무엇
이었다
가고 있다
에게
말하다
~에 대한
오늘
~이다
a 단순한 소개 에게 견본 크기 생각.
그 다음에 잘 바라보다 ~에 둘 예시; 하나, 비교하다 그만큼 평균 ~의 둘 인구,
그리고 그만큼 두번째, 찾고 ~에 a 공부하다 ~와 함께 a 비율 종점,
그리고 잘 포장하다 위로 ~와 함께 일부 추가의 생각.
A 질문 나는 자주 물었다 이다, 무엇 견본 크기 하다 I 필요?
하나 ~할 것 같다 생각하다, "오, 그게 쉬운. 단지 사용 a 견본 크기 계산자."
하지만 기다리다 a 두번째.
왜 하다 제이엠피 부르다 견본 크기 계산기 탐험가?
왜 ~이다 그들 ~에 그만큼 암사슴 메뉴? 어느 하나 하다 I 사용?
잘, 하자 말하다 ~에 대한 일부 견본 크기 기초.
A 견본 크기 ~이다 계획된 이전의 에게 달리기 a 공부하다.
A 공부하다 ~이다 한 실험 설계됨 앞으로 ~의 시간.
그것이다 왜 그들은 ~에 그만큼 암사슴 메뉴.
견본 크기 달려있다 ~에 그만큼 목표 ~의 a 공부하다.
I 자주 부르다 이것, ~이다 너 만들기 a 5달러 결정 또는 a 50달러 백만 결정?
~이다 너 찾고 ~에 a 규제 정리,
a 출판, 한 연구개발 질문, 또는 a 단순한 탐구?
뭐야? 그만큼 주요한 종점 ~의 당신의 공부하다? 무엇 ~이다 너 견딜 수 없는 에게 보여주다?
어떻게 ~이다 당신의 공부하다 설계? 무엇 ~이다 당신의 결과 가정?
이것들 ~할 것 같다 BE 기반을 둔 ~에 이전의 지식,
a 조종사 데이터, 또는 자주, 또는 단지 간단히 추측.
견본 크기 ~이다 a 위험-편익 탐구.
그것이다 왜 그들은 ~라고 불리는 견본 크기 탐험가들.
너 원하다 에게 탐구하다
어떻게 다른 가정 ~이다 가고 있다 에게 영향 당신의 견본 크기.
지금, 더 ~이다 일반적으로 더 나은,
하지만 ~처럼 우리 모두 알다, 더 소송 비용 더, 그리고 더 ~할 것 같다 ~ 아니다 BE 가능한.
하자 시작 ~와 함께 a 단순한 예
~의 사이징 그만큼 공부하다 ~을 위한 비교하다 둘 수단.
잘 ~에 그만큼 맞다 Y ~에 의해 X 플랫폼,
그리고 잘 바라보다 ~에 그만큼 힘 탐침 ~을 위한 둘 독립적인 견본 수단.
이것 견본 크기 예 ~이다 기반을 둔 ~에
a 진짜 상황 어디 a 회사 ~이다 ~에 그만큼 연구개발 단계.
그들은 행위 a 견본 수집 공부하다. 저것 ~할 수 있었다 BE 피, 비강 면봉, 타액.
있다 아니요 주요한 종점 왜냐하면 그것은 한 연구개발 공부하다.
그들은 아직 ~에 그만큼 연구개발 단계, 하지만 그들 필요 a 견본, a 힘 분석.
그들 ~이었다 물었다 ~을 위한 힘 분석 ~에 의해 그만큼 실재 저것 ~이다 치고는
자금 조달 그만큼 프로젝트.
어떻게 ~할 수 있다 우리 제공하다 a 힘 분석 없이 a 주요한 입력?
