何だった行くに話すについて今日は
ある単純導入にサンプルサイズ考え。
それから良い見てで二例; 1つ、比較するの平均の二人口、
そしての2番、探しているである勉強とある割合終点、
そして良い包む上といくつかの追加考え。
あ質問私は頻繁尋ねたは、何サンプルサイズする私必要？
1つかもしれない考える、 "おお、それは簡単。 ただ使用あるサンプルサイズ電卓。"
しかし待ってある2番。
なぜするJMP電話サンプルサイズ電卓探検家？
なぜは彼らはでのエネルギー省メニュー？ どれの1つする私使用？
良い、しましょう話すについていくつかのサンプルサイズ基本。
あサンプルサイズは計算された前にランニングある勉強。
あ勉強はの実験設計先にの時間。
それはなぜ彼らはでのエネルギー省メニュー。
サンプルサイズ依存しますの上のゴールのある勉強。
私頻繁電話これ、はあなた作るある5ドル決断またはある50ドル百万決断？
はあなた探しているである規制上のクリアランス、
ある出版物、の研究開発質問、またはある単純探検？
なに？の主要な終点のあなたの勉強？ 何はあなた試していますに見せる？
どうやってはあなたの勉強デザイン？ 何はあなたの結果仮定？
これらかもしれないなれベースのの上前知識、
あるパイロットデータ、または頻繁、またはただ単に推測すること。
サンプルサイズはあるリスクと利益探検。
それはなぜ彼らは呼ばれたサンプルサイズ探検家たち。
あなた欲しいに探検する
どうやって違う仮定は行くにインパクトあなたのサンプルサイズ。
今、もっとは一般的により良い、
しかしとして私たちは全て知る、もっと費用もっと、そしてもっとかもしれないないなれ可能。
しましょう始めるとある単純例
のサイズ調整の勉強のために比較する二手段。
良いでのフィットYによるバツプラットホーム、
そして良い見てでの力冒険者のために二独立したサンプル手段。
これサンプルサイズ例はベースのの上
ある本物状況どこある会社はでの研究開発段階。
彼らはやってるあるサンプルコレクション勉強。 それできたなれ血、鼻綿棒、唾液。
あるよいいえ主要な終点なぜならそのの研究開発勉強。
彼らはまだでの研究開発段階、しかし彼らは必要あるサンプル、ある力分析。
彼らはだった尋ねたのために力分析によるの実在物それは検討中
資金調達のプロジェクト。
どうやってできる私たちは提供するある力分析それなしある主要な入力？
良い、最高考えここは1つ、
私たちはできた言う、 "おい、私たちはできないするある力分析、"
または、知っているそれの資金調達実在物望むある力分析
に見せるそれ私たちは持っています考えについての勉強そして私たちは持っています考えについてどうやって多くの人々
だった尋ねる彼らに登録する、私たちはできた生成するある研究終点。
でそれ場合、だった行くに聞く、 "できる私区別するの違いで手段
間私の病気そして健康科目のためにいくつかの主要な生物学的マーカーは？」
良い使用のサンプルサイズからの力分析
そしての期待される普及率の病気に正当化するの番号
の科目、だった要求しているに登録するでの勉強。
私必要に理解するテストのために比較するに独立した手段、
そして私必要ある電卓のためにの力のあるテストに比較するに独立した手段。
何私のようにに聞く自分自身はもし私持っていたデータ、何するだろう私する？
もし私理解する何分析私は行くにする、
それは行くにヘルプ自分決定する何サンプルサイズ私必要。
時々あなたはそうします持っているパイロットデータ、
そして時々あなたできるただ作る上データにヘルプあなた形外
何分析はあなた行くにするそして何サンプルサイズ調整すべきあなたする。
しましょう取るある見てでこれ。
私は行くに開けるあるデータテーブル、そしてこれはただ生成されたデータ。
私は得たある病気… 私持っている15病気患者そして15健康患者。
私は行くにするあるフィットYによるバツ。
病気するあるカップルのものここ：私たちの範囲、私は行くにジッター私のポイント、
私は行くに走るあるT検定、そして私のようにに見てでの密度。
こちらです二例の何いくつかのデータかもしれない見てのように。
の上の左はあるかなり別れた人口
の結果、のバイオマーカー番号1つ。
の違いはについて2、2.5。
これらだった生成されたからある普通分布
としてだったのものの上の右手側。
ここ、の違いはある少し少ない。
あなたできる見るで両方場所、
