​​小样本通常指样本容量低于30的统计研究场景​​，这一标准在医学、心理学等领域尤为常见，但需结合具体领域灵活调整。其核心价值在于节省资源，但需采用t分布等精确统计方法弥补数据量不足的局限性。

• ​​定义标准​​：统计学中普遍以30为分界线，样本容量小于30时需启用小样本理论。例如t检验、非参数检验等方法专门解决小样本的统计推断问题。
• ​​领域差异​​：生物医学实验可能将50以下视为小样本，而大数据领域甚至将上千样本归为小样本，需根据数据分布和研究目标动态判断。
• ​​方法适配​​：小样本需避免依赖正态分布假设，优先采用Bootstrap重抽样或Wilcoxon秩和检验等稳健方法，降低误差风险。
• ​​应用优势​​：在临床试验、稀有事件分析中，小样本能快速验证假设，但需通过重复实验或贝叶斯方法增强结论可靠性。

​​提示​​：实际研究中应评估数据特征与统计方法的前提条件，小样本结论需谨慎外推，必要时结合领域专家经验交叉验证。