樣本量的決定你好，
我想知道是否有一種方法可以使用 JMP 17 來確定樣本大小作為 %CV（變異係數）的函數。
基礎資料分析與建模實驗設計預測建模和機器學習回覆：樣本量的決定嗨@DFereidouni ：作為我上面評論的後續：
你說「H0：資料集的 cv 值 < 17」。由此，我可以推斷您的問題實際上是關於樣本計算出的 CV。因此，您並不是真正要求測試有關總體 CV 的任何假設。如果您對從樣本中實際計算出的值以及該計算的「足夠」樣本大小感興趣，那麼我上面描述的第二個選項可能是您的最佳選擇。
回覆：樣本量的決定@DFereidouni您好：好的，您想顯示（具有一定程度的置信度，例如 95%）CV <= 17%。所以 H0 其實是 CV > 17%，而你的備擇假設 Ha 是 CV <= 17%；哈總是我們想要展示的。
在您澄清答案的背景下，您的查詢的答案是「不，沒有為此構建的 JMP 平台」。這並不是說它在 JMP 中是不可撤銷的。但這可能需要模擬。作為其中的一部分，您可能會發現以下腳本很有用。
https://community.jmp.com/t5/JMP-Scripts/Confidence-Interval-for-the-Coefficient-of-Variation-CV/ta-p/22574
即，如果 90% 信賴區間的上限 < 17，則在 95% 置信度下您將拒絕 H0: CV>17，而支持 Ha: CV<=17。但一旦獲得數據，就會使用該置信區間。因此，您可以模擬資料（基於某些樣本大小，對於假設的平均值和 SD，其中 100*SD/平均值 < 17），然後使用該間隔來查看上限是否小於 17。如果是，則對該運行進行計數作為“成功”。然後運行 1000 次此類模擬，同時追蹤導致「成功」的模擬運行次數。對於該平均值、SD 和樣本量，效能 =（成功次數/模擬次數）。然後對不同的樣本量重複該模擬。然後，您將獲得功效作為樣本大小的函數（對於假設的平均值和標準差）。然後可以選擇樣本大小，使得功效足夠高（通常> 80%，但您可以選擇更高的值）。這裡有很多值得思考的地方。上面的腳本使用了Vangel推薦的方法。
馬克‧G‧萬格爾 (1996)常態變異係數的信心區間，《美國統計學家》15(1) 21-26。
如果您找不到 Vangel 文章，請參閱此處的 (3)。
https://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/coefvacl.htm
或者，您可以進行自己的置信區間計算（透過 Vangel），並查看區間寬度如何隨著 n（樣本大小）的函數而變化。然後選擇足夠大的 n ，使得間隔的寬度不超過某個預定值，或直到進一步增加樣本量時精度（間隔寬度）的回報減少。這些都是主觀考慮，沒有硬性規定。
正如我所說…這裡有很多值得思考的地方。
回覆：樣本量的決定我有一個分析測試方法，中間精確度為 17% CV。目標是使一批新的控製材料符合此測試方法的要求，我想知道考慮到可變性需要進行多少次測試/運行。目前批次的範圍為 2.1-6.2 ng/mL
1- 一份樣品測試
2-常態分佈
3- H0：資料集的 cv 值 < 17
回覆：樣本量的決定@DFereidouni您好：以便我們可以做出適當的回應，您能否提供更多背景資訊並詳細說明您正在嘗試做的事情？另外：
1. 這是冪計算嗎？一個樣本、兩個樣本、k 個樣本？
2. 假設的分佈是對數常態分佈嗎？普通的？
3. 您想要檢驗的假設（無效假設和備擇假設）是什麼？
