Quoi
étaient
en allant
à
parler
à propos
aujourd'hui
est
a simple introduction à échantillon taille pensée.
Alors Bien regarder à deux exemples; un, comparer le signifier de deux populations,
et le deuxième, regarder à a étude avec a proportion point final,
et Bien envelopper en haut avec quelques supplémentaire pensées.
A question Je suis souvent demandé est, quoi échantillon taille faire I besoin?
Un pourrait pense, "Oh, c'est facile. Juste utiliser a échantillon taille calculatrice."
Mais attendez a deuxième.
Pourquoi fait JMP appel échantillon taille calculatrices explorateurs ?
Pourquoi sont ils dans le BICHE menu? Lequel un faire I utiliser?
Bien, allons parler à propos quelques échantillon taille bases.
A échantillon taille est calculé avant à en cours d'exécution a étude.
A étude est un expérience conçu devant de temps.
C'est pourquoi ils sont dans le BICHE menu.
Échantillon taille dépend sur le but de a étude.
I souvent appel ce, sont toi fabrication a 5 $ décision ou a 50 $ million décision?
Sont toi regarder à a réglementaire autorisation,
a publication, un Recherche et développement question, ou a simple exploration?
Qu'est-ce que le primaire point final de ton étude? Quoi sont toi en essayant à montrer?
Comment est ton étude conception? Quoi sont ton résultat hypothèses ?
Ces pourrait être basé sur avant connaissance,
a pilote données, ou souvent, ou juste simplement deviner.
Échantillon taille est a rapport bénéfice-risque exploration.
C'est pourquoi ils sont appelé échantillon taille explorateurs.
Toi vouloir à explorer
comment différent hypothèses sont en allant à impact ton échantillon taille.
Maintenant, plus est en général mieux,
mais comme nous tous savoir, plus frais plus, et plus pourrait pas être possible.
Allons-y commencer avec a simple exemple
de dimensionnement le étude pour comparer deux moyens.
Bien à le Ajuster Y par X plate-forme,
et Bien regarder à le Pouvoir Explorateur pour deux indépendant échantillon moyens.
Ce échantillon taille exemple est basé sur
a réel situation où a entreprise est dans le Recherche et développement phase.
Ils sont faire a échantillon collection étude. Que pourrait être sang, nasale écouvillons, salive.
Il y a Non primaire point final parce que c'est un Recherche et développement étude.
Ils sont toujours dans le Recherche et développement phase, mais ils besoin a échantillon, a pouvoir analyse.
Ils étaient demandé pour pouvoir analyse par le entité que est considérant
financement le projet.
Comment peut nous fournir a pouvoir analyse sans a primaire saisir?
Bien, meilleur pensée ici est un,
nous pourrait dire, "Hé, nous ne peut pas faire a pouvoir analyse,"
ou, connaissance que le financement entité veut a pouvoir analyse
à montrer que nous avons pensée à propos le étude et nous avons pensée à propos comment beaucoup personnes
étaient demander eux à inscrire, nous pourrait générer a recherche point final.
Dans que cas, étaient en allant à demander, "Peut I distinguer le différence dans moyens
entre mon malade et en bonne santé sujets pour quelques primaire biologique des marqueurs ?"
Bien utiliser le échantillon taille depuis le pouvoir analyse
et le attendu prévalence de maladie à justifier le nombre
de sujets, étaient demandant à inscrire dans le étude.
I besoin à comprendre test pour comparer à indépendant moyens,
et I besoin a calculatrice pour le pouvoir de a test à comparer à indépendant moyens.
Quoi I comme à demander moi-même est si I avait données, quoi serait I faire?
Si I comprendre quoi analyse Je suis en allant à faire,
c'est en allant à aide moi déterminer quoi échantillon taille I besoin.
Parfois tu vas avoir pilote données,
et parfois toi peut juste faire en haut données à aide toi chiffre dehors
quoi analyse sont toi en allant à faire et quoi échantillon dimensionnement devrait toi faire.
Allons-y prendre a regarder à ce.
Je suis en allant à ouvrir a données tableau, et ce est juste généré données.
J'ai a obtenu a malade… I avoir 15 malade patients et 15 en bonne santé patients.
Je suis en allant à faire a Ajuster Y par X.
Je vais faire a couple de des choses ici: notre gamme, Je suis en allant à arrosage mon points,
Je suis en allant à courir a Test t, et I comme à regarder à le densités.
Voici deux exemples de quoi quelques données pourrait regarder comme.
