样本量的计算公式根据不同的研究需求和背景可以有所不同。以下是几种常见的样本量计算公式：
基于正态分布的样本量计算公式
$n = \frac{Z^2 \sigma^2}{d^2}$
其中，$Z$ 为置信区间，$n$ 为样本容量，$d$ 为抽样误差范围，$\sigma$ 为标准差，一般取0.5。
基于总体比例的样本量计算公式
$n = \frac{N \times P \times （1-P）}{C}$
其中，$n$ 为样本量，$N$ 为总体容量，$P$ 为概率水平，$C$ 为置信水平对应的临界值。
基于方差分析的样本量计算公式
$n = 2 \times （Z_{\alpha/2} + Z_{\beta}） \times \sigma^2 / \Delta^2$
其中，$n$ 表示样本量，$Z_{\alpha/2}$ 为显著性水平的临界值，$Z_{\beta}$ 为统计功效的临界值，$\sigma^2$ 为总体方差，$\Delta$ 为效应大小。
基于相关分析的样本量计算公式
$n = \frac{（Z_{\alpha/2} + Z_{\beta}） \times r \times （1-r） + 1}{1 - r^2}$
其中，$n$ 表示样本量，$Z_{\alpha/2}$ 为显著性水平的临界值，$Z_{\beta}$ 为统计功效的临界值，$r$ 为相关系数。
基于回归分析的样本量计算公式
$n = \frac{（Z_{\alpha/2} + Z_{\beta}） \times k}{R^2}$
其中，$n$ 表示样本量，$Z_{\alpha/2}$ 为显著性水平的临界值，$Z_{\beta}$ 为统计功效的临界值，$k$ 为自变量的个数，$R^2$ 为回归方程的决定系数。
基于EPV原则的样本量计算公式
$n = 10 \times EPV$
其中，$EPV$ 为每个变量的事件数。
在实际应用中，研究者需要根据具体的研究目的、总体特征、抽样方法和资源限制等因素，选择合适的公式进行样本量计算。同时，还需要考虑置信水平、误差范围等参数，以确保计算出的样本量能够满足研究的需求。