我们在做产品测试尤其是硬件产品或者产品抽样检验时，都需要首先确定测试或检验的“样本容量”，简称“样本量”（sample size）,这是一个十分重要的问题，因为在具体实施测试或调查方案或者一个验证方案时，首先必须决定抽取多少个体作为样本，这个问题解决不了，就难以往下实施。

影响“样本量”大小的因素有很多，我们常常做定性分析描述时最多看到的是对产品或零件的总体变异程度的描述，就是就每个个体的差异性。一批产品或零件中，如果每个个体存在比较大的质量差异，那么样本量就应该定义大一些，反之则应该小一些。除此之外，影响样本量大小的因素，还包括：允许误差的大小、可靠度和抽样方法等，连同变异程度本文一共列举四个因素，下面就每个因素进行详细说明。

1，变异程度对样本量的影响

变异程度反映的是总体产品或零件的质量的差异性，差异性越大，样本量应该越大，反之越小。因为如果一批产品质量无差异性，那么我们取1个样本进行测试或者检验就能代表整个总体，但如果一个总体中所有产品质量都不一样，那么理论上样本量只有等于总体量时才能得出接近真实质量水平的结果，但总体量太大时，所需要的人力、物力、财力大，耗费时间也长，大部分的项目对时间、成本都很敏感，尤其时间性较强的项目，抽样调查的时间太长，很可能最后的抽样调查结果变成过时的信息。

2，允许误差的大小对样本量的影响

允许误差指的是允许的抽样误差，就是总体均值和样本均值之间的允许误差，允许误差说明了估计的精度，估计的精度要求越高，允许误差就越小，样本量就要求越大，如果要求的精确度不高，样本量就可以小一些。

3，可靠度

可靠度就是估计的可靠程度，如果要求较高的可靠度，就要增加样本量，反之，可以减少样本量。

4，抽样方法

相比下，重复抽样的抽样平均误差要比不重复抽样大（所谓重复抽样，就是将每次样本抽样完成后可以放回继续抽样，不重复抽样则不放回），所以，重复抽样相比不重复抽样，需要更大的样本量。

工作中，我们常看到很多错误示例，根据经验或感觉定义出一个“样本量”，也可以“自圆其说”，大多都是为这个感觉出来的“样本量”做一些定性描述，也就是纯文字的分析描述。其实这样绝不是一种科学和专业的做法，那么“样本量”怎么计算才相对科学和更接近真实质量水平呢？就需要用到一些概率论的知识和简单的数学计算，后面有机会再做分享。