樣本量瀏覽器 - 兩個獨立樣本等效的能力 - 需要協助親愛的 JMP 社區，
我想使用 TOST 執行等效性測試（比較 2 個樣本）。借助 JMP 17，我可以在 DOE 部分看到我們可以使用功率瀏覽器執行一些功率計算。我假設執行 TOST 之前合適的電源瀏覽器是「兩個獨立樣本等效的電源瀏覽器」。
我正在努力讓它發揮作用，但我有點掙扎。我透過根據總計值（樣本 1 和 2）計算公差區間來填充邊距。這是正確的嗎？
我報告了各個樣本的標準差。
我的樣本 1 和 2 的樣本大小已鎖定。
我有點不確定要在差異中放入什麼值來檢測。
謝謝你的幫忙！
最好的，
賽巴斯蒂安
我正在使用 JMP v.17。 @MarijaLind @spyros_megalou
數據探索和視覺化實驗設計品質和工藝工程回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助與顯著差異的假設檢定不同，顯著相似性的檢定要求您指定實際上相同的內容。要檢測的差異是您認為實際不同的最小差異。較小的差異將被判斷為實際上等效。例如，如果您認為兩個總體在 +/-2 範圍內實際上是等效的，請輸入 2。
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助謝謝馬克，
讓我再問幾個問題以確保我做得正確：
- 那麼如何定義邊距呢？我理解上邊距“指定最大值，高於該值的平均值被認為與參考平均值不同”。我如何得到這個值？我嘗試了公差區間。我還嘗試填寫 (Upper TI-Lower TI)/2 並勾選對稱邊界。它仍然不起作用。
- 再次對於“要檢測的差異”，您是否向分析器提供（池資料的最大值 - 池資料的最小值）/2？
最好的，
賽巴斯蒂安
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助您好@Sebastien_ ：為了擴展@Mark_Bailey所說的內容，您不會以這種方式使用容差區間。公差區間告訴您有關各個值的範圍的資訊。等價測試是關於比較平均值，並以一定程度的置信度「證明」它們（總體平均值）彼此足夠接近（在邊際範圍內，由邊際下限和邊際上限定義）被視為「等價」 。保證金下限和保證金上限應該是多少？這不是一個統計問題。這將取決於應用程式。檢測差異應該是裕度內的某個值（檢測差異是您認為總體平均值差異的實際值），並且可以透過過去的數據獲知。
下面的連結可能會有所幫助；這是對等價測試的特別可讀的解釋。
https://pubs.acs.org/doi/pdf/10.1021/ac053390m
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助嗨@Sebastien_ ：閱讀整個線程，也許閱讀一些字裡行間的內容，也許您已經有了數據並想要測試等效性？或者您正在計劃進行等效性測試並想知道樣本量？
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助嗨@MRB3855 ，
感謝您的幫忙！我會看一下你寄來的論文。
如果我的目標不明確，我很抱歉。
我現在有兩個獨立實驗的數據。有了這些數據，我想檢查一下功率值是多少。是的，將執行等效性測試。
我的目標是在未來的實驗中，嘗試確定獲得 80% 功效的最小樣本量。
最好的，
賽巴斯蒂安
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助嗨@Sebastien_ ：好的，謝謝您的澄清。您目前擁有的數據可能會告訴您一些資訊。
- 要檢測的差異：假設您擁有的數據代表您想要比較的兩個組，則可以使用平均值（或置信上限）的差異。
- 標準差（第 1 組和第 2 組）：假設您擁有的數據代表您正在比較的兩個組，則
sqrt（合併變異數）或其信賴上限可能可以在這裡使用（假設每個組別的標準差大約相同）
這種功率計算可以被認為是一種「假設」分析。即，如果您提供的輸入（檢測差異、標準差）為真，並且您所需的 alpha、功效和裕度與您輸入的一樣，則您可以計算功效。請記住，冪只是機率的另一個詞（當 Ha 為真時拒絕 H0 的機率），其中：
H0: delta < 下限或 delta > 上限
Ha：保證金下限 <= delta <= 保證金上限
即，Ha是你想要展示的內容；一旦您收集數據，就會顯示差異的 100*(1-2*alpha)% 信賴區間是否完全位於邊際範圍內。
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助數據並不能確定利潤和差異。你決定它們。它們代表了您所需的等效性。
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助在先前的分析中確定功率是一個禁忌。這是一種回顧性的功效分析，通常被認為是無效的，也是一種不好的做法。想想彩票。您會計算一張彩券中獎已經結束並選出中獎者的機率嗎？
另一方面，前瞻性功效分析是有效且有用的。現有資料可用於估計預期功效計算的平均值和變異數。
回覆：樣本量瀏覽器 - 兩個獨立樣本等價的功效 - 需要幫助嗨@Sebastien_正如@Mark_Bailey所說，收集資料後計算能力是毫無意義的。目前數據可以為未來的研究提供信息，但從現有數據中檢查功效值是沒有用的。
這是一篇很好的文章，有很好的參考。 https://library.virginia.edu/data/articles/post-hoc-power-calculations-are-not-useful
這裡的參考文獻之一： https://www.zoology.ubc.ca/~bio501/R/readings/hoenig%20&%20heisey%202001%20am%20stat%20-%20fallacy%2...