잘, 최상의 생각 여기 ~이다 하나,
우리 ~할 수 있었다 말하다, "여기요, 우리 캔트 하다 a 힘 분석,"
또는, 앎 저것 그만큼 자금 조달 실재 원한다 a 힘 분석
에게 보여주다 저것 우리는 생각 ~에 대한 그만큼 공부하다 그리고 우리는 생각 ~에 대한 어떻게 많은 사람들
~이었다 질문 그들을 에게 싸다, 우리 ~할 수 있었다 생성하다 a 연구 종점.
~ 안에 저것 사례, 이었다 가고 있다 에게 묻다, "할 수 있다 I 구별하다 그만큼 차이점 ~에 수단
~ 사이 나의 아픈 그리고 건강한 과목 ~을 위한 일부 주요한 생물학적 마커?"
잘 사용 그만큼 견본 크기 ~에서 그만큼 힘 분석
그리고 그만큼 예상되는 널리 퍼짐 ~의 병 에게 신이 옳다고 하다 그만큼 숫자
~의 과목, 이었다 요청하다 에게 싸다 ~에 그만큼 공부하다.
I 필요 에게 이해하다 시험 ~을 위한 비교하다 에게 독립적인 수단,
그리고 I 필요 a 계산자 ~을 위한 그만큼 힘 ~의 a 시험 에게 비교하다 에게 독립적인 수단.
무엇 I 좋다 에게 묻다 내 자신 ~이다 만약에 I 가졌다 데이터, 무엇 ~일 것이다 I 하다?
만약에 I 이해하다 무엇 분석 나는 가고 있다 에게 하다,
그게 가고 있다 에게 돕다 나 결정하다 무엇 견본 크기 I 필요.
때때로 당신은 할 것이다 가지다 조종사 데이터,
그리고 때때로 너 ~할 수 있다 단지 만들다 위로 데이터 에게 돕다 너 수치 밖으로
무엇 분석 ~이다 너 가고 있다 에게 하다 그리고 무엇 견본 사이징 ~해야 한다 너 하다.
하자 가져가다 a 바라보다 ~에 이것.
나는 가고 있다 에게 열려 있는 a 데이터 테이블, 그리고 이것 ~이다 단지 생성됨 데이터.
나는 갖다 a 아픈… I 가지다 15 아픈 환자들 그리고 15 건강한 환자.
나는 가고 있다 에게 하다 a 맞다 Y ~에 의해 엑스.
아픈 하다 a 커플 ~의 것들 여기: 우리의 범위, 나는 가고 있다 에게 살수 나의 전철기,
나는 가고 있다 에게 달리다 a t-검정, 그리고 I 좋다 에게 바라보다 ~에 그만큼 밀도.
여기 있습니다 둘 예시 ~의 무엇 일부 데이터 ~할 것 같다 바라보다 좋다.
~에 그만큼 왼쪽 ~이다 a 꽤 분리된 인구
~의 결과, 그만큼 바이오마커 숫자 하나.
그만큼 차이점 ~이다 ~에 대한 2, 2.5.
이것들 ~이었다 생성됨 ~에서 a 정상 분포
~처럼 ~이었다 그만큼 1들 ~에 그만큼 오른손 옆.
여기, 그만큼 차이점 ~이다 a 작은 더 적은.
너 ~할 수 있다 보다 ~에 둘 다 장소,
우리 ~일 것이다 끝내다 저것 있다 a 차이점 ~ 사이 이것들 둘 인구.
그만큼 하나 ~에 그만큼 오른쪽 존재 더 가까이 함께
~이다 더 어렵다 에게 구별 짓다 ~보다 그만큼 하나 ~에 그만큼 왼쪽.
우리 사용된 a t-검정 ~을 위한 저것.
지금 그만큼 질문 된다,
어떻게 많은 샘플 ~일 것이다 I 필요
만약에 나는 가고 있다 에게 달리다 이것 실험?
다시, 하자 바라보다 ~에 저것.
허락하다 나 단지 단계 ~을 통해 나의 워크플로 빌더
그래서 그것 닫는다 아래에 우리의 데이터 테이블.
