样本容量是指从总体中抽取的样本所包含的个体数目，通常用n表示。它是统计学中决定抽样误差大小、置信区间宽度以及假设检验功效的核心参数。样本容量越大，抽样误差越小，估计的精度越高，但调查成本也相应增加；样本容量过小则可能导致结论不可靠。 例如，在调查某校学生平均身高时，若抽取50人（样本容量n=50）与抽取500人相比，后者得到的平均值更接近真实总体均值。因此在实际研究中，需要根据允许误差、置信水平、总体标准差等因素通过公式计算合适的样本容量。
【常见问题】
问题1：如何确定样本容量的大小？
回答1：确定样本容量需要综合考虑允许误差、置信水平、总体变异程度和调查成本。常用的公式为：n = (Z² × σ²) / E²，其中Z为置信水平对应的Z值，σ为总体标准差，E为允许误差。样本容量越大，估计越精确。
问题2：样本容量不足会导致什么后果？
回答2：样本容量不足会增大抽样误差，使置信区间变宽，降低统计检验的功效（即容易犯第二类错误），可能导致无法检测到真实存在的差异，从而影响研究结论的可靠性。样本容量是实验设计中的关键因素。
问题3：样本容量和样本量是同一个意思吗？
回答3：是的，样本容量和样本量通常指同一个概念，即样本中包含的个体数量。在统计学教材和研究中，样本容量更正式地指代样本的大小，而样本量是口语化表达。两者都表示n的值。
