738904_ja-JP

liliconcom

サンプルサイズ: 単なる数字ではない - (2023-US-30MP-1483)

「いくつの (部品/被験者/実行) が必要ですか?」という質問は、ほぼすべての統計学者が恐れる質問ですが、これは重要な質問であり、調査や実験を実行する前に尋ねておく必要があります。答えは簡単です。計算機にいくつかの数字を入力するだけで、すぐに計算できます。ただし、私の経験では、サンプル サイズの計算はめったにそれほど簡単ではありません。

JMP 16 では、一連のサンプル サイズ エクスプローラーが導入され、JMP 17 ではさらに多くのものが追加されました。しかし、なぜ「エクスプローラー」と呼ばれ、「計算機」ではないのでしょうか。サンプル サイズは単なる計算ではないからです。これは研究設計の不可欠な部分であり、サンプル サイズを決定するには、数学以上のものが必要です。このプレゼンテーションでは、サンプル サイズの概念から実行までを探ります。例には医療機器や診断研究のサンプル サイズ探索が含まれますが、そこから得られる教訓は業界全体に適用できます。

何 だった 行く に 話す について 今日 は

a 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、 見ている で a 勉強 と a 割合 終点、

そして 良い 包む 上 と いくつかの 追加 考え。

A 質問 私は 頻繁 尋ねた は、 何 サンプル サイズ する I 必要？

1つ かもしれない 考える、 "おお、 それは 簡単。 ただ 使用 a サンプル サイズ 電卓。"

しかし 待って a 2番。

なぜ する ジャンプ 電話 サンプル サイズ 電卓 探検家？

なぜ は 彼らは で の DOE メニュー？ どれの 1つ する I 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 基礎。

A サンプル サイズ は 計算された 前 に ランニング a 勉強。

A 勉強 は の 実験 設計された 先に の 時間。

それは なぜ 彼らは で の DOE メニュー。

サンプル サイズ 依存する の上 の ゴール の a 勉強。

I 頻繁 電話 これ、 は あなた 作る a 5ドル 決断 または a 50ドル 百万 決断？

は あなた 見ている で a 規制 クリアランス、

a 出版物、 の 研究開発 質問、 または a 単純 探検？

何ですか の 主要な 終点 の あなたの 勉強？ 何 は あなた 試みる 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 仮定ですか?

これら かもしれない なれ ベース の上 前 知識、

a パイロット データ、 または 頻繁、 または ただ 単に 推測する。

サンプル サイズ は a リスクと利益 探検。

それは なぜ 彼らは と呼ばれる 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。

さあ 始める と a 単純 例

の サイズ 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 X プラットフォーム、

そして 良い 見て で の 力 エクスプローラ 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 の上

a 本物 状況 どこ a 会社 は で の 研究開発 段階。

彼らは やっている a サンプル コレクション 勉強。 それ できた なれ 血、 鼻の 綿棒、 唾液。

そこには 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 a サンプル、 a 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 考慮して

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 a 力 分析 それなし a 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 a 力 分析、"

または、 知っている それ の 資金調達 実在物 欲しい a 力 分析

に 見せる それ 私たちは 考え について の 勉強 そして 私たちは 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 a 研究 終点。

で それ 場合、 だった 行く に 聞く、 "できる I 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 マーカーですか？

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 蔓延 の 病気 に 正当化する の 番号

の 科目、 だった 要求する に 登録する で の 勉強。

I 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 I 必要 a 電卓 のために の 力 の a テスト に 比較する に 独立した 手段。

何 I のように に 聞く 自分自身 は もし I 持っていた データ、 何 だろう I する？

もし I 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 I 必要。

時々 あなたは 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 すべき あなた する。

さあ 取る a 見て で これ。

私は 行く に 開ける a 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 a 病気… I 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 a フィット Y による X.

病気 する a 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 a T検定、 そして I のように に 見て で の 密度。

こちらは 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 a かなり 分離された 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 a 普通 分布

として だった の 1つ の上 の 右手 側。

ここ、 の 違い は a 少し 少ない。

あなた できる 見る で 両方 場所、

私たちは だろう 結論する それ そこには a 違い 間 これら 二 人口。

の 1つ の上 の 右 いる より近い 一緒に

は もっと強く に 区別する よりも の 1つ の上 の 左。

私たちは 使用済み a 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 だろう I 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 閉じる 下 私たちの データ テーブル。

DOE サンプル サイズ エクスプローラーp 電力。

I 欲しい 力 のために 二 独立した サンプル 手段。

I 引く それ 上、 あなたは 見る それ そこには とても a 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。

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 知られている。

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、 I 必要 に 埋める で これ 情報。

これ は 私の 電卓 一部。 I 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。

I 持っている 二 グループ 標準 逸脱 に 置く で 推定値 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、 I 必要 に 埋める で の 違い に 検出する。

ここ、 私は 使用して 標準 偏差 ユニット、

そして 私は 行く に 言う I 欲しい に 検出する a 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 a とても 高い 力。

私は 行く に より低い これ 力 に 90,

そして I 見る それ のために a 力 の 90 に 検出する a 違い の 1つ

間 これら 二 グループ、 I 必要 a サンプル サイズ

の 15 科目 で それぞれ グループ。

それ 思われる 合理的。

今、 あなた できる 見て で これら グラフィック 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 a 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 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 a 甘い スポット で の サンプル サイズ。

として I 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 I 減少、 もし I 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。

I 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 a 勉強 どこ 私は 登録する 人々、

そして もし I 持っている a 10 % 蔓延 レート

の 病気 以上 の 勉強 期間、 I だろう 必要 について 150 科目。

もし の 蔓延 だった 低い または 言う、 のみ 5%、 それから I だろう 必要 300 科目。

また、 サンプル サイズ は a リスク 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 a 勉強 と a 割合 終点。

良い 使用 の 分布 プラットフォーム

そして 良い 使用 の 間隔 エクスプローラ のために 1つ サンプル 割合。

これ は ベース の上 の 質問 の どうやって 多くの サンプル する I 必要

に 示す 感度 そして 特異性 のために 規制 提出しますか?