암사슴 견본 크기 탐색기 p 전원.
I 원하다 힘 ~을 위한 둘 독립적인 견본 수단.
I 당기다 저것 위로, 당신은 할 것이다 보다 저것 있다 상당히 a 약간의 것들 에게 바라보다 에.
첫 번째, 우리 가지다 그만큼 시험 유형. 그것은 가고 있다 에게 BE 양면적.
우리의 알파 ~이다 0.05,
그리고 그만큼 그룹 인구 기준 편차 ~이다 ~ 아니다 꾸민 에게 BE 알려진.
이었다 추측 ~에 저것들.
에게 믿다 나의 견본 크기, I 필요 에게 채우다 ~에 이것 정보.
이것 ~이다 나의 계산자 부분. I 가지다 둘 여러 떼.
나는 가고 있다 에게 시작 ~ 위에 여기 ~에 그만큼 오른손 옆.
I 가지다 둘 그룹 기준 편차 에게 놓다 ~에 추정치 을 위한.
나는 가고 있다 에게 추정하다 저것 하나 그룹 ~이다 더 적은 변하기 쉬운 ~보다 그만큼 다른 그룹.
다음, I 필요 에게 채우다 ~에 그만큼 차이점 에게 감지하다.
여기, 나는 사용 중 기준 편차 단위,
그리고 나는 가고 있다 에게 말하다 I 원하다 에게 감지하다 a 하나 기준 편차 단위 차이점.
다음, 나는 갖다 오른쪽 지금 견본 크기 ~의 30 ~에 각 그룹
저것 준다 나 a 매우 높은 힘.
나는 가고 있다 에게 낮추다 이것 힘 에게 90,
그리고 I 보다 저것 ~을 위한 a 힘 ~의 90 에게 감지하다 a 차이점 ~의 하나
~ 사이 이것들 둘 여러 떼, I 필요 a 견본 크기
~의 15 과목 ~에 각 그룹.
저것 보인다 합리적인.
지금, 너 ~할 수 있다 바라보다 ~에 이것들 제도법 에게 보다 저것
어떻게 당신의 추측, 당신의 가정 ~할 것 같다 영향 그만큼 힘 ~의 당신의 공부하다.
우리 ~할 수 있다 보다 저것 그만큼 기준 편차 가지다 상당히 a 조금 ~의 영향.
처럼 나의 기준 편차 증가하다,
그래서 나의 데이터 된다 더 확산 밖으로, 나의 힘 감소합니다.
그것은 가고 있다 에게 BE 더 어렵다 에게 감지하다 이것 차이점.
너 ~할 수 있다 보다 이었다 ~에 a 달콤한 점 ~에 그만큼 견본 크기.
처럼 I 증가하다 그만큼 견본 크기,
나의 힘 ~이다 가고 있다 에게 증가하다, 하지만 ~ 아니다 몹시 매우.
처럼 I 감소하다, 만약에 I 갔다 아래에 에게 ~에 대한 10,
나의 힘 ~이다 가고 있다 에게 가다 아래에 에게 ~에 대한 여덟.
하지만 하자 가다 뒤쪽에 에게 그만큼 가리키다 지금.
I 원하다 ~에 대한 15 샘플 당 그룹.
~ 안에 이것 사례, 에게 얻다 15 긍정적인 샘플
~에서 a 공부하다 어디 나는 등록 중 사람들,
그리고 만약에 I 가지다 a 10 % 널리 퍼짐 비율
~의 병 ~ 위에 그만큼 공부하다 기간, I ~일 것이다 필요 ~에 대한 150 과목.
만약에 그만큼 널리 퍼짐 ~였다 낮은 또는 말하다, 오직 5%, 그 다음에 I ~일 것이다 필요 300 과목.
다시, 견본 크기 ~이다 a 위험 혜택 계산,
그래서 우리 원하다 에게 고려하다 다양한 견본 사이즈.
모두 오른쪽, 지금 에게 우리의 두번째 예.
