데이터 분석을 위하여 정보를 수집하는 것은 마치 적절한 양으로 고급 와인을 시음하는 것과 같다.
너무 적게 한모금 마시면 와인의 맛을 제대로 평가할 수 없을 것이고 충분한 정보를 얻지 못할 것이다.
그러나 너무 많이 꿀꺽 꿀꺽 마시면 미각이 어떤 판단을 해야할 지 모르게 될 것이고
그렇게 많은 양은 맛을 적절하게 추천하기 위해 필요한 와인의 양보다 많다고 볼 수 있다.

그렇다면 어느정도를 마셔야 할까? 와인전문가가 아니기 때문에 정확한 양을 표시할 수는 없지만,
믿을만한 신뢰수준에서 이 질문에 답하기 위해서 얼마만큼의 데이터를 수집할 필요가 있는지
고려해 보려면 통계적인 검출력(1-β)과 샘플의 개수를 확인해보아야 한다.

통계적인 검출력(1-β)이란, 가설검정을 할때 진실값이 거짓일때 기각할 확률을 의미한다.
분석에 필요한 검출력의 크기는 분석을 통해 무엇을 알아내고자 하는데 따라 다르고
그렇게 하기 위해 얼마만큼의 투자를 하려고 하느냐에 따라 다르다.

만일 새로 개발한 자동차의 에어백의 개방압력을 테스트한다고 하면 화장실 휴지의 흡수력을
테스트하는 경우보다는 높은 검출력 기준을 적용해야 할 필요가 있다.
 
 

예를 들어, 캔맥주의 목표 용량이 355cc 이고, 생산된 캔맥주의 용량의 값은 ±2.5cc 보다 차이가
있는지 확인하고자 한다. 이 제조공정의 용량에 대한 표준편차는 3.67cc로 알려져 있을 때,
검출력 85%를 적용한다면 샘플의 개수는 몇개가 필요할까?

분석결과를 살펴보면, 랜덤하게 취출한 맥주 22캔이 필요함을 알 수 있다.

■ 두 회사에서 생산되는 발포고무 시트의 두께의 평균이 서로 다른지 알고 싶을 때
■ 두 그룹의 평균이 다르다는 가설검정의 결과가 증거가 불충분하다면 그 결과를 신뢰할 수 있을까?
■ 실험을 하는데 결과에 영향을 미치는 변수를 검출할 확률이 최소 75%라면 몇번 반복
   실험을 해야 할까?

위와 같은 경우에는 적용하려는 검출력에 대한 필요한 샘플개수를 사용하여 구하지 않으면
그 분석 결과를 어떻게 신뢰할 수 있을까?