初步结果：A组：1、3、9、12、13、15号动物（6只）；B组：4、5、7、8、10号动物（5只），C组：2、6、11、14号动物（4只）。
初分结果是A组多1只（6只），C组少1只（4只），故需从A组调整1只至C组。再查随机数字表，在上述第15个随机数字90后的1个随机数是16，用随机数16除以A组动物数6，余4，则应将A组第4号动物调至C组（即第12号动物），使三组动物数相等，故最后分组是：
A组：1、3、9、13、15号。B组：4、5、7、8、10号。C组：2、6、11，14、12号。
（3）计算器随机数法 函数型的科学计算器，均有随机数发生功能键（如CASIO fx-180P与fx-3600P型号等，按INV-RAN键）。
两组样本分配：凡按INV-RAN键显示随机数>0.500者分在甲组，<0.500者分在乙组。若其中一组已达N/2，则停按，余下样本分在另一组。
多组（三组以上）样本分配：参见程序型计算器使用有关书籍。
重复原则
重复（replication）有两层含意：一是指实验的样本量必须足够大，在相同实验条件下有充分的重复，以避免实验结果的偶然性，突出表现其必然规律；二是指任何实验结果的可靠性应经得起重复实验的考验，重复实验是检查实验结果可靠性的惟一方法。一个不可重复的研究是没有科学性的。在此重点讨论第一层含意。
重复的目的有两个，一是稳定标准差，获得实验误差估计值；其二可使均值接近真实值，使实验组与对照组差异能够准确地显露出来。在正确地估计实验误差与了解组间差异的基础上，便可科学地做出统计推断，结论较为可靠。
样本大小的影响因素
总体参数（δ） 指两个样本均数或两个率比较时，其总体均数或率的差值（δ=|μ1-μ2|, δ=|π1-π2|）。δ越大，说明差异越明显，需要的样本量越小。虽总体参数δ未知，但可根据预备实验两样本均数或样本率间的差异进行估计。
实验误差 实验方法越准确，个体间差异越小，实验误差必然较小，越易达到统计学的显著性，所需样本越小；否则，样本要大。
检验水准 实验所需样本数与实验设计规定的检验水准成反比，检验水准α定得愈低，所需样本含量愈大，α= 0.01所需样本数大于α=0.05所需样本数。
检验效能 检验效能（1-β）指当两总体确有差别时，按检验水准发现它们有显著性差别的能力。检验效能由β（第Ⅱ类错误的概率）大小所决定，当β=0.1，β=0.2时，相应的检验效能为0.8和0.9。检验效能越大，所需要的样本量也越大。
资料性质 一般来说，在同等情况下，数值变量资料所需样本量少于分类变量。数值变量需要较少样本即可达到统计学的显著，而分类变量需要较大的样本量才能达到统计学的显著。但如果分类变量结果上相差悬殊，对照组全为阴性，实验组全为阳性，则少数样本也可达到统计学的显著性。
实验结果的可能性 双向结果（存在A≥B或A≤B两种可能性）所需样本数多，单向结果（只存在A≥或A≤B 一种可能性）所需样本数少。
实验设计的类型 从常用实验设计来看，完全随机实验设计所需样本多，配对设计与随机区组实验设计所需样本较少，拉丁方实验设计所需样本更少。与常用实验设计相比，序贯实验设计所需样本数又可少30％～50％。
样本大小的估计方法
样本含量越大或重复次数越多，越能反映变异的客观真实情况。但若认为样本含量过大，即使无专业意义的很小差异，也可得到有统计学意义的结论，实则浪费人力物力。若样本含量过小，即使有专业意义的差异，也可能没有统计学意义，造成假阴性错误。因此，正确估计样本含量十分重要。
粗估法
