样本量计算公式(样本量计算公式最简单)原创2021-08-08 15: 09，A皮匠实验室
这篇文章是皮匠实验室的意见(和微信号一样)。请注明转载来源。
在产品设计和开发阶段，将进行具有一定数量样本的DV/PV测试验证，以评估所有产品的失效行为。那么，在可靠性目标确定的前提下，样本量对总体评价有什么样的影响呢？我们已经谈到了“质量”和“可靠性”，产品的寿命要求和可靠性目标的确定。今天，我们将讨论第4部分:置信水平和样本号。
▼
关于可靠性，按照下面内容逻辑进行拓展资料:
1.“质量”和“可靠性”
2.产品寿命
3.可靠性目标
4.置信水平和样本数量
5.加速度模型
这篇文章小编将是对第4部分的介绍(如果想复习前面的内容，可以直接点击章节名称)。
4.1计算样本数量的公式
在介绍之前，让我们重温一下“可靠性”和“置信度”的概念:
“可靠性”，英文名称“可靠性”，是指产品在整个生活周期内的特性，是指产品在规定的使用条件下，在规定的时刻内完成规定功能的概率。
体系由许多部件组成，体系的可靠性一般取决于:1)每个部件的可靠性，2)部件的组合，3)相互匹配的部件、子体系和体系之间的关系，这与它们的物理装配关系有关。
“置信水平”，英文名“confidence”，是指抽样指标与总体指标误差不超过一定范围的概率保证，描述随机变量落在一定范围内的概率。例如，90%的置信区间意味着100个病例中有90个在这个区间内。90%置信区间是5%和95%置信界限之间的区域。
下图中图像表达式置信度的含义:
图1从测试样品获得的所有物体的评价
因此，当测试样本有限且需要评估所有对象的失效行为时，两种技巧的评估重点拎出来说可能相差甚远，尤其是当样本数量较少时。这时就需要借助统计工具，帮助我们通过“置信度”来确认测试样本评估结局的可信度，进而估计所有对象的失效行为。
逻辑很清楚，那么关系表达式是什么呢？如下所示:
其中r是可靠性，c是置信度。
以R=97%和C=50%为例，总样本量为23。
然而，考虑到项目周期、设备资源、成本投入等影响，一般很少选择全部测试，那么这个时候我们该怎么办呢？
4.2样本数量有限怎么办？
考虑到项目周期、设备资源、成本投入等影响，可能有必要减少样品数量，那么应该怎么做呢？
第三部分介绍了产品失效的三个阶段:早期失效、立即失效和磨损失效，并利用威布尔形状描述了产品进入随机失效阶段和达到磨损后停止运行的速度。
图2浴缸曲线
因此，使用寿命(L)、威布尔系数(β)、可靠性(R)、置信水平(C)和样本量(N)之间的关系可以用下面内容公式来表征:
据此，我们可以在测试持续时刻和样本数量之间进行权衡。
以上是样本量对所有对象可靠性评估影响的解释。下一节将介绍电驱动体系测试验证中常用的几款车型，敬请期待！
最终在网上看到“置信水平”和“置信区间”的白话表达，觉得很不错。我把它们贴在文章的最终，以帮助我们领会。(找不到来源，此处非商业用途，如有侵权请联系我)
&8211; &8211;
*提示:置信水平和置信区间*
统计学是指统计学学说中用来分析和检验数据的变量；参数，也称为参数变量，一个变量。统计和参数用于描述数据特征，参数用于描述总体特征，统计用于描述样本特征。例如，为了研究大学生身高的分布，随机抽取了1万名学生。本次活动以大学生身高的均值和方差为参数，统计万人身高的均值和方差。
统计的一个重要影响就是&8221;用样本估计整体&8221;，比如上面的大学生身高的例子，抽取的这一万名同学，身高均值可能与全部大学生身高均值相等，也可能不等，然而由于这一万名同学是从总体里抽取的，因此样本均值与总体均值的差距是有限的，即如果一万名大学生身高均值为170cm，那么全体大学生身高均值可能是165cm或者172cm，不可能是70cm，也就是说样本均值一个在总体均值周围波动的值。然而，不管样本怎么变，所有样本的均值和总体均值的差值都不会超过某一个数，记这个数为c，置信度就是所取得样本均值和总体均值的差值小于这个c的概率，即|x-μ|
