预估样本量需求 · 研途行小助手

根据数据分布假设选择方法：正态需历史均值/标准差；非正态（分布自由）只需覆盖率与置信，与均值/标准差无关。

接受标准类型数据分布与方差假设

历史数据的平均值 μ₀ 历史数据的标准差 σ₀

覆盖率 p（如 0.90，即至少覆盖 90% 总体）置信水平 / 可信度（如 0.90）

接受标准 · 下限 L₀

说明：以历史均值/标准差作为先验估计，规划容差区间半宽 k·σ₀ 需落在接受余量内。余量相对标准差过小（< 渐近下界）时将无解，建议先改进工艺/缩小波动。

输入要求，直接得出至少需要测试多少个样本（允许最多 c 件失效）。

要求可靠度 R（如 0.95）置信水平 / 可信度 γ（如 0.90）允许失效数 c（实测失效不超过此数即达标）

提示：c=0（零失效）时 n = ⌈ln(1−γ) / ln R⌉；允许失效越多，所需样本量越大。

方法学原理

本页样本量估计依据 GB/T 3359（正态容差区间）与 GB/T 4087（可靠度置信下限）。想搞懂公式背后的工程逻辑？推荐阅读：《浅谈设计验证中的样本量估计》。

免责声明：本工具结果依据 GB/T 3359、GB/T 4087 计算，仅供个人学习与工程参考，不构成检测、检验或认证结论。涉及医药、食品、特种设备等强监管领域时，请由具备相应资质的机构出具正式结论，使用者自行判断并担责。