樣本量和統計功效你好，
我透過將一定數量的感興趣的數據與實驗數據進行比較，完成了有限元素模型驗證研究。我對 18 個不同的樣本進行了這項研究，以評估模型的平均預測誤差。真實樣本和模擬樣本是相關的。
我想評估 18 個樣本數是否具有統計顯著性。
我如何計算功率？
感謝您的協助
基礎資料分析與建模預測建模和機器學習回覆：樣本量和統計功效首先，歡迎來到社區。我不會提供太多幫助，因為我無法回答你的問題。缺少一些資訊：
1. 統計顯著性是什麼意思？
2. 您從多少個中抽取了 18 個？
3. 樣本是如何取得的（隨機、系統等）
4. 你想用你的模型做什麼？預測未來的結果？解釋樣本中存在的變異？
5.工藝穩定嗎？
6. 您願意承擔哪些 alpha 和 beta 風險？
7. 你的實驗被重複了嗎？如果是的話，有何推論？這個推論代表了未來的情況嗎？
8.您知道您的測量系統誤差嗎？
統計顯著性是一個條件陳述。
回覆：樣本量和統計功效你好斯塔曼，
感謝您的回覆。您可以在下面找到我的答案：
1. 統計顯著性是什麼意思？功率>0.8
2. 您從多少個中抽取了 18 個？所有可能的幾何可能性。目標是在這 18 個樣本中包含盡可能廣泛的設計空間，以便能夠證明模型獲得的預測是準確和精確的。
3. 樣本是如何取得的（隨機、系統等）隨機，但請參閱對 #2 的回复
4. 你想用你的模型做什麼？預測未來的結果？解釋樣本中存在的變異？預測未來的結果
5.工藝穩定嗎？我不確定你在這裡的意思是什麼？
6. 您願意承擔哪些 alpha 和 beta 風險？ 0.05 和 0.2（0.8 次方）
7. 你的實驗被重複了嗎？如果是的話，有何推論？這個推論代表了未來的情況嗎？
8.您知道您的測量系統誤差嗎？此模型預測的平均絕對誤差為 8.1%。平均實驗變異性為 5.0%
我希望這有幫助
回覆：樣本量和統計功效嗨@TraceMatrices73 。對我來說，這裡需要一些澄清。你說 power > 0.8 就是你所追求的。
功效 = 機率（拒絕 H0，假設 Ha 為真）。原假設 H0 和備擇假設 Ha 分別是什麼？實際上，Ha就是你要「證明」的東西，H0與Ha相反。
回覆：樣本量和統計功效嗨，MRB，
謝謝您的留言。
我想證明的是，模型獲得的預測與實驗結果有很好的相關性。例如，這可以透過大於 0.9 的組內相關係數來證明。另一種假設是模型的預測與實驗結果沒有很好的相關性。
回覆：樣本量和統計功效嗨@TraceMatrices73 ：太棒了，這是我們可以合作的！為了確保我們都在同一頁上…對於單向隨機效應變異數分析，ICC 定義如下。
令 V(b) = 組/類/其他之間的變異數。
設 V(w) = 組/類/其他內容內的變異數。
設 V(t) = 總變異數 = V(b) + V(w)。
那麼 ICC = V(b)/V(t)。
那你的假設是：
H0：ICC <= 0.9
如果：ICC > 0.9
我們意見一致嗎？如果是的話，有哪些小組/班級？即，單因子變異數分析中的分類因素/效應是什麼？