이것 ~이다 사이징 a 공부하다 ~와 함께 a 비율 종점.
잘 사용 그만큼 분포 플랫폼
그리고 잘 사용 그만큼 간격 탐침 ~을 위한 하나 견본 비율.
이것 ~이다 기반을 둔 ~에 그만큼 질문 ~의 어떻게 많은 샘플 하다 I 필요
에게 입증하다 감광도 그리고 특성 ~을 위한 규제 줄질?
I 하다 a 많은 ~의 일하다 ~에 진단.
~ 안에 진단, 감광도 ~이다 간단히 그만큼 비율 ~의 긍정적인 사례
저것 당신의 시험 전화 긍정적인, 그리고 그만큼 특성 ~이다 그만큼 비율
~의 부정적인 사례 저것 당신의 시험 전화 부정적인.
우리 일반적으로 믿다 견본 크기 ~을 위한 각 ~의 이것들 메트릭 개별적으로,
그리고 그 다음에 우리 추가하다 ~을 위한 그만큼 총 견본 크기 ~을 위한 a 회고적 공부하다
어디 나는 이미 갖다 샘플, 아마도 ~에 a 냉동고 또는 ~에서 a 파트너,
그리고 나는 단지 가고 있다 에게 당기다 밖으로 그만큼 1들 저것 I 필요.
을 위한 a 미래의 공부하다, 다시, 우리 ~일 것이다 사용 그만큼 널리 퍼짐
에게 믿다 그만큼 총 숫자 ~의 과목 에게 싸다,
비슷하게 ~처럼 우리 했다 ~에 그만큼 마지막 예.
다시, 우리 필요 일부 예비의 정보.
그만큼 목표 ~의 이것 공부하다 ~이다 a 규제 줄질,
그래서 a 높은 수준 ~의 증거 ~이다 필요합니다.
그 다음에 이것 특정한 산업 부문, I 필요 에게 입증하다
저것 그만큼 낮추다 신뢰 한계 ~을 위한 감광도 그리고 특성
~이다 보다 큰 ~보다 80 %.
그만큼 공부하다 설계 ~이다 a 회고적 공부하다.
그것은 a 검토 ~의 CT 주사 .
그만큼 가정 ~이다 저것 그만큼 감광도 ~의 식별
그만큼 결과 ~이다 0.9 그리고 특성 ~이다 0.85.
I 필요 에게 이해하다 그만큼 신뢰 간격 ~처럼 한 결과,
그리고 I 필요 a 계산자 ~을 위한 신뢰 간격 ~을 위한 비율.
다시, 그만큼 질문, 만약에 I 가졌다 데이터, 무엇 ~일 것이다 I 하다?
하자 바라보다 ~에 저것.
다시, I 생성됨 일부 데이터.
I 가지다 a 참조 기준 어디 I 가졌다 ~에 대한 145 부정적인 샘플
그리고 144 긍정적인 사례 또는 샘플.
그 다음에 I 가지다 그만큼 시험 결과, 긍정적인 그리고 부정적인.
너 ~할 수 있다 보다 그들은 ~ 아니다 완벽한.
일부 ~의 그만큼 사례 저것 그만큼 시험 전화 부정적인 ~이다 실제로 긍정적인,
그리고 일부 ~의 그만큼 사례 저것 그만큼 시험 전화 긍정적인 ~이다 실제로 부정적인.
어떻게 ~일 것이다 I 바라보다 ~에 이것?
잘, I ~할 수 있었다 표로 만들다 그것
그리고 오다 위로 ~와 함께 그만큼 % ~의 긍정적인 사례 저것 그만큼 시험 전화 긍정적인
그리고 그만큼 % ~의 부정적인 사례 저것 그만큼 시험 전화 부정적인.
하지만 I 원하다 신뢰 간격.
