样本量和统计功效你好，
我通过将特定数量的兴趣与实验数据进行比较，进行了有限元模型验证研究。我对 18 个不同的样本进行了这项研究，以评估模型的平均预测误差。真实样本和模拟样本是相互依赖的。
我想评估 18 是否是具有统计学意义的样本数量。
我怎样才能计算功率？
感谢您的帮助
基础数据分析与建模预测模型和机器学习回复：样本大小和统计功效首先，欢迎加入社区。我无法回答您的问题，因此无法提供太多帮助。缺少一些信息：
1. 统计显著性是什么意思？
2. 你从中抽样了 18 个，有多少个？
3. 样本是如何获取的（随机、系统等）
4. 你想用你的模型做什么？预测未来的结果？解释样本中存在的变化？
5. 工艺是否稳定？
6. 您愿意承担哪些 alpha 和 beta 风险？
7. 你的实验重复了吗？如果重复了，那么基于什么推论？这个推论是否代表了未来的情况？
8. 您知道您的测量系统误差吗？
统计意义是一个条件语句。
回复：样本大小和统计功效你好，Statman，
感谢您的回复。您可以在下面找到我的答案：
1. 统计显著性是什么意思？功效 > 0.8
2. 您从多少个可能的几何形状中抽样了 18 个？目标是在这 18 个样本中包含尽可能宽的设计空间，以便能够证明模型获得的预测是准确和精确的。
3. 样本是如何获取的（随机、系统等）随机获取，但请参见对 #2 的回复
4. 你想用你的模型做什么？预测未来的结果？解释样本中存在的变化？预测未来的结果
5. 流程是否稳定？我不太清楚你的意思是什么？
6. 您愿意承担的 alpha 和 beta 风险分别为0.05 和 0.2（幂 0.8）
7. 你的实验重复了吗？如果重复了，那么基于什么推论？这个推论是否代表了未来的情况？
8. 您知道您的测量系统误差吗？该模型预测的平均绝对误差为 8.1%。平均实验变异性为 5.0%
我希望这能有所帮助
回复：样本大小和统计功效你好@TraceMatrices73 。对我来说，这里需要一些澄清。你说功率>0.8是你追求的。
功效 = 概率（假设 Ha 为真，则拒绝 H0）。零假设和备择假设 H0 和 Ha 分别是什么？实际上，Ha 是您想要“证明”的，而 H0 与 Ha 相反。
回复：样本大小和统计功效嗨，MRB，
感谢您的留言。
我想要证明的是，该模型获得的预测与实验结果具有很好的相关性。例如，可以通过类内相关系数大于 0.9 来证明这一点。另一种假设是，该模型的预测与实验结果相关性不强。
回复：样本大小和统计功效嗨@TraceMatrices73 ：太好了，我们可以利用这一点！为了确保我们都在同一页面上……对于单向随机效应方差分析，ICC 定义如下。
令 V(b) = 组间/类间/其他间的方差。
令 V(w) = 组内/类内/其他内的方差。
令 V(t) = 总方差 = V(b) + V(w)。
然后ICC = V（b）/ V（t）。
那么你的假设是：
H0：ICC <= 0.9
如果：ICC > 0.9
我们的观点一致吗？如果一致，那么组/类别是什么？即单向方差分析中的分类因子/效应是什么？
