个想法而不是只从 个会议前景中抽取一个样本，我们从 个潜在客户中抽取 个单独的样本（因此总共有 个潜在客户，但在 个桶中选择，每个桶有 个潜在客户）运行此模拟后，我绘制了 个样本的结果（此图称为直方图）如下： 的直方图 我们的模拟结果介于 到 之间，我们 个样本的平均转化率为 这非常接近 的真实转化率。 惊人的采样事实编号 重复样本的均值（平均值）将等于我们从中抽样的总体的均值。 惊人的抽样事实 我们的样本转换率将大致按照正态分布分。

这意味着大多数样本将聚

集在均值附近而远离均值的样本将很少出现。事实上，因为我们知道我们的样本大致呈正态分布所以我们可以使用正态（或学生 ）分布的特性来告诉我们给定结果有多令人惊讶。 这很重要，因为虽然我们的样本转化率可能不完全是真实的转化率 越南手机号码清单 但它更有可能更接近真实的转化率。在我们的模拟结果中， 的样本介于 和 之间。我们的样本结果中的这种分布称为抽样误差。 啊，现在我们正在做饭，但是您可能会问样本量如何？我们已经拥有所有这些采样优点我们甚至还没有。

讨论每个样本的大小那么让

我们谈有两个组成部分将决定我们将有多少抽样误差： 我们人口中已经存在的自然变异性。 我们的样本大小 我们无法控制人口的可变性，它就是这样。 但是，我们可以控制样本量。通过增加样本量，我们可以减少误差，因此可以更加确信我们的样本结果将接近真实均值。 抽样事实编号 随着我们增加每个样本的 ，我们的样本分布会减少。样本量越大，我们的样本就会越多地围绕真实均值被挤压在一起。 例如，如果我们收集另一组模拟样本 DW 引线 但这次将样本量从个增加到个。