九的弦
确定样本量方法有以下两种：一、根据允许的抽样误差的范围确定样本量在excel里设置α、p和△的值；计算累积机率值；选择“NORMINV”函数；计算Z值，计算样本量。二、根据特定目的确定样本量 1、样本若分成不同的组，总样本量要保证每组的样本量都不能低于100个； 2、当每组样本还需按不同的特性或配额划分成更小的组时，要保证每个小组的样本量至少在20-50个之间；拇指定律常用于总体数量庞大且有配额要求的调研，比如大众消费品市场的研究。例如，要调查某城市消费者对某品牌香烟的态度，我们可以把受访的消费者分成重度吸烟者和轻度吸烟者两组，如果重度吸烟者的人数少，约占所有香烟消费者的10%，为了保证重度消费者的样本量不低于100人，用简单随机抽样法，则总样本量就需要1000人。如果将重度吸烟者再细分成收入高、中、低三档，其中收入高的人数最少，只占总体人数的1%，按照拇指定律，要求该组样本量不少于20人，那么总样本量至少需2000人。因此，这个品牌香烟的调查项目样本量就应该是2000人。确定样本量要考虑样本结构、精度要求、调研经费以及总体特征易变性等因素。比如说，如果总体易变性强，或者说是样本之间的差异性大的时候，则需要适当增加样本量。 
正确的统计学分析一定要建立在明确的研究目的和研究设计的基础之上，那些事先没有研究目的和研究设计，事后找来一堆数据进行统计分析都是不可取的。 在医学论文的撰、编、审、读过程中经常遇到的问题是研究的题目与课题设计、论文内容不符，包括文章的方法解决不了论文的目的、文章的结果说明不了论文的题目、文章的讨论偏离了论文的主题；还有是目的不明确、设计不合理。如题目过小，论文不够字数，而一些无关紧要的变量指标或结果被分析被讨论；又如题目过大，论文的全部内容不足以说明研究的目的，使论文的论点难以立足。 所以，合理明确的论文题目或目的以及研究设计方案是撰、编、审、读者应当关注的首要问题。此外，样本含量是否满足，抽样是否随机，偏倚是否控制等，也是不可忽视的问题。2、建好分析用的数据库建好数据库是正确统计分析的前提和基础，甚至决定了论文分析结果的成败。对于编、审、读者来讲，一般由于篇幅的限制，往往得不到数据库数据，而只有作者在数据库数据基础上经统计描述计算后给出的诸如各指标均数 x、标准差 s 或中位数 M、百分位数 Px 的“二手”数据，或将研究对象小或特征属性分组，清点各组观察单位出现的个数或频数的频数表数据等。 无论是否能够得到数据库数据，作者在统计分析过程中一定依据数据库数据进行计算，得出结果。如果对“二手”数据或频数表数据的结果等存在疑惑，编辑、审稿专家或读者有权要求作者提供数据库数据以检查其完整性、准确性和真实性，确保研究数据的质量。假若在投稿须知中对数据库数据作出必要的要求，无疑对于保证刊物的发表质量有着积极的意义
2年啊，这个课题时间太长了啊。这个量也不是固定的，最好不要错失。可以考虑下用样本方差的。样本关于给定点x在直线上散布的数字特征之 一，其中的点x称为方差中心。样本方差数值上等于构成样本的随机变量对离散中心 x之方差的平方和设X、，…，戈是同分布实随机变 量，点x是选定的方差中心(x〔R’)那么，量 s。(x)=艺(x一x)z 称为关于点x的样本方差(sample variance)，由于 s。(x)=s。(见)+n(无一x)，)s。(无)二s。， 其中了二(X、+…十戈)加，可见当x二了时关于 x的样本方差取最小值较小的S。说明样本元素关 于见集中;相反，较大的S。说明样本元素分散 样本方差的概念，可以自然地推广到多维样本的样本协方差矩阵
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
