2. 采样方案设计基础

采样方案不是一张随手填写的送检单，而是把“这批食品到底合不合格”这一现实问题，翻译成一组可执行、可复核的操作决定。它至少要回答四件事：采样的目的是什么、从哪个总体里采、以什么为采样单元、采多少份以及如何随机抽取。这四项决定彼此牵连，任何一项含糊，后续的检测数据再精确也难以支撑结论。

一、先定目的，再定方案

采样目的直接决定抽样强度和判定逻辑。常见目的有三类：监督抽检关注总体合格率与风险预警，通常要求样本具有代表性、覆盖不同批次与来源；验收检验关注交收批是否可接收，往往采用与批量挂钩的抽样方案和接收准则；问题排查关注特定危害的定位，允许针对可疑部位、可疑批次进行定向采样，代表性要求让位于针对性。目的不同，采样点、样本量和判定规则都会不同，因此方案设计的第一步是把目的写成一句明确的话，例如“判定某厂2024年5月生产的3个批次酱腌菜中亚硝酸盐是否超过限量”，而不是笼统的“检测亚硝酸盐”。

二、总体、样本与采样单元

总体是结论所覆盖的全部对象，必须同时界定时间、空间和产品范围。以酱腌菜为例，总体可界定为“某厂2024年5月1日至31日生产的、同一配方同一工艺的3个批次产品”，而不是“该厂所有酱腌菜”。总体界定过宽，结论无法落地；界定过窄，又失去监管或验收意义。

样本是从总体中实际抽取、送检的部分。采样单元是抽样时不可再分的基本单位，可以是一箱、一袋、一个独立包装，也可以是一个货架位置。采样单元必须与总体和检测项目匹配：检测微生物时，采样单元通常为独立最小销售包装；检测农药残留时，可按同一地块、同一采收期的产品划为一个单元。单元划分不清，样本量就无从计算，随机化也无从实施。

三、样本量的确定

样本量不是越多越好，也不能凭经验随意取。常用确定思路有三条。其一是按标准或规范查表：许多食品类别已有抽样标准，按批量、检验水平和接收质量限查得样本量字码与抽样数，这是验收检验最稳妥的做法。其二是按统计精度估算：若关注某指标的均值，样本量 n 与允许误差 E、总体标准差 σ 的关系近似为 n=(z·σ/E)²，例如估计某批次水分含量，取置信水平95%（z≈1.96）、σ≈0.8%、允许误差E=0.3%，则 n≈(1.96×0.8/0.3)²≈27，实际取30份更便于分组。其三是按风险与后果调整：涉及致病菌、婴幼儿食品等高风险对象时，应在标准最低要求上增加样本量或增加平行样。

需要强调的是，上述计算中的 σ 应来自历史数据或预试验，属于示例性假设，不能当作实测值直接引用。样本量确定后还要考虑分层：若总体包含不同批次、不同生产线或不同储存位置，应按层分配样本，避免全部样本集中在同一货位而失去代表性。

四、随机化方法

随机化的目的是让每个采样单元有已知且非零的被抽概率，避免人为挑选带来的偏倚。实操中常用三种方法。简单随机抽样：对全部采样单元编号，用随机数表或随机数生成器抽取，适合单元数量不多、分布集中的场景。系统随机抽样：按一定间隔抽取，如从200箱中抽20箱，间隔为10，先在1至10之间随机确定起点，再每隔10箱抽一箱，适合流水线或堆垛场景，但要注意避免间隔与生产周期重合造成周期性偏倚。分层随机抽样：先按批次、仓位分层，再在各层内简单随机抽取，适合总体内部差异明显的场景。

上图把目的、总体、单元、样本量与随机化串成一条设计链，并标出常见偏倚。实际执行时，随机化必须留下记录：随机数种子、起点、间隔、被抽单元编号都应写入采样记录，便于复核和复现。若现场条件限制无法严格随机，应在方案中说明替代方法和局限，而不是默默改为“就近取样”。

五、把方案写成可执行的文件

一份可用的采样方案至少应包含：采样目的与判定依据、总体界定、采样单元与标识规则、样本量与分层分配、随机化方法与随机记录、采样工具与容器、样品保存运输条件、采样人员与时间、异常情况处置。下面给出一个可直接参考的简表结构，字段按酱腌菜抽检场景设置，其他品类可替换相应内容。

方案设计完成后，还应做一次“反向检查”：拿到的样本能否回答最初的目的？每个样本能否追溯到具体单元？随机过程是否可复现？如果这三问都有明确答案，采样方案才算真正成立。否则，即便检测结果精确到小数点后两位，也无法支撑对总体的可靠判断。