나는 가고 있다 에게 사용 그만큼 분포 플랫폼,
그리고 나는 가고 있다 에게 바라보다 ~에 그만큼 비율 ~에 그만큼 시험 사례 ~에 의해 그만큼 참조 사례.
다시, 하자 추가하다…
우리 원하다 에게 추가하다, 죄송합니다, 잘못된 빨간색 삼각형 메뉴.
우리 원하다 에게 추가하다 신뢰 간격,
그리고 I 유지된 아래에 나의 제어 열쇠 에게 방송 저것들.
지금 I ~할 수 있다 바라보다 그리고 보다 뭐야 가고 있다 ~에 여기.
을 위한 그만큼 사례 저것 ~에 의해 그만큼 참조 ~이다 긍정적인,
그만큼 새로운 방법 전화 135 ~의 저것들 긍정적인, 그래서 93.75,
그리고 I 가지다 나의 신뢰 간격 저것 간다 ~에서 88-96.6
당신은 할 것이다 보다 이것 메모 여기 저것 말한다, 계산된 사용 중 점수 신뢰 간격.
그 다음에 그만큼 물건 에게 메모 여기
~이다 저것 a 점수 신뢰 간격 ~이다 ~ 아니다 대칭적.
우리 ~할 수 있다 바라보다 ~에 저것.
여기 I 생성됨 a 그래픽,
그리고 너 ~할 수 있다 보다 저것 언제 이었다 ~에 그만큼 낮은 끝,
그래서 a 개연성 ~의 0.1,
너 ~할 수 있다 보다 저것 그만큼 높은 신뢰 한계 ~이다 더 높은
~처럼 비교하다 에게 그만큼 가리키다 추정 ~보다 그만큼 낮추다 신뢰 간격.
그만큼 가리키다 추정치 ~이다 ~ 아니다 중앙에 ~에 그만큼 가운데 ~의 이것들 신뢰 간격.
그것이다 단지 그만큼 자연 ~의 이것 핵심 신뢰 간격.
그만큼 질문 지금 이다,
어떻게 많은 샘플 하다 I 필요 에게 보여주다 저것
나의 낮추다 신뢰 한계 ~이다 ~에 최소 0.8, 주어진 그만큼 가정 ~의 여기
우리 가졌다 ~을 위한 감광도, 어느 ~이다 그만큼 긍정적인 옆,
저것 우리 ~이었다 가고 있다 에게 BE 보다 큰 ~보다 0.9, 그리고 ~에 그만큼 부정적인 옆
저것 우리 ~이었다 가고 있다 에게 BE 보다 큰 ~보다 0.85.
여기 우리 ~할 수 있다 보다 저것 ~에 0.85, 나의 낮추다 신뢰 한계 ~이다 오직 0.78.
I ~일 것이다 필요 a 약간의 더 샘플 ~에 주문하다 에게
보여주다 저것 나의 낮추다 신뢰 한계 ~이다 보다 큰 ~보다 0.8.
다시, 그만큼 질문 ~이다 지금 저것 I 이해하다 무엇 나는 찾고 ~을 위한
~이다 어떻게 많이 데이터 ~해야 한다 I 모으다?
하자 가다 에게 암사슴 견본 크기 탐침,
신뢰 간격 ~을 위한 하나 견본 비율.
하자 놓다 ~에 이것 예 여기.
하자 놓다 ~에 우리의 비율 ~의 0.9375,
그리고 그만큼 견본 크기 저것 우리 가졌다 사용된 여기, 어느 ~였다 144.
I 가졌다 왼쪽 그만큼 간격 유형 ~처럼 양면,
신뢰 간격, 신뢰 수준 ~이다 95 %.
와 함께 그만큼 견본 크기 ~의 144, 만약에 나의 비율 온다 밖으로 에게 BE 93.75,
나의 여유 ~의 오류 ~이다 0.04.
좋아, 글쎄요, 뭐야 여유 ~의 오류?
여유 ~의 오류 ~이다 그만큼 반 너비 ~의 그만큼 신뢰 간격.
