每次当你要决定接受或是拒绝一个零假设时，你都面临错误的风险。有两种错误——I型错误和II型错误。如果你犯了I型错误，那么你就拒绝了本是正确的零假设，比如一个无辜的人被看作有罪就是I型错误；II型错误是指你接受本是错误的零假设，比如一个有罪的人被宣告无罪。
犯第一类错误的概率要低于检验中的显著性水平（这就是为什么显著性水平有时被称作a值，这个值与a错误有关联）。如果你的显著性水平设定为5%，那么你犯I型错误的概率为5%。你可以通过设定1%的显著性水平来降低犯第一类错误的概率，如果你降低显著性水平（实际上就增加了检验的说服力，并且将置信界限提高到99%）,那么你就会增加犯II型错误的概率。
因此，在设定显著性水平时，你需要在这两种错误之间折中。如果犯I型错误（接受了一个错误结论）的影响，要比犯II型错误（拒绝了一个正确的结论）的影响更恶劣，那么就要设定一个低的显著性水平（比如0.1%）。然而，如果II型错误的风险更大，那么将显著性水平设定为5%将会是合适的
如果想要降低这两种类型错误的风险，就需要增加样本容量。
所以，为了保证你95%确信你对食品的平均周消费量与总体值的差异不超过或低于1欧元，所需的样本容量为108。
在决定样本容量的时候，不仅要考虑总样本，也要考虑总样本下子集的样本容量，例如对一个调查来说，将男女分别考虑对于实现调查目的是很重要的，同样，对于一项服务也要考虑老顾客和偶尔购买的顾客。在给定的置信区间和置信水平下，你必须要保证这些子样本的容量足够大，以至于你可以得出正确的结论。
扫码关注调研家公众号，随时随地获取调研家观点
关注公众号
调研家将为您提供
一对一专业服务，根据您的项目情况，为您定制专属解决方案
Copyright © 2023 SurveyPlus 瀚一数据科技（深圳）有限公司 粤ICP备18114013号
粤公网安备44030502004015号
