贵、太慢，有些检查还会破坏样品。
• 第二，样本要有代表性。 如果抽样方式偏了，样本量再大也可能得出错误结论。
• 第三，样本太少会被随机波动带偏。 就像只抛 4 次硬币，很容易得出一个离谱比例。
• 第四，样本也不是越多越好。 超过某个点之后，增加样本的收益会变小，成本却还在增加。
• 第五，样本量主要受三个因素影响。 数据波动有多大、你想要多准、你想要多大把握。

如果用一句话总结：

抽样就像尝一锅汤。重点不是这锅汤有多大，而是你有没有搅匀、你想尝得多准、你想有多大把握。 把这件事想明白了，就不会再随便拍一个样本数了。