我想知道每组样本数的选择如何影响这两个测试，这取决于我要测试的组数。
本主题源自功耗分析。在实际应用中，小而无足轻重，只要样本量足够大，就可以始终观察到组均值之间的差异，因为两者之间存在显着差异。相反，如果样本数量不够大，则较大的重要均值差异将不显着。有效的组样本大小（不要太大，不要太小）的定义是以下因素的函数：（a）观察组均值之间的差异（如果它们确实不为零）的期望概率（即功效，通常为80％），b）要检测的关键（即最小）差异的大小，（c）所需的置信度（通常为95％），（d）组内std偏差，以及（e）要比较的组数。这样，为了计算有效的组样本大小，必须预先定义所有这五个因素。临界差和组内标准偏差通常不是先验的，主要是在研发中。
解决这个难题的一种方法是，首先考虑要根据组内std偏差的数量来检测的关键差异，这就是所谓的“效应大小”（ES）。因此，ES是临界差与组内标准偏差的比率。下图显示了所需的组大小（n /组）与（i）ES，（ii）被测试的组均值和（iii）测试类型的关系-所有这些都假设功效= 80％，alpha = 0.05 （95％置信度），正态性，独立错误，组间均等方差和组间均等。
该图显示了在给定的ES水平下，Tukey测试和Dunnett测试之间所需n /组的差异。当组数等于2时，两个测试均会复制t检验，并且需要相同的n /组。随着组数的增加或ES的减小，Dunnett的检验要求的n /组数越来越低。这是因为在邓内特（Dunnett）的领导下，只有一个对照组与所有其他组进行比较；在Tukey的管理下，将所有组与所有组进行比较。在Tukey的要求下，较高的比较数量需要较大的n /组。
因此，只要通过将所有组与对照组进行比较都可以满足实验目的，无论是竞争解决方案还是任何其他现有解决方案，都应使用Dunnett检验，因为它需要更低的价格，因此更便宜，n /组。
在没有ES的先验知识的情况下，我们的经验表明ES = 1是一个非常合理的最坏情况。因此，根据该图的信息，对于ES = 1和：
（a）组数= 2，无论测试是什么，所需的n / group = 17，因此在两次测试中样本总数为34；
（b）组数= 8，邓内特法则为n / group = 25，图基法则为31，样本总数=邓内特法则为200，图基法则为248；
（c）组数= 32，邓内特氏法则下n / group = 30，而图基氏法则下为43，总样本量=邓内特氏法则为960，而图基氏法则为1376。
随附的JMP表提供了上述所有计算以及绘图脚本本身。