根据以往经验确定，如在动物实验时，大动物（犬，猫）5～15只/组，中等动物（兔、豚鼠）10～20只/组；小动物（大鼠、小鼠）15～30只/组。临床研究一般难治愈的疾病，疗效显著时（如痛症）5～10例即可；急重病死亡率高的（如休克、心衰、肾衰、呼吸衰竭）需30～50例，一般病和慢性病300～500例；按WHO规定，血清流行病学调查需300～600例，一般流行病学调查和正常值调查则常需千例以上。恶性肿瘤的流行病学调查至少10万人口以上，多因素分析时，样本含量数是研究因素数的5～10倍以上。
计算法
（1） 计量资料比较样本含量
样本均数与总体均数比较或配对均数比较的样本含量：样本均数与总体均数比较样本量估计按（6-1）计算
（2-1）
式中，n为所需样本含量；s为总体标准差的σ估计值：δ为容许差，μ μβ由界值表（υ=∞）得，有单侧值和双侧值之分，μβ只取单侧值。
例如，用某药物治疗矽肺病患者，估计可增加硅尿排出量，其标准差为89.0mmol/L，若要求，β=0.10的概率，能辨别出尿硅排除量平均增加35.6mmol/L，试问需要多少硅矽肺病人做实验？
本δ=35.6 s=89.0 单侧
μ0.1=1.282 代入公式2-1得：
2=53.5 取54。
故可认为需治疗54名硅肺病人。即以54例进行试验，如该药能增加尿硅排出量，则有90%（1-β=0.9）的把握可得出有差别的结论。
查表法：查表，单侧α=0.05，β=0.10
δ/σ=35.6/89.0=0.4，得n=55，与上述计算结果相近。
在配对实验中，若为前后或左右配对，求出r，为所需样本例数：若为异体配对，求出n为所需样本对子数。
均衡性原则
均衡的意义
在医学科研设计中还需考虑的一个原则是均衡（balance）原则，即实验组和对照组或各实验组之间，除了观察的受试因素外，其他一切条件应尽可能相同或一致，如动物的种属、品系、窝别、年龄、性别、体重、健康状况、生理条件、饲养环境等要保持一致。如果受试对象是病人，则要求病人的病种、病期、病型、病程、年龄、性别、生活、社会、心理等因素保持均衡一致，以便更好地避免偏性，减少误差，提高实验的精确性。
均衡的方法
（1）交叉均衡法 无论是在动物实验还是临床观察，尽管研究者经过精心策划，企图使实验组和对照组非处理因素达到尽可能一致，但要达到绝对一致是难以做到的。在不能达到完全一致或有的因素无法均衡，或还有一些不可预料到的非处理因素等情况下，采用交叉均衡方法基本可以将两组间的实验条件均衡。例如，某医生研究评价一种中药预防甲肝的效果，作者在甲大学选10000名健康大学生，其中男、女各5000人，服用某中药干预作为实验组：在乙大学也选同年龄、同年级、其他条件与甲大学基本一致的大学生10000名，男、女各5000人，服用安慰剂作为对照组。经过两年观察，甲大学10000人中甲肝发病率明显下降，而乙大学甲肝发病率有上升趋势，两校甲肝发病率差异有显著意义（P<0.01），结论表明；该中药预防甲肝有显著效果。这一设计设置了对照组，且两组间年龄、性别和其他条件基本一致，初看设计似乎合理，无可挑剔，但仔细推敲这种设计是不能得出上述结论的。它的致命缺陷是实验设计不均衡。因为甲肝的发病与饮食卫生，饮水卫生、个人卫生有关，而设计将甲大学全作为实验组，乙大学全作为对照组，很难均衡两所大学间许许多多的卫生状况，如果乙大学食堂卫生条件差于甲大学，两组之间更没有可比性了，所以上述结论很可能受均衡性影响而产生了偏倚。但若采用交叉均衡办法，即每个学校观察人数、性别及其他条件仍然一样，所不同的就是将甲大学和乙大学观察对象1/2作为处理组，1/2作为对照组，然后分析实验组与对照组之间甲肝发病率差异。这样，即使甲大学与乙大学之间有一些条件难以均衡，或还有一些未预料到的非处理因素，通过交叉均衡设计后两组之间就均衡了。当然，在设计时首先还是要尽可能选择条件一致的两个观察单位，不能依靠交叉把所有的非处理因素都均衡掉。