Sur le gauche est a assez séparé populations
de résultats, le biomarqueur nombre un.
Le différence est à propos 2, 2.5.
Ces étaient généré depuis a normale distribution
comme étaient le ceux sur le main droite côté.
Ici, le différence est a petit moins.
Toi peut voir dans les deux lieux,
nous serait conclure que il y a a différence entre ces deux populations.
Le un sur le droite être plus proche ensemble
est Plus fort à différencier que le un sur le gauche.
Nous utilisé a Test T pour que.
Maintenant le question devient,
comment beaucoup échantillons serait I besoin
si Je suis en allant à courir ce expérience?
Encore, allons regarder à que.
Laisser moi juste étape à travers mon Flux de travail Constructeur
donc il ferme vers le bas notre données tables.
BICHE Échantillon Taille Explorateur p puissance.
I vouloir pouvoir pour deux indépendant échantillon moyens.
I tirer que en haut, tu vas voir que il y a assez a peu des choses à regarder à.
D'abord, nous avoir le test taper. C'est en allant à être à double face.
Notre Alpha est 0,05,
et le groupe population standard écarts sont pas supposé à être connu.
Étaient deviner à ceux.
À calculer mon échantillon taille, I besoin à remplir dans ce information.
Ce est mon calculatrice partie. I avoir deux groupes.
Je suis en allant à commencer sur ici sur le main droite côté.
I avoir deux groupe standard écarts à mettre dans estimations pour.
Je suis en allant à supposer que un groupe est moins variable que le autre groupe.
Suivant, I besoin à remplir dans le différence à détecter.
Ici, Je suis en utilisant standard déviation unités,
et Je suis en allant à dire I vouloir à détecter a un standard déviation unité différence.
Suivant, J'ai a obtenu droite maintenant échantillon taille de 30 dans chaque groupe
que donne moi a très haut pouvoir.
Je suis en allant à inférieur ce pouvoir à 90,
et I voir que pour a pouvoir de 90 à détecter a différence de un
entre ces deux groupes, I besoin a échantillon taille
de 15 sujets dans chaque groupe.
Que semble raisonnable.
Maintenant, toi peut regarder à ces graphique à voir que
comment ton suppositions, ton hypothèses pourrait impact le pouvoir de ton étude.
Nous peut voir que le standard écarts avoir assez a peu de impact.
Comme mon standard déviation augmente,
donc mon données devient plus propagé dehors, mon pouvoir diminue.
C'est en allant à être Plus fort à détecter ce différence.
Toi peut voir étaient à a doux place dans le échantillon taille.
Comme I augmenter le échantillon taille,
mon pouvoir est en allant à augmenter, mais pas terriblement considérablement.
Comme I diminuer, si I est allé vers le bas à à propos 10,
mon pouvoir est en allant à aller vers le bas à à propos huit.
Mais allons aller dos à le indiquer maintenant.
I vouloir à propos 15 échantillons par groupe.
Dans ce exemple, à obtenir 15 positif échantillons
depuis a étude où Je suis inscription personnes,
et si I avoir a 10 % prévalence taux
de maladie sur le étude période, I serait besoin à propos 150 sujets.
Si le prévalence était faible ou dire, seulement 5%, alors I serait besoin 300 sujets.
Encore, échantillon taille est a risque avantage calcul,
donc nous vouloir à considérer divers échantillon tailles.
Tous droite, maintenant à notre deuxième exemple.
Ce est dimensionnement a étude avec a proportion point final.
Bien utiliser le distribution plate-forme
et Bien utiliser le Intervalle Explorateur pour un échantillon proportion.
Ce est basé sur le question de comment beaucoup échantillons faire I besoin
à démontrer sensibilité et spécificité pour réglementaire dépôt?
I faire a parcelle de travail dans diagnostic.
Dans diagnostic, sensibilité est simplement le proportion de positif cas
que ton test appels positif, et le spécificité est le proportion
de négatif cas que ton test appels négatif.
Nous en général calculer échantillon taille pour chaque de ces métrique individuellement,
et alors nous ajouter pour le total échantillon taille pour a rétrospective étude
où J'ai déjà a obtenu échantillons, peut-être dans a congélateur ou depuis a partenaire,
et Je suis juste en allant à tirer dehors le ceux que I besoin.
Pour a éventuel étude, encore, nous serait utiliser le prévalence
à calculer le total nombre de sujets à inscrire,
de la même manière comme nous a fait dans le dernier exemple.
