它從無辜開始。 您正坐在豪華的辦公室裡，高興地在計算機上打字，在自己喜歡的統計軟件（當然是JMP）上進行最新的令人敬畏的統計分析。 你在幸福的地方。
門上有敲門聲。 您抬頭看到一位客戶站在他們身邊，站著一疊文件。 總是渴望解決新問題，因此禮貌地問：“嘿，那裡！ 我該如何幫助？”。
他們回答：“我有一個簡單的問題。”
“去吧！”你天真地打趣。
然後它發生了。 這些詞從他們的嘴唇像箭一樣射向您不知情的耳朵。
“我需要多少個樣品？”
“ GAAAAAHHHHH !!!!”
“我只能負擔五個。 夠了嗎？”
“ GYAAAAAAAAAAHHHHHHHHH !!!!!!!”
好的，所以也許我在這裡有點過於戲劇化，但是我們許多人都知道這個看似簡單的問題–我需要多少個樣本？–可能是一個很難回答的問題。 您需要考慮很多其他信息。 您正在尋找什麼效果大小？ 您認為人口有多“嘈雜”？ 將收集什麼類型的數據，以及如何收集？
儘管答案可能並不像研究人員所希望的那樣簡單，但確保有效利用資源至關重要。 數據太少意味著您無法進行有效的推斷。 太多的數據是浪費的。 那麼，您如何找到合適的平衡點呢？
回答此問題的最常用工具是功率計算。 回顧一下，統計力量是在實際存在的情況下檢測到一定大小的影響的概率。 一種可用的重要工具JMP幫助解決此問題的是功效和样本量計算器。 它為您提供了常見情況的計算器，使您可以輕鬆生成樣本大小和/或功效。 在某些情況下，您甚至可以生成功效曲線來探索功效/樣本量之間的關係。
功效和样本數量計算器無疑是一個有用的工具。 但是，從最近的電影角色那裡借用一個短語，雖然很好，但可能會更好。 首先，它是一個計算器。 目的是讓您快速得到答案。 但是功率計算幾乎永遠不會一勞永逸。 與一般的實驗設計一樣，功效和样本量計算的關鍵組成部分是探索幾種選擇。 最好的測試計劃是考慮不同情況的結果，以確保您的研究在不可預見的情況下穩定可靠。 使用計算器不一定很容易做到。 需要一些新的東西...
在中引入新的“樣本量資源管理器” JMP 16 !! 看一看（歡迎哦和aah）：
那麼有什麼新消息？ 好吧，其中一個在標題中。 創建樣本大小瀏覽器不僅是為了幫助進行功效計算，而且是為了鼓勵勘探功效，樣本量和其他相關關鍵指標之間的關係。讓我們潛入水中，看看還有什麼新功能！
一切都與互動有關
首先，存在一種改進的佈局，該佈局完全涉及交互性。 在最左側，您有控制面板。 該區域包含設置計算所需的所有信息。 您是在進行單面測試還是雙面測試？ 這是兩面的間隔還是單面的邊界？ 什麼是Alpha？ 西格瑪？ 示範時間？ 如果您知道，就在這裡放置它。 如果您不知道，那就可以了。 您可以從提供的默認值開始，以後再更改它們。
接下來，在控制面板的右側互動圖。 是的，你沒有看錯。 這不僅僅是一個簡單的可視化；可以觸摸這張照片。 看到紅線旁邊的那個白色正方形了嗎？ 您可以單擊我們在biz中所稱的“手柄”，然後將十字準線在曲線上上下拖動。 功效和样本數量框將相應更新。 或者，如果您是大膽而冒險的類型，則可以單擊圖形中的任意位置，然後看一下手柄！ 曲線也會根據您在控制面板中提供的其他輸入而變化。 簡而言之，您可以通過多種方式探索不同的場景，每種場景都有各自的交互級別。
最後，最右邊是保存的設置表。 “但是卡雷布，”您可能會說，“那裡沒有桌子！” 沒錯，什麼都看不見……但是！ 如果您在左下角看到，則會看到一個標記為“保存設置”的按鈕。 您可能會猜到，如果單擊該按鈕，將得到以下結果：
是的，只要您要保存特定方案，只需單擊該按鈕，它將在該表中添加另一行。 順便說一下，這不只是任何普通的表。 您會注意到其中一行被突出顯示。 如果單擊另一行，該行將突出顯示，並且一切都會發生變化以反映這種情況！ 因此，現在，您可以保存一些感興趣的方案，以便以後進行探索。 您甚至可以通過紅色三角菜單將方案導出到自己的數據表中！
各種各樣的可能性
借助Sample Size Explorers，功率探索只是冰山一角。 有用於間隔計算甚至可靠性演示的資源管理器。 實際上，這是JMP 16中所有可用的Sample Size Explorers的列表。
- 力量
- 一個樣本均值的功效
- 一樣品比例的功效
- 一個樣本方差的功效
- 一等值均值的冪
- 兩個獨立樣本均值的功效
- 兩個獨立樣本比例的功效
- 兩個獨立樣本方差的冪
- 兩個獨立樣本均值的冪
- 方差分析的力量
- 置信區間
- 一個樣本均值的誤差幅度
- 一個樣本比例的誤差幅度
- 一個樣本方差的誤差幅度
- 兩個獨立樣本均值的誤差幅度
- 兩個獨立樣本比例的誤差幅度
- 兩個獨立樣本方差的誤差幅度
- 可靠性示範
在JMP，我們全都致力於統計發現，“樣本量資源管理器”是另一種可以幫助您的方法。 因此，您還等什麼（除了您有機會更新到JMP 16 ）？ 出去那裡，開始探索！！
太好了，只需要成對的t檢驗和等效檢驗即可，並且所有基數都包括在內！
