构造器详细资料

• SamplingFunctionScaleDParameter

  public SamplingFunctionScaleDParameter(double dPopulationVariance,
                                         double dAbsoluteError,
                                         Double dSignificanceLevel,
                                         int nInitialIteratedSize)

  D函数（刻度值）参数。

  参数:

  dPopulationVariance - 总体方差。

  dAbsoluteError - 绝对误差。

  dSignificanceLevel - 置信区间参数alpha。

  nInitialIteratedSize - 初始迭代样本量。

方法详细资料

• getPopulationVariance

  public double getPopulationVariance()

  返回总体方差。

  返回:

  总体方差。

• setPopulationVariance

  public void setPopulationVariance(double value)

  设置总体方差。抽样空间中真实的方差（每个可能样本得到的测量值计算得到的方差），一般来源于上一次调查或者相关的历史资料，无法精确获得。

  参数:

  value - 总体方差。

• getAbsoluteError

  public double getAbsoluteError()

  返回绝对误差。

  返回:

  绝对误差。

• setAbsoluteError

  public void setAbsoluteError(double value)

  设置绝对误差。估计值减真实值。在抽样理论中，指总体估计值的方差。

  参数:

  value - 绝对误差。

• getSignificanceLevel

  public double getSignificanceLevel()

  返回置信区间参数alpha。

  返回:

  置信区间参数alpha。

• setSignificanceLevel

  public void setSignificanceLevel(double value)

  设置置信区间参数alpha。根据均值正态分布假设，用户希望在多大程度上相信得到的结果可信。用户得到结果的可信程度通过（1-alpha/2）%来表示。

  参数:

  value - 置信区间参数alpha。

• getInitialIteratedSize

  public int getInitialIteratedSize()

  返回初始迭代样本量。

  返回:

  初始迭代样本量。

• setInitialIteratedSize

  public void setInitialIteratedSize(int value)

  设置初始迭代样本量。在计算抽样样本量的时候，需要利用t分布，t分布值计算需要2个参数：样本量和alpha。而在计算中t分布会用很多次，样本量通过迭代计算，最后收敛而得到，初始迭代样本量就是第一次用于计算t值的样本大小。

  参数:

  value - 初始迭代样本量。