三角測試要幾個人才夠？
——感官品評的樣本數與檢定力

三角測試（triangle test）是食品與消費品研發最常用的差異檢定：給品評員三個樣品，其中兩個相同、一個不同，請他指出「不一樣的那一個」。方法簡單，但「要找幾個人」這個問題，答錯的代價往往在幾個月後才浮現。ISO 4120 是三角測試的國際方法標準，它明訂了樣品呈現、隨機編碼、結果判定的程序，也把樣本數與判定臨界值連到統計參數上——樣本數從來不是憑感覺定的^[1]。

為什麼沒有「萬用人數」

三角測試裡，就算兩個樣品完全相同，品評員也有 1/3 的機率「猜對」。所以判定是否顯著，本質是一個二項檢定：在 n 個人中，要有幾個人答對，才能排除「大家其實都在瞎猜」的可能^[3]。這個「幾個人」的臨界值，隨樣本數與你設定的顯著水準而變。感官統計最經典的臨界值表由 Roessler 等人整理，至今仍是實務判讀的基準^[6]；O'Mahony 的統計專書則把背後的二項分布與檢定邏輯完整推導了一遍^[2]。要決定樣本數，你必須先回答三個問題。

決定樣本數的三個旋鈕

• 你要偵測多大的差異？感官科學用「可辨識比例」（proportion of discriminators）或效應量來描述。差異越細微，要穩定偵測就越需要人多。想抓「幾乎察覺不到」的微小差異，樣本數會大幅上升。
• 型一誤差 α：把沒差說成有差的風險。通常設 0.05。α 越嚴格，判定門檻越高。
• 型二誤差 β（與檢定力 1−β）：把有差說成沒差的風險。這是最常被忽略的旋鈕。檢定力 0.80 代表：若差異真的存在，你有八成機會測得出來——也代表有兩成機會漏掉。

ISO 4120 的附錄正是把這三個旋鈕做成查表：給定 α、β 與你想偵測的可辨識比例，直接讀出所需樣本數^[1]。Lawless 與 Heymann 的教科書也反覆強調：報告差異檢定結果時，只講 α 而不談檢定力，是不完整的^[3]。實務上常見的樣本數落在數十人量級，但確切數字必須由這三個旋鈕算出，而不是沿用「上次用 30 個人」的慣例。

最危險的一題：證明「沒有差異」

研發現場最常見、也最容易翻車的情境，是降本改配方：換了便宜的原料，想證明「消費者吃不出來」。這時你要的結論是「無顯著差異」——但標準的顯著性檢定天生不擅長證明「相同」。若你只找了少少幾個人，測出「未達顯著」，那很可能不是因為真的沒差，而是因為檢定力太低、根本測不出來^[3]。這種「樣本數不足帶來的虛假安全感」，是感官品評裡代價最高的錯誤之一：它會讓一個其實吃得出來的配方變動，帶著「已驗證無差異」的背書上市。正確做法是改用相等性／相似性檢定的框架，並在事前就把檢定力算足，Meilgaard 等人對這類差異與相似測試的操作準則有完整說明^[4]。

數位化的意義：把統計紀律內建進流程

樣本數、隨機編碼、呈現順序平衡、檢定力報告——這些都是紙本品評表很難落實的紀律。定量描述分析等方法的價值，正建立在這套統計嚴謹性之上^[5]。數位化品評平台的價值，是把這些規則做成預設而非選項：設計測試時就依目標效應量與檢定力反推所需人數、作答介面自動處理隨機與平衡、判定時自動套用正確臨界值並強制呈現檢定力。這樣一來，「找幾個人才夠」不再是靠經驗猜，而是由你想承擔的風險決定。這正是我們在感官品評數位化上堅持的原則。