私たちはするだろう結論するそれあるよある違い間これら二人口。
の1つの上の右いるクローザー一緒に
はもっと強くに差別化するよりもの1つの上の左。
私たちは使用済みあるT検定のためにそれ。
今の質問となり、
どうやって多くのサンプルするだろう私必要
もし私は行くに走るこれ実験？
また、しましょう見てでそれ。
させて自分ただステップを通して私のワークフロービルダー
それでそれ閉まる下私たちのデータテーブル。
エネルギー省サンプルサイズエクスプローラー p低い。
私欲しい力のために二独立したサンプル手段。
私引くそれ上、あなたはそうします見るそれあるよとてもある少しものに見てで。
初め、私たちは持っているのテストタイプ。 その行くになれ両面的な。
私たちのアルファは0.05、
そしてのグループ人口標準逸脱はない想定されるになれ知られています。
だった推測するでそれらの。
に計算する私のサンプルサイズ、私必要に埋めるでこれ情報。
これは私の電卓一部。 私持っている二グループ。
私は行くに始める以上ここの上の右手側。
私持っている二グループ標準逸脱に置くで見積りのために。
私は行くに仮定するそれ1つグループは少ない変数よりもの他のグループ。
次、私必要に埋めるでの違いに検出する。
ここ、私はを使用して標準偏差単位、
そして私は行くに言う私欲しいに検出するある1つ標準偏差ユニット違い。
次、私は得た右今サンプルサイズの30でそれぞれグループ
それ与える自分あるとても高い力。
私は行くにより低いこれ力に90、
そして私見るそれのためにある力の90に検出するある違いの1つ
間これら二グループ、私必要あるサンプルサイズ
の15科目でそれぞれグループ。
それらしい合理的。
今、あなたできる見てでこれらグラフィックスに見るそれ
どうやってあなたの推測、あなたの仮定かもしれないインパクトの力のあなたの勉強。
私たちはできる見るそれの標準逸脱持っているとてもある少しのインパクト。
として私の標準偏差増加し、
それで私のデータになるもっと広める外、私の力減少します。
その行くになれもっと強くに検出するこれ違い。
あなたできる見るだったである甘いスポットでのサンプルサイズ。
として私増加のサンプルサイズ、
私の力は行くに増加、しかしないひどく大いに。
として私減少、もし私行った下にについて10、
私の力は行くに行く下にについて八。
しかししましょう行く戻るにのポイント今。
私欲しいについて15サンプルあたりグループ。
でこれ実例、に得る15ポジティブサンプル
からある勉強どこ私は登録する人々、
そしてもし私持っているある10 %普及率レート
の病気以上の勉強期間、私するだろう必要について150科目。
もしの普及率だった低いまたは言う、のみ5%、それから私するだろう必要300科目。
また、サンプルサイズはある危険利点計算、
それで私たちは欲しいに考慮する様々なサンプルサイズ。
全て右、今に私たちの2番例。
これはサイズ調整ある勉強とある割合終点。
良い使用の分布プラットホーム
そして良い使用の間隔冒険者のために1つサンプル割合。
これはベースのの上の質問のどうやって多くのサンプルする私必要
に実演する感度そして特異性のために規制上のファイリング？
私するある多くの仕事で診断。
で診断、感度は単にの割合のポジティブケース
それあなたのテスト電話ポジティブ、そしての特異性はの割合
のネガティブケースそれあなたのテスト電話ネガティブ。
私たちは一般的に計算するサンプルサイズのためにそれぞれのこれらメトリクス個別に、
そしてそれから私たちは追加のためにの合計サンプルサイズのためにある回顧的勉強
どこ私はすでに得たサンプル、多分である冷凍庫またはからある相棒、
そして私はただ行くに引く外のものそれ私必要。
のためにある将来性のある勉強、また、私たちはするだろう使用の普及率
に計算するの合計番号の科目に登録する、
同様にとして私たちはしたでの最後例。
また、私たちは必要いくつかの予備情報。
のゴールのこれ勉強はある規制上のファイリング、
それである高いレベルの証拠は必要です。
それからこれ特定の業界セクタ、私必要に実演する
それのより低い自信限界のために感度そして特異性
はより大きなよりも80 %。
の勉強デザインはある回顧的勉強。
そのあるレビューのCTスキャン。
の仮定はそれの感度の特定する
の結果は0.9そして特異性は0.85。
私必要に理解するの自信間隔としての結果、
