样本含量是在进行研究时所需的样本大小或参与者数量。在研究设计中，样本含量的大小直接影响研究的统计功效和可靠性。样本含量的大小取决于多个因素，如研究目的、研究设计、效应或关系的大小和统计分析方法等。确定适当的样本大小可以确保研究的有效性，并最大程度地减少Ⅰ类错误和Ⅱ类错误的概率。
一、两类错误：
1.第一类错误（Ⅰ类错误）也称为α错误，指的是原假设是正确的，但被错误地拒绝了。举例来说，在法庭判案中，如果被告真的是无辜的，但法官错误地判定被告有罪，那么这就是一种第一类错误。置信度为1-α。
2.第二类错误（Ⅱ类错误）也称为β错误，指的是原假设是错误的，但被错误地接受了。举例来说，在法庭判案中，如果被告真的是罪犯，但法官错误地判定被告无罪，那么这就是一种第二类错误。检验效能又称把握度，为1-β。
二、样本含量的估计取决于4个条件：
1.假设检验的Ⅰ类错误概率α,α越小所需样本量越多，或者说置信度越大，置信区间估计的可靠性越好，相应所需样本含量越大。对于相同α，双侧检验比单侧检验所需样本含量多。
2.假设检验的Ⅱ类错误概率β，或检验效能(1-β)，β越小或检验效能越大，所需样本含量越多，一般要求检验效能在0.80及以上。
3.处理因素的效应δ，或这说容许误差δ，即预计样本统计量（均值或率）与相应总体参数（μ或π）的最大相差控制在什么范围。δ越大，所需样本含量越小。
4.总体的相关信息，例如均数比较时，总体标准差σ越大，所需样本含量越多，率的比较时，总体率π越接近于0.50，所需样本含量越多。
三、使用软件估算样本含量：
以医学统计助手（statsas.com）为例，可以计算样本含量，方法有单样本均数，单样本率，两样本均数，两样本率。每个功能都可以计算出样本含量，并给出不同α和β的参考结果。
1.单样本均数
2.单样本率
3.两样本均数
4.两样本率