Encore, nous besoin quelques préliminaire information.
Le but de ce étude est a réglementaire dépôt,
donc a haut niveau de preuve est nécessaire.
Alors ce particulier industrie secteur, I besoin à démontrer
que le inférieur confiance limite pour sensibilité et spécificité
est plus grand que 80 %.
Le étude conception est a rétrospective étude.
C'est a revoir de tomodensitométrie balayage .
Le hypothèses sont que le sensibilité de identifier
le résultat est 0,9 et spécificité est 0,85.
I besoin à comprendre le confiance intervalle comme un résultat,
et I besoin a calculatrice pour confiance intervalle pour proportion.
Encore, le question, si I avait données, quoi serait I faire?
Allons-y regarder à que.
Encore, I généré quelques données.
I avoir a référence standard où I avait à propos 145 négatif échantillons
et 144 positif cas ou échantillons.
Alors I avoir le test résultats, positif et négatif.
Toi peut voir ils sont pas parfait.
Quelques de le cas que le test appels négatif sont en fait positif,
et quelques de le cas que le test appels positif sont en fait négatif.
Comment serait I regarder à ce?
Bien, I pourrait tabuler il
et viens en haut avec le % de positif cas que le test appels positif
et le % de négatif cas que le test appels négatif.
Mais I vouloir confiance intervalles.
Je suis en allant à utiliser le distribution plate-forme,
et Je suis en allant à regarder à le proportion dans le test cas par le référence cas.
Encore, allons ajouter…
Nous vouloir à ajouter, Désolé, faux rouge triangle menu.
Nous vouloir à ajouter confiance intervalles,
et I détenu vers le bas mon Contrôle clé à diffuser ceux.
Maintenant I peut regarder et voir qu'est-ce que en allant sur ici.
Pour le cas que par le référence sont positif,
le nouveau méthode appels 135 de ceux positif, donc 93,75,
et I avoir mon confiance intervalle que va depuis 88-96,6
Tu vas voir ce note ici que dit, calculé en utilisant score confiance intervalles.
Alors le chose à note ici
est que a score confiance intervalle est pas symétrique.
Nous peut regarder à que.
Ici I généré a graphique,
et toi peut voir que quand étaient à le faible fin,
donc a probabilité de 0,1,
toi peut voir que le supérieur confiance limite est plus haut
comme comparé à le indiquer estimation que le inférieur confiance intervalle.
Le indiquer estimations sont pas centré dans le milieu de ces confiance intervalles.
C'est juste le nature de ce cœur confiance intervalle.
Le question maintenant est,
comment beaucoup échantillons faire I besoin à montrer que
mon inférieur confiance limite est à moins 0,8, donné le hypothèses de ici
nous avait pour sensibilité, lequel est le positif côté,
que nous étaient en allant à être plus grand que 0,9, et sur le négatif côté
que nous étaient en allant à être plus grand que 0,85.
Ici nous peut voir que à 0,85, mon inférieur confiance limite est seulement 0,78.
I serait besoin a peu plus échantillons dans commande à
montrer que mon inférieur confiance limite est plus grand que 0,8.
Encore, le question est maintenant que I comprendre quoi Je suis regarder pour
est comment beaucoup données devrait I collecter?
Allons-y aller à BICHE Échantillon Taille Explorateur,
confiance intervalles pour un échantillon proportion.
Allons-y mettre dans ce exemple ici.
Allons-y mettre dans notre proportion de 0,9375,
et le échantillon taille que nous avait utilisé ici, lequel était 144.
I avait gauche le intervalle taper comme recto verso,
confiance intervalles, confiance niveau est 95 %.
Avec le échantillon taille de 144, si mon proportion vient dehors à être 93,75,
mon marge de erreur est 0,04.
D'accord, eh bien, qu'est-ce que marge de erreur?
Marge de erreur est le moitié largeur de le confiance intervalle.
Si il était a symétrique confiance intervalle,
il serait être ton plus ou moins valeur sur ton indiquer estimation.
Mais dans le cas de a score confiance intervalle,
et c'est quoi ce calculatrice est basé sur,
ce est le moitié largeur de ton confiance intervalle.
Mais nous peut voir que…
Avec le 93,75, le marge de erreur de 0,04,
c'est pas simplement a moins 0,04 depuis ce 93,75
parce que nous remarqué que quand nous a fait ce calcul
que notre inférieur confiance limite était 0,88.
Ce échantillon taille est plus que suffisant pour quoi nous nécessaire.
