以99%的准确度测定最小样本数

如果测试本地数据库中的n条记录,并且所有记录都在远程数据库中,则可以估计本地记录不在远程数据库中的概率介于0和3/n之间。这在统计中称为“三规则”。我解释一下 here .

唯一的方法 知道 所有记录都在两个数据库中,这是为了测试所有记录。但是,例如,如果测试100条记录,可以估计两个数据库中没有记录的比例低于3%。

我也建议 experimental design for estimating a proportion p .

假设我们有兴趣估计l中元素的比例p,也存在于r中,我们想计算99%的c.i.,公差水平(lvl)为正负3%。随机样本大小的_保守_估计值如下:

n=(za/2)^2/(4*lvl^2)

在R

CI<-.99
lvl<-.03    
qnorm(1-(1-CI)/2,0,1)^2/(4*lvl^2)
[1] 1843.027

检查 here for details

这是个骗人的问题吗?99%正确吗?在分别检查每个记录后,您将100%确定是否在远程数据库中,因此,如果要检查整个数据库,精确到99%——您必须检查99%的记录(99000)。