样本量的确定你好，
我想知道是否有一种方法可以使用 JMP 17 来确定样本大小作为 %CV（变异系数）的函数。
基础数据分析和建模实验设计预测建模和机器学习回复：样本量的确定嗨@DFereidouni ：作为我上面评论的后续：
你说“H0：数据集的 cv 值 < 17”。由此，我可以推断您的问题实际上是关于样本计算出的 CV。因此，您并不是真正要求测试有关总体 CV 的任何假设。如果您对从样本中实际计算出的值以及该计算的“足够”样本大小感兴趣，那么我上面描述的第二个选项可能是您的最佳选择。
回复：样本量的确定@DFereidouni您好：好的，您想显示（具有一定程度的置信度，例如 95%）CV <= 17%。所以 H0 实际上是 CV > 17%，而你的备择假设 Ha 是 CV <= 17%；哈总是我们想要展示的。
在您澄清答案的背景下，您的查询的答案是“不，没有为此构建的 JMP 平台”。这并不是说它在 JMP 中是不可撤销的。但这可能需要模拟。作为其中的一部分，您可能会发现以下脚本很有用。
https://community.jmp.com/t5/JMP-Scripts/Confidence-Interval-for-the-Coefficient-of-Variation-CV/ta-p/22574
即，如果 90% 置信区间的上限 < 17，则在 95% 置信度下您将拒绝 H0: CV>17，而支持 Ha: CV<=17。但一旦获得数据，就会使用该置信区间。因此，您可以模拟数据（基于某些样本大小，对于假设的均值和 SD，其中 100*SD/均值 < 17），然后使用该间隔来查看上限是否小于 17。如果是，则对该运行进行计数作为“成功”。然后运行 1000 次此类模拟，同时跟踪导致“成功”的模拟运行次数。对于该平均值、SD 和样本量，功效 =（成功次数/模拟次数）。然后对不同的样本量重复该模拟。然后，您将获得功效作为样本大小的函数（对于假设的平均值和标准差）。然后可以选择样本大小，使得功效足够高（通常> 80%，但您可以选择更高的值）。这里有很多值得思考的地方。上面的脚本使用了Vangel推荐的方法。
马克·G·万格尔 (1996)正态变异系数的置信区间，《美国统计学家》15(1) 21-26。
如果您找不到 Vangel 文章，请参阅此处的 (3)。
https://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/coefvacl.htm
或者，您可以进行自己的置信区间计算（通过 Vangel），并查看区间宽度如何随着 n（样本大小）的函数而变化。然后选择足够大的 n ，使得间隔的宽度不超过某个预定值，或者直到进一步增加样本量时精度（间隔宽度）的回报减少。这些都是主观考虑，没有硬性规定。
正如我所说……这里有很多值得思考的地方。
回复：样本量的确定我有一个分析测试方法，中间精度为 17% CV。目标是使一批新的控制材料符合此测试方法的要求，我想知道考虑到可变性需要进行多少次测试/运行。当前批次的范围为 2.1-6.2 ng/mL
1- 一份样品测试
2-正态分布
3- H0：数据集的 cv 值 < 17
回复：样本量的确定@DFereidouni您好：以便我们可以做出适当的回应，您能否提供更多背景信息并详细说明您正在尝试做的事情？此外：
1. 这是幂计算吗？一个样本、两个样本、k 个样本？
2. 假设的分布是对数正态分布吗？普通的？
3. 您想要检验的假设（无效假设和备择假设）是什么？