만약에 그것 ~였다 a 대칭 신뢰 간격,
그것 ~일 것이다 BE 당신의 ...을 더한 또는 마이너스 값 ~ 위에 당신의 가리키다 추정.
하지만 ~에 그만큼 사례 ~의 a 점수 신뢰 간격,
그리고 그게 무엇 이것 계산자 ~이다 기반을 둔 에,
이것 ~이다 그만큼 반 너비 ~의 당신의 신뢰 간격.
하지만 우리 ~할 수 있다 보다 저것…
와 함께 그만큼 93.75, 그만큼 여유 ~의 오류 ~의 0.04,
그것은 ~ 아니다 간단히 a 마이너스 0.04 ~에서 이것 93.75
왜냐하면 우리 알아차렸다 저것 언제 우리 했다 이것 계산
저것 우리의 낮추다 신뢰 한계 ~였다 0.88.
이것 견본 크기 ~이다 더 ~보다 충분한 ~을 위한 무엇 우리 필요합니다.
우리 오직 필요함 a 신뢰 한계 ~의 0.8. 하자 하다 저것 계산.
하자 놓다 ~에 우리의 꾸민 값 ~의 0.9,
그리고 하자 놓다 ~에 a 여유 ~의 오류 의, 말하다, 0.08.
우리 알다 저것 0.1 ~이다 가고 있다 에게 싼 견적 우리의 견본 크기.
만약에 우리 하다 이것 그리고 우리 말하다, 모두 오른쪽, ~을 위한 a 비율 ~의 0.9,
여유 ~의 오류 ~이다 0.08, 우리의 견본 크기, 그것 말한다, ~이다 56.
좋아요, 잘, 하자 다시 확인하다 저것.
에게 하다 저것,
I 건설된 a 계산자
어디 I ~할 수 있다 놓다 ~에 나의 꾸민 비율 그리고 I ~할 수 있다 놓다 ~에 이것 값 ~의 56.
만약에 I 달리다 이것 분포,
그리고 무엇 I 했다 여기 ~이다 I 가지다 한 결과 ~의 하나 그리고 영, 그리고 I 가지다 a 빈도.
만약에 I 재출시 이것,
I 사용 그만큼 결과 그리고 I 사용 그만큼 빈도 열
에게 주다 나 그만큼 분포 ~처럼 만약에 I 가졌다 51년대 그리고 육 0 ~에 나의 데이터 파일.
잘, 무엇 하다 저것 바라보다 좋다?
와 함께 a 견본 크기 ~의 56,
a 비율 ~의 ~에 대한 0.9, 나의 낮추다 신뢰 한계,
사용 중 a 점수 신뢰 간격 ~이다 0.78.
이것 견본 크기 ~의 56 준다 나 그만큼 정도 저것 I 물었다 을 위한,
그만큼 여유 ~의 오류 ~의 0.08, 하지만 그것 하지 않는다 상당히 주다 나
그만큼 낮추다 한계 ~에 이것 신뢰 간격 저것 I 필요 ~을 위한 이것 상황.
하자 놓다 ~에 a 약간 더 큰 견본 크기.
하자 만들다 이것 65.
저것 준다 나 a 여유 ~의 오류 ~의 0.074, 어느 ~이다 약간 더 단단하게 ~보다 그만큼 0.08,
그리고 하자 보다 무엇 저것 외모 좋다 ~에 나의 점수 신뢰 간격.
만약에 I 하다 저것, 지금 I 보다 저것 나의 낮추다 신뢰 한계 ~이다 ~ 위에 그만큼 0.8.
그만큼 가리키다 ~의 이것 ~였다 ~ 아니다 에게…
그만큼 가리키다 ~의 이것 ~였다 정말 에게 보여주다 너 저것 그것은 중요한 에게 이해하다
무엇 그것 ~이다 당신은 견딜 수 없는 에게 보여주다, 그리고 그것은 중요한 에게 이해하다
무엇 ~이다 그것 저것 당신의 견본 크기 계산자 ~이다 제공 에게 너.