そして私必要ある電卓のために自信間隔のために割合。
また、の質問、もし私持っていたデータ、何するだろう私する？
しましょう見てでそれ。
また、私生成されたいくつかのデータ。
私持っているある参照標準どこ私持っていたについて145ネガティブサンプル
そして144ポジティブケースまたはサンプル。
それから私持っているのテスト結果、ポジティブそしてネガティブ。
あなたできる見る彼らはない完璧。
いくつかのののケースそれのテスト電話ネガティブは実はポジティブ、
そしていくつかのののケースそれのテスト電話ポジティブは実はネガティブ。
どうやってするだろう私見てでこれ？
良い、私できた表にするそれ
そして来る上との%のポジティブケースそれのテスト電話ポジティブ
そしての%のネガティブケースそれのテスト電話ネガティブ。
しかし私欲しい自信間隔。
私は行くに使用の分布プラットホーム、
そして私は行くに見てでの割合でのテストケースによるの参照場合。
また、しましょう追加…
私たちは欲しいに追加、ごめん、間違っている赤三角形メニュー。
私たちは欲しいに追加自信間隔、
そして私開催下私のコントロール鍵に放送それらの。
今私できる見てそして見る何ですか行くの上ここ。
のためにのケースそれによるの参照はポジティブ、
の新しい方法電話135のそれらのポジティブ、それで93.75、
そして私持っている私の自信間隔それ行きますから88-96.6
あなたはそうするだろう見るこれ注記ここそれ言う、計算されたを使用してスコア自信間隔。
それからのものに注記ここ
はそれあるスコア自信間隔はない対称的。
私たちはできる見てでそれ。
ここ私生成されたあるグラフィック、
そしてあなたできる見るそれいつだったでの低い終わり、
それである確率の0.1、
あなたできる見るそれのアッパー自信限界はより高い
として比較したにのポイント見積もりよりものより低い自信間隔。
のポイント見積りはない中心にあるでの真ん中のこれら自信間隔。
それはただの自然のこれ芯自信間隔。
の質問今は、
どうやって多くのサンプルする私必要に見せるそれ
私のより低い自信限界はで少しでも0.8、与えられたの仮定のここ
私たちは持っていたのために感度、どれのはのポジティブ側、
それ私たちはだった行くになれより大きなよりも0.9、そしての上のネガティブ側
それ私たちはだった行くになれより大きなよりも0.85。
ここ私たちはできる見るそれで0.85、私のより低い自信限界はのみ0.78。
私するだろう必要ある少しもっとサンプルで注文に
見せるそれ私のより低い自信限界はより大きなよりも0.8。
また、の質問は今それ私理解する何私は探しているのために
はどうやって多くのデータすべき私集める？
しましょう行くにエネルギー省サンプルサイズ冒険者、
自信間隔のために1つサンプル割合。
しましょう置くでこれ例ここ。
しましょう置くで私たちの割合の0.9375、
そしてのサンプルサイズそれ私たちは持っていた使用済みここ、どれのだった144.
私持っていた左の間隔タイプとして両面、
自信間隔、自信レベルは95 %。
とのサンプルサイズの144、もし私の割合来る外になれ93.75、
私のマージンのエラーは0.04。
さて、まあ、何ですかマージンのエラー？
マージンのエラーはの半分幅のの自信間隔。
もしそれだったある対称的な自信間隔、
それするだろうなれあなたのプラスまたはマイナス価値以上あなたのポイント見積もり。
しかしでの場合のあるスコア自信間隔、
そしてそれは何これ電卓はベースのの上、
これはの半分幅のあなたの自信間隔。
しかし私たちはできる見るそれ…
との93.75、のマージンのエラーの0.04、
そのない単にあるマイナス0.04からこれ93.75
なぜなら私たちは気づいたそれいつ私たちはしたこれ計算
それ私たちのより低い自信限界だった0.88。
これサンプルサイズはもっとよりも十分なのために何私たちは必要です。
私たちはのみ必要なある自信限界の0.8。しましょうするそれ計算。
しましょう置くで私たちの想定される価値の0.9、
そしてしましょう置くであるマージンのエラーの、言う、 0.08。
私たちは知るそれ0.1は行くに過小評価する私たちのサンプルサイズ。
もし私たちはするこれそして私たちは言う、全て右、のためにある割合の0.9、
マージンのエラーは0.08、私たちのサンプルサイズ、それ言う、は56.
