在进行t检验时，适当的样本数量是非常关键的。样本数量的选择需考虑下面几个方面：
1. 效应大小（effect size）：效应大小指的是总体平均值差异的大小。如果效应大小较大，那么相对来说样本数量可以较少；而如果效应大小较小，则需要更大的样本数量才能够检测到显著的差异。
2. 显著水平（significance level）：显著水平是在检验中设定的一个界限，通常为0.05或0.01。较低的显著水平要求更高的统计显著性，因此需要更大的样本数量。
3. 统计功效（statistical power）：统计功效是指能够发现假设为真的情况下，检验能够得出显著结论的概率。通常设置统计功效为0.8或0.9，对应的样本数量较大。
4. 可接受的抽样误差（sampling error）：抽样误差是指样本的统计量与总体参数之间的差异，它通常是由样本数量引起的。较大的样本数量能够降低抽样误差，因此可以增加样本数量以获得较小的误差。
综上所述，样本数量的选择需要综合考虑以上因素。一般来说，样本数量应当尽可能大，以确保结果的可靠性。如果未知样本数量的合适范围，可以通过进行样本量估计（sample size estimation）来确定所需的样本数量。
