一句话定义
样本量规划是在收集数据前，根据目标精度、置信水平、变异程度和成本决定需要多少样本。
机制 / 原理
样本量不是越大越好，而是要服务一个清楚的问题：你愿意接受多宽的误差？想要多高的置信水平？总体波动大不大？每增加一个样本要花多少钱？在常见区间估计里，想把误差边界缩小一半，样本量往往需要接近变成四倍，所以精度会越来越贵。
经典实验 / 例子
调查机构若想把支持率误差边界从 ±3 个百分点压到 ±1 个百分点，不能只多抽一点人，通常要大幅增加样本。样本量规划就是在开调查前把这种成本算清楚。
生活中的例子
你要做用户访谈来估计某功能需求比例。若只是粗略判断方向，几十份反馈可能够用；若要把比例精确到很窄的范围，就需要更多样本和更严格抽样。
常见误区
常见误区是认为样本越大永远越值得。超过决策所需精度后，更多样本可能只是在用成本换很小的信息增量。