概念进阶抽样估计与假设检验
样本容量
也叫：Sample size
一次抽样中调查对象的个数，越大估计越准但成本越高。
核心讲解
样本容量指一次抽样中调查对象的个数。例如抽样调查1000万人的身高，这1000万人构成一个样本，样本容量就是1000万。要特别注意：这是一个样本，而不是1000万个样本，1000万指的是样本容量。
大样本有好处：样本容量越大，抽样估计出来的样本统计量越接近总体参数，样本均值的分布也更集中、更趋近正态。但大样本也有代价：一是采样成本随容量上升，当成本超过收益时就不划算；二是如果数据其实来自不同总体，大样本并不能提升准确性。
后一点常被忽略。例如某基金第一年用低风险策略、第二年改用高风险策略，两年数据分属不同总体，把两年拼成一个“大样本”算夏普比率反而失真，正确做法是按年份分段计算。这说明样本容量并非越大越好。
费曼版：用大白话再讲一遍
想知道一锅汤的咸淡，多舀几勺当然更靠谱。但如果把两锅不同口味的汤倒在一起尝，舀得再多也尝不出各自的味道。样本不是越大越好，关键看它是不是来自同一个“锅”。
要点
- 样本容量是一次抽样中调查对象的个数。
- 一个样本的容量是1000万，而非1000万个样本。
- 容量越大，统计量越接近总体参数，但成本也越高。
- 若数据来自不同总体，大样本无助于提升准确性。
常见误区
- 把“样本容量1000万”说成“1000万个样本”。
- 认为样本越大一定越好，忽略成本与总体一致性。
- 把不同总体的数据拼成一个大样本，误以为更可靠。