わかった、良い、しましょうダブルチェックそれ。
にするそれ、
私構築されたある電卓
どこ私できる置くで私の想定される割合そして私できる置くでこれ価値の56.
もし私走るこれ分布、
そして何私したここは私持っているの結果の1つそしてゼロ、そして私持っているある頻度。
もし私再起動するこれ、
私使用の結果そして私使用の頻度カラム
に与える自分の分布としてもし私持っていた51年代そして六ゼロで私のデータファイル。
良い、何するそれ見てのように？
とあるサンプルサイズの56、
ある割合のについて0.9、私のより低い自信限界、
を使用してあるスコア自信間隔は0.78。
これサンプルサイズの56与える自分の精度それ私尋ねたのために、
のマージンのエラーの0.08、しかしそれしませんとても与える自分
のより低い限界の上これ自信間隔それ私必要のためにこれ状況。
しましょう置くであるわずかにより大きなサンプルサイズ。
しましょう作るこれ65.
それ与える自分あるマージンのエラーの0.074、どれのはわずかによりきついよりもの0.08、
そしてしましょう見る何それ見た目のようにで私のスコア自信間隔。
もし私するそれ、今私見るそれ私のより低い自信限界はその上の0.8。
のポイントのこれだったないに…
のポイントのこれだった本当にに見せるあなたそれその重要に理解する
何それはあなたは試していますに見せる、そしてその重要に理解する
何はそれそれあなたのサンプルサイズ電卓は提供するにあなた。
そこにははサンプルサイズ電卓全て以上のインターネット。
それからでJMP、私たちは持っているある全体殺したのサンプルサイズ電卓、
探検家に見てで。
その重要に理解する何はあなたの終点、
何はあなた試していますに解決する、そして何はそれそれあなたの電卓
は計算するのためにあなた。
一度あなたするそれ、それからあなたはより良い知らされた
のために作る決断としてにどうやって多くのサンプルするあなた本当に必要。
しましょう仕上げる上とただある少し簡単なコメントの上追加トピック。
他の方法それあなたできる得るでサンプルサイズ。
1つはシミュレーション。
あなたできる使用パイロットデータに定義する配布物、
使用ランダム番号発電機に生成するある勉強ベースのの上それらの配布物。
それからあなたできる分析するそれデータに見るもしあなたの終点は会った。
はそれ会った？ はいまたはいいえ？
それからあなたできる繰り返すそれいくつかの大きい番号の回
そして計算するの部分の回、あなたの終点は会った。
であるセンス、あなたの力。
どうやっておそらくはあなたに会うあなたの終点与えられたあなたの仮定？
私のようににするそれ。 シミュレーションは役に立つ。
また、しかし、その全てベースのの上あなたの仮定。
もしあなたの仮定は間違っている、あなたのサンプルサイズ5月ないなれ大きい十分。
別のものそれ頻繁起こるはそれ私たちは持っているに作る
の最高割り当ての何私たちは持っている。
私たちは5月持っている1,000サンプルでの冷凍庫
そして私たちは知る何彼らの結果はそして私たちは欲しいにテスト彼らの上ある新しいテスト
または私たちは欲しいに開発するある新しいテスト。
どうやって多くのできる私たちは使用に電車のアルゴリズム？
どうやって多くのする私たちは必要に使用に検証それアルゴリズム？
時々私たちは持っているに取るのサンプル数字それ私たちは持っている。
使用のサンプルサイズ探検家に評価する何あなたかもしれないなれできるに結論する、
そしてそれから使用それらの所見に決めるもし何あなた持っているは十分なに進む
との実験
そしての発達のあなたのテストまたは製品。
それは何私持っているの上サンプルサイズ。 そのもっとよりもある番号。
そのベースのの上何それはあなたは試していますに決める
そしてどうやってあなたは行くに分析するのデータ一度あなた得るそれデータ。
そのの探検、あなた欲しいに取るの中へアカウント
どうやってするそれらの仮定それあなた作るインパクトそれらのサンプルサイズ
そしてヘッジあなたの賭けるのためにある素晴らしい結果。
感謝あなた、そしてそれはそれ。
