样本量越大,用样本特性值推断总体的风险相对就小。

**解析：** 这句话是**正确**的。 在统计学中，样本量（Sample Size）与推断总体的准确性及风险之间存在密切关系，主要基于以下原理： 1. **大数定律（Law of Large Numbers）**： 随着样本量的增加，样本均值（或其他统计量）会越来越接近总体的真实参数。也就是说，样本对总体的代表性会增强。 2. **抽样误差减小**： 抽样误差（Sampling Error）通常与样本量的平方根成反比（例如，均值的标准误 $SE = \frac{\sigma}{\sqrt{n}}$）。当样本量 $n$ 增大时，标准误减小，意味着样本统计量的分布更加集中，波动范围变小。 3. **置信区间变窄**： 在相同的置信水平下，样本量越大，计算出的置信区间越窄。这意味着我们对总体参数的估计更加精确，从而降低了因样本偶然性导致推断错误的可能性（即风险降低）。 **结论：** 因此，在其他条件不变的情况下，增加样本量可以提高估计的精度，降低抽样风险，使通过样本特性值推断总体特征的结果更加可靠。