در اغلب شرایط محققان نمی توانند به تمام جمعیت آماری دسترسی داشته باشند زیرا هم پرهزینه است و هم پوشش دادن جمعیتی بزرگ زمان زیادی صرف می کند و همچنین هر چقدر تعداد اعضا بیشتر باشد، احتمال اشتباه زیاد می شود و با انتخاب نمونه محدودتر نسبت به جامعه آماری،محقق امکان اعمال دقت بیشتر در مطالعه را دارد. در فصل اول این پایان نامه روش های تعیین اندازه نمونه را با بکارگیری فرمول های کوکران شرح می دهیم و روش هایی را برای تعیین اندازه نمونه مناسب برای رگرسیون چندمتغیره و تحلیل عاملی و موضوع های رایج در تعیین اندازه نمونه بررسی می کنیم. در فصل دوم ضمن معرفی بوت استرپ، نشان می دهیم که می توان از بوت استرپ برای تعیین اندازه نمونه یا تعداد اجراهای مورد نیاز برای رسیدن به یک سطح اطمینان مشخص در آزمایشات آماری، استفاده کنیم و با امتحان طول فاصله اطمینان نتیجه گیری شده از بکارگیری روش بوت استرپ، بررسی می کنیم که آیا اندازه نمونه مشخص استفاده شده، بیشتر از مقدار مورد نیاز است یا نه. در فصل سوم روشی را برای محاسبه مینیمم اندازه نمونه برای برآورد پارامتر دوجمله ای بیان می کنیم که نیاز به هیچ گونه روش تقریبی ندارد. این روش محاسباتی شامل دو قسمت اساسی است: اولاً ثابت می شود مینیمم احتمال پوشش، از محدود کردن به یک پارامتردوجمله ای کراندار شده در یک فاصله به دست می آید که این فاصله از یک مجموعه گسسته شامل مقادیر متناهی از پارامترهای دوجمله ای به دست آمده است. دوم این که یک تکنیک کرانداری بازگشتی برای بهبود کارایی محاسبات بکار گرفته می شود.