I する a 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 事例

それ あなたの テスト 通話 ポジティブ、 そして の 特異性 は の 割合

の ネガティブ 事例 それ あなたの テスト 通話 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 a 回顧 勉強

どこ 私は すでに 得た サンプル、 多分 で a 冷凍庫 または から a パートナー、

そして 私は ただ 行く に 引く 外 の 1つ それ I 必要。

のために a 将来の 勉強、 また、 私たちは だろう 使用 の 蔓延

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 a 規制 提出、

それで a 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、 I 必要 に 示す

それ の より低い 自信 制限 のために 感度 そして 特異性

は より大きい よりも 80 %.

の 勉強 デザイン は a 回顧 勉強。

その a レビュー の CT スキャン .

の 仮定 は それ の 感度 の 識別する

の 結果 は 0.9 そして 特異性 は 0.85。

I 必要 に 理解する の 自信 間隔 として の 結果、

そして I 必要 a 電卓 のために 自信 間隔 のために 割合。

また、 の 質問、 もし I 持っていた データ、 何 だろう I する？

さあ 見て で それ。

また、 I 生成された いくつかの データ。

I 持っている a 参照 標準 どこ I 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 事例 または サンプル。

それから I 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 事例 それ の テスト 通話 ネガティブ は 実は ポジティブ、

そして いくつかの の の 事例 それ の テスト 通話 ポジティブ は 実は ネガティブ。

どうやって だろう I 見て で これ？

良い、 I できた 表にする それ

そして 来る 上 と の % の ポジティブ 事例 それ の テスト 通話 ポジティブ

そして の % の ネガティブ 事例 それ の テスト 通話 ネガティブ。

しかし I 欲しい 自信 間隔。

私は 行く に 使用 の 分布 プラットフォーム、

そして 私は 行く に 見て で の 割合 で の テスト 事例 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 I 開催 下 私の コントロール 鍵 に 放送 それらの。

今 I 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 事例 それ による の 参照 は ポジティブ、

の 新しい 方法 通話 135 の それらの ポジティブ、 それで 93.75、

そして I 持っている 私の 自信 間隔 それ 行く から 88-96.6

あなたは 見る これ 注記 ここ それ 言う、 計算された 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 a 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 I 生成された a 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 a 確率 の 0.1、

あなた できる 見る それ の アッパー 自信 制限 は より高い

として 比較すると 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 推定値 は ない 中央揃え で の 真ん中 の これら 自信 間隔。

それは ただ の 自然 の これ コア 自信 間隔。

の 質問 今 は、

どうやって 多くの サンプル する I 必要 に 見せる それ

私の より低い 自信 制限 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 より大きい 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 より大きい 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 制限 は のみ 0.78。

I だろう 必要 a 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 制限 は より大きい よりも 0.8。

また、 の 質問 は 今 それ I 理解する 何 私は 見ている のために

は どうやって 多くの データ すべき I 集める？

さあ 行く に DOE サンプル サイズ エクスプローラ、

自信 間隔 のために 1つ サンプル 割合。

さあ 置く で これ 例 ここ。

さあ 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.

I 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、 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 a 対称的な 自信 間隔、

それ 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 a スコア 自信 間隔、

そして それは 何 これ 電卓 は ベース 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 a 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 制限 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 a 自信 制限 の 0.8。 さあ する それ 計算。

さあ 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 a 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 a 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 再確認する それ。

に する それ、

I 建設された a 電卓

どこ I できる 置く で 私の 想定される 割合 そして I できる 置く で これ 価値 の 56.

もし I 走る これ 分布、

そして 何 I した ここ は I 持っている の 結果 の 1つ そして ゼロ、 そして I 持っている a 頻度。

もし I 再起動 これ、

I 使用 の 結果 そして I 使用 の 頻度 カラム

に 与える 自分 の 分布 として もし I 持っていた 51の 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 a サンプル サイズ の 56,

a 割合 の について 0.9、 私の より低い 自信 制限、

使用して a 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 I 尋ねた のために、

の マージン の エラー の 0.08、 しかし それ しない とても 与える 自分

の より低い 制限 の上 これ 自信 間隔 それ I 必要 のために これ 状況。

さあ 置く で a わずかに 大きい サンプル サイズ。

さあ 作る これ 65.

それ 与える 自分 a マージン の エラー の 0.074、 どれの は わずかに きつく 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 I する それ、 今 I 見る それ 私の より低い 自信 制限 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 試みる 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 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 a 全体 殺害した 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 試みる 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 情報を得た

のために 作る 決定 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。

さあ 仕上げる 上 と ただ a 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、

使用 ランダム 番号 発電機 に 生成する a 勉強 ベース の上 それらの 配布。

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 の。

は それ の？ 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 の。

で a 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 仮定ですか?

I 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 a 新しい テスト

または 私たちは 欲しい に 開発する a 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 検証する 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 調査結果 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 I 持っている の上 サンプル サイズ。 その もっと よりも a 番号。

その ベース の上 何 それ は あなたは 試みる 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 のために a 素晴らしい 結果。

感謝 あなた、 そして それは それ。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査実験計画法マスカスタマイゼーション品質およびプロセスエンジニアリング