Nous seulement nécessaire a confiance limite de 0,8. Allons-y faire que calcul.
Allons-y mettre dans notre supposé valeur de 0,9,
et allons mettre dans a marge de erreur de, dire, 0,08.
Nous savoir que 0,1 est en allant à sous-estimer notre échantillon taille.
Si nous faire ce et nous dire, tous droite, pour a proportion de 0,9,
marge de erreur est 0,08, notre échantillon taille, il dit, est 56.
D'accord, Bien, allons vérifier deux fois que.
À faire que,
I construit a calculatrice
où I peut mettre dans mon supposé proportion et I peut mettre dans ce valeur de 56.
Si I courir ce distribution,
et quoi I a fait ici est I avoir un résultat de un et zéro, et I avoir a fréquence.
Si I relancer ce,
I utiliser le résultat et I utiliser le fréquence colonne
à donner moi le distribution comme si I avait 51 ans et six zéros dans mon données déposer.
Bien, quoi fait que regarder comme?
Avec a échantillon taille de 56,
a proportion de à propos 0,9, mon inférieur confiance limite,
en utilisant a score confiance intervalle est 0,78.
Ce échantillon taille de 56 donne moi le précision que I demandé pour,
le marge de erreur de 0,08, mais il n'a pas assez donner moi
le inférieur limite sur ce confiance intervalle que I besoin pour ce situation.
Allons-y mettre dans a légèrement plus grand échantillon taille.
Allons-y faire ce 65.
Que donne moi a marge de erreur de 0,074, lequel est légèrement plus serré que le 0,08,
et allons voir quoi que apparence comme dans mon score confiance intervalle.
Si I faire que, maintenant I voir que mon inférieur confiance limite est au-dessus de le 0,8.
Le indiquer de ce était pas à…
Le indiquer de ce était vraiment à montrer toi que c'est important à comprendre
quoi il est tu es en essayant à montrer, et c'est important à comprendre
quoi est il que ton échantillon taille calculatrice est fournir à toi.
Là sont échantillon taille calculatrices tous sur le Internet.
Alors dans JMP, nous avoir a entier tué de échantillon taille calculatrices,
explorateurs à regarder à.
C'est important à comprendre quoi est ton point final,
quoi sont toi en essayant à résoudre, et quoi est il que ton calculatrice
est calculateur pour toi.
Une fois toi faire que, alors tu es mieux informé
pour fabrication décisions comme à comment beaucoup échantillons faire toi vraiment besoin.
Allons-y finition en haut avec juste a peu bref commentaires sur supplémentaire sujets.
Autre façons que toi peut obtenir à échantillon taille.
Un est simulation.
Toi peut utiliser pilote données à définir distributions,
utiliser aléatoire nombre générateurs à générer a étude basé sur ceux distributions.
Alors toi peut analyser que données à voir si ton point final est de.
Est il de? Oui ou Non?
Alors toi peut répéter que quelques grand nombre de fois
et calculer le partie de fois, ton point final est de.
Dans a sens, ton pouvoir.
Comment probable sont toi à rencontrer ton point final donné ton hypothèses ?
I comme à faire que. Simulation est utile.
Encore, cependant, c'est tous basé sur ton hypothèses.
Si ton hypothèses sont faux, ton échantillon taille peut pas être grand assez.
Un autre chose que souvent ça arrive est que nous avoir à faire
le meilleur allocations de quoi nous avoir.
Nous peut avoir 1 000 échantillons dans le congélateur
et nous savoir quoi leur résultats sont et nous vouloir à test eux sur a nouveau test
ou nous vouloir à développer a nouveau test.
Comment beaucoup peut nous utiliser à former un algorithme?
Comment beaucoup faire nous besoin à utiliser à valider que algorithme?
Parfois nous avoir à prendre le échantillon Nombres que nous avoir.
Utiliser le échantillon taille explorateurs à évaluer quoi toi pourrait être capable à conclure,
et alors utiliser ceux résultats à décider si quoi toi avoir est suffisant à procéder
avec le expériences
et le développement de ton test ou produit.
C'est quoi I avoir sur échantillon taille. C'est plus que a nombre.
C'est basé sur quoi il est tu es en essayant à décider
et comment tu es en allant à analyser le données une fois toi obtenir que données.
C'est un exploration, toi vouloir à prendre dans compte
comment faire ceux hypothèses que toi faire impact ceux échantillon tailles
et haie ton paris pour a super résultat.
Remercier toi, et c'est il.
