R语言 基础统计学之样本量计算

#R语言 基础统计学之样本量计算

以下介绍基础统计学关于样本量计算的问题，主要解决实际问题中在已知一些统计特征下，计算所必要的样本量，共有三种方式：总体方差已知时，总体方差未知时 ，估计比例为P时的三种情况下的样本量。

总体方差σ已知

若已知总体X的均值为μ，方差为${\sigma }^2$，可以依据基本公式：
$$n=(\frac{Z_{1-\alpha /2}{\sigma }^2}{E}{)}^2$$
计算得出。

通过R语言编写一个较为简单函数实现：

sample_size1 <-  function(E,var,conf.leval) #E:最大允许误差，var：总体方差，conf.leval：置信水平
{
  alpha = 1- conf.leval
  ((qnorm(1-alpha/2)*sqrt(var))/E)^2#函数qnorm（）：计算正态下的分位数值
}

简单例子：某小区30000户，调查人员将抽取合适样本调查用户一个月的平均收入，要求置信度为95%，最大允许误差为2，由历史经验表明家庭间收入的方差为600，则需要抽取多少户经行调查？

> sample_size1 (E = 2，var = 600，conf.leval = 0.95) 
[1] 576.2188

总体方差未知时

若已知总体X的均值为μ，总体方差 σ 2 \sigma^2