关于调查与实验时需要多少样本，是一个比较复杂的问题。

如果严格按照传统的数理统计思想，在随机事件中找寻找规律，且规律发生概率较大，且实验条件能控制的调查与实验来说，找到最小样本，是适用的，而对于那些在随机事件中，某种规律发生概率较低，且实验条件并不能完全控制的，找到最小样本，可能并不适用。数理统计中显著性检验本身并不是金标准，只是一种分析习惯而已，是非黑即白的思维。

学生们总是会问弄多少次实验，多少个样本就够了，下面我们做一个功效性分析图，仅学生参考。

#install.packages("pwr")
library(pwr)
r <- seq(.1,.5,.01)
nr <- length(r)
p <- seq(.4,.9,.1)
np <- length(p)
samsize <- array(numeric(nr*np), dim=c(nr,np))
for (i in 1:np){
  for (j in 1:nr){
    result <- pwr.r.test(n = NULL, r = r[j],
                         sig.level = .05, power = p[i],
                         alternative = "two.sided")
    samsize[j,i] <- ceiling(result$n)
  }
}
xrange <- range(r)
yrange <- round(range(samsize))
colors <- rainbow(length(p))
plot(xrange, yrange, type="n",
     xlab="Correlation Coefficient (r)",
     ylab="Sample Size (n)" )
for (i in 1:np){
  lines(r, samsize[,i], type="l", lwd=2, col=colors[i])
}
abline(v=0, h=seq(0,yrange[2],50), lty=2, col="grey89")
abline(h=0, v=seq(xrange[1],xrange[2],.02), lty=2, col="gray89")
title("Sample Size Estimation for Correlation Studies\n
Sig=0.05 (Two-tailed)")
legend("topright", title="Power", as.character(p),
       fill=colors)