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 その 平均 の 二 人口、
そして その 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 その DOE メニュー？ どれの 1つ する I 使用？
良い、 さあ 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 一つの 実験 設計された 先に の 時間。
それは なぜ 彼らは で その DOE メニュー。
サンプル サイズ 依存する の上 その 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、 一つの 研究開発 質問、 または a 単純 探検？
何ですか その 主要な 終点 の あなたの 勉強？ 何 は あなた 試して 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 リスクとベネフィット 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 コスト 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 その 勉強 のために 比較する 二 手段。
良い で その 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 その 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 その 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 一つの 研究開発 勉強。
彼らは まだ で その 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 その 実在物 それ は 考慮して
資金調達 その 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 その 資金調達 実在物 望んでいる a 力 分析
に 見せる それ 私たちは 考え について その 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 その 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 その サンプル サイズ から その 力 分析
そして その 期待される 有病率 の 病気 に 正当化する その 番号
の 科目、 だった 要求する に 登録する で その 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 その 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 水やり 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 その 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 その 左 は a かなり 分離された 人口
の 結果、 その バイオマーカー 番号 1つ。
その 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 その もの の上 その 右手 側。
ここ、 その 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。
その 1つ の上 その 右 いる より近い 一緒に
は もっと強く に 差別化する よりも その 1つ の上 その 左。
私たちは 使用済み a T検定 のために それ。
今 その 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、 さあ 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 閉まる 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 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 その 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 その グループ 人口 標準 逸脱 は ない 想定される に なれ 知られています。
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 その 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 その 他の グループ。
次、 I 必要 に 埋める で その 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 その 力 の あなたの 勉強。
私たちは できる 見る それ その 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、
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 その サンプル サイズ。
として I 増加 その 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 さあ 行く 戻る に その 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 人々、
そして もし I 持っている a 10 % 有病率 レート
の 病気 以上 その 勉強 期間、 I だろう 必要 について 150 科目。
もし その 有病率 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 その 分布 プラットフォーム
そして 良い 使用 その 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 その 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 ファイリング？
I する a 多く の 仕事 で 診断。
で 診断、 感度 は 単に その 割合 の ポジティブ 症例
それ あなたの テスト 通話 ポジティブ、 そして その 特異性 は その 割合
の ネガティブ 症例 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 その 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 その もの それ I 必要。
のために a 将来的な 勉強、 また、 私たちは だろう 使用 その 有病率
に 計算する その 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 その 最後 例。
また、 私たちは 必要 いくつかの 予備 情報。
その 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 その より低い 自信 制限 のために 感度 そして 特異性
は 大きい よりも 80 %。
その 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 .
その 仮定 は それ その 感度 の 識別する
その 結果 は 0.9 そして 特異性 は 0.85。
I 必要 に 理解する その 自信 間隔 として 一つの 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、 その 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 症例 または サンプル。
それから I 持っている その 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 その 症例 それ その 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 その 症例 それ その 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 その % の ポジティブ 症例 それ その テスト 通話 ポジティブ
そして その % の ネガティブ 症例 それ その 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 その 分布 プラットフォーム、
そして 私は 行く に 見て で その 割合 で その テスト 症例 による その 参照 場合。
また、 さあ 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 その 症例 それ による その 参照 は ポジティブ、
その 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 その 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 その 低い 終わり、
それで a 確率 の 0.1、
あなた できる 見る それ その アッパー 自信 制限 は より高い
として 比較すると に その ポイント 見積もり よりも その より低い 自信 間隔。
その ポイント 推定値 は ない 中央揃え で その 真ん中 の これら 自信 間隔。
それは ただ その 自然 の これ コア 自信 間隔。
その 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 その 仮定 の ここ
私たちは 持っていた のために 感度、 どれの は その ポジティブ 側、
それ 私たちは だった 行く に なれ 大きい よりも 0.9、 そして の上 その ネガティブ 側
それ 私たちは だった 行く に なれ 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 大きい よりも 0.8。
また、 その 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 その 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 その 間隔 タイプ として 両面、
自信 間隔、 自信 レベル は 95 %。
と その 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 その 半分 幅 の その 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 その 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 その 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 その 93.75、 その 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 さあ 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、 さあ 再確認 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 一つの 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 その 結果 そして I 使用 その 頻度 カラム
に 与える 自分 その 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 その 精度 それ I 尋ねた のために、
その 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
その 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 よりタイト よりも その 0.08、
そして さあ 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 その 0.8。
その ポイント の これ だった ない に…
その 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 試して 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 その 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、
探検家たち 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 試して 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 分布、
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 配布物。
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 その 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
その 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 その 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 一つの 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 その サンプル 数字 それ 私たちは 持っている。
使用 その サンプル サイズ 探検家たち 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 その 実験
そして その 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 試して に 決める
そして どうやって あなたは 行く に 分析する その データ 一度 あなた 得る それ データ。
その 一つの 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。
