建構信賴區間時樣本數大小的決定(How to Determine Sample Size through the Establishment of Confidence Interval)
國立臺灣大學農藝所生物統計組碩士班 賴薇云
一、前言
在進行試驗之前，有一個令人頭痛的問題：我要用多少樣本才夠？從《型I錯誤、型II錯誤與P值》一文中，我們知道唯有提高樣本數才可以同時降低型 I 錯誤與型 II 錯誤發生的機率，也從《點估計及區間估計》一文中知道當提高樣本數時，信賴區間的寬度會變短，這一切似乎都說明樣本數越大越好。但是在提高樣本數的同時，需要耗費更多的人力與資源，因此決定適當的樣本數可以在最低成本耗費下控制型 I 錯誤與型 II 錯誤發生的機率在可接受的範圍內。樣本數的決定可以由兩個地方著手，一是信賴區間的估計、二是假設檢定，本篇將介紹如何決定建構信賴區間所需的樣本數大小。
大數法則（3）巨數法則（Law of large numbers-3. Law of truly large numbers）
國立高雄大學應用數學系黃文璋教授/國立高雄大學應用數學系黃文璋教授責任編輯
連結：大數法則（2）極限的定義
摘要：本文舉例說明何謂「巨數法則(law of truly large numbers)」，並強調其與「大數法則」之不同。
巨數法則，雖然英文名為 law of truly large numbers，但其實與 law of large numbers 並不太相干。在一般正規的機率論書籍中，不會提到此法則。它主要是出現在通俗性的文章中，有時也被稱為 law of large numbers。我們實在不願稱它為『真大數法則』，只好含混地稱它為巨數法則。在 Diaconis and Mosteller (1989) 一文中，對此法則給出如下定義：
With a large enough sample, any outrageous thing is likely to happen.
(當樣本數夠大，任何聳人聽聞的事，都可能發生)。
抽樣調查（4）抽樣誤差（Survey sampling-4.Sampling biases）
國立高雄大學應用數學系黃文璋教授責任編輯
連結：抽樣調查（3）以偏概全
民國 54 年，旅日圍棋好手林海峰，打敗板田榮男，登上名人賽寶座。那時有些人才開始留意圍棋究竟是怎麼下。等弄清楚不過只有黑白子，且下法筒單，有人遂戲稱“我亂下說不定都可贏林海峰”。對一隨機現象，到底有多大可能性會發生，乃依其發生機率之大小來衡量，而不是看少數幾次實驗的結果。事實上，只要機率為正的事件，任做一次實驗，都“可能”發生，只是“可能性”有大有小。