거기 ~이다 견본 크기 계산기 모두 ~ 위에 그만큼 인터넷.
그 다음에 ~에 제이엠피, 우리 가지다 a 전체 회전 ~의 견본 크기 계산기,
탐험가들 에게 바라보다 에.
그것은 중요한 에게 이해하다 무엇 ~이다 당신의 종점,
무엇 ~이다 너 견딜 수 없는 에게 해결하다, 그리고 무엇 ~이다 그것 저것 당신의 계산자
~이다 계산 중 ~을 위한 너.
한 번 너 하다 저것, 그 다음에 당신은 더 나은 잘 아는
~을 위한 만들기 결정 ~처럼 에게 어떻게 많은 샘플 하다 너 정말 필요.
하자 마치다 위로 ~와 함께 단지 a 약간의 짧은 댓글 ~에 추가의 주제.
다른 방법 저것 너 ~할 수 있다 얻다 ~에 견본 크기.
하나 ~이다 시뮬레이션.
너 ~할 수 있다 사용 조종사 데이터 에게 정의하다 분포,
사용 무작위의 숫자 발전기 에게 생성하다 a 공부하다 기반을 둔 ~에 저것들 분포.
그 다음에 너 ~할 수 있다 분석하다 저것 데이터 에게 보다 만약에 당신의 종점 ~이다 의.
~이다 그것 의? 예 또는 아니요?
그 다음에 너 ~할 수 있다 반복하다 저것 일부 크기가 큰 숫자 ~의 타임스
그리고 믿다 그만큼 부분 ~의 타임스, 당신의 종점 ~이다 의.
~ 안에 a 감각, 당신의 힘.
어떻게 ~할 것 같은 ~이다 너 에게 만나다 당신의 종점 주어진 당신의 가정?
I 좋다 에게 하다 저것. 시뮬레이션 ~이다 유용한.
다시, 하지만, 그것은 모두 기반을 둔 ~에 당신의 가정.
만약에 당신의 가정 ~이다 잘못된, 당신의 견본 크기 5월 ~ 아니다 BE 크기가 큰 충분한.
또 다른 물건 저것 자주 일어난다 ~이다 저것 우리 가지다 에게 만들다
그만큼 최상의 할당 ~의 무엇 우리 가지다.
우리 5월 가지다 1,000 샘플 ~에 그만큼 냉동고
그리고 우리 알다 무엇 그들의 결과 ~이다 그리고 우리 원하다 에게 시험 그들을 ~에 a 새로운 시험
또는 우리 원하다 에게 개발하다 a 새로운 시험.
어떻게 많은 ~할 수 있다 우리 사용 에게 기차 한 연산?
어떻게 많은 하다 우리 필요 에게 사용 에게 검증하다 저것 연산?
때때로 우리 가지다 에게 가져가다 그만큼 견본 숫자 저것 우리 가지다.
사용 그만큼 견본 크기 탐험가들 에게 평가하다 무엇 너 ~할 것 같다 BE 할 수 있는 에게 끝내다,
그리고 그 다음에 사용 저것들 결과 에게 결정하다 만약에 무엇 너 가지다 ~이다 충분한 에게 진행하다
~와 함께 그만큼 실험
그리고 그만큼 개발 ~의 당신의 시험 또는 제품.
그것이다 무엇 I 가지다 ~에 견본 크기. 그것은 더 ~보다 a 숫자.
그것은 기반을 둔 ~에 무엇 그것 ~이다 당신은 견딜 수 없는 에게 결정하다
그리고 어떻게 당신은 가고 있다 에게 분석하다 그만큼 데이터 한 번 너 얻다 저것 데이터.
그것은 한 탐구, 너 원하다 에게 가져가다 ~ 안으로 계정
어떻게 하다 저것들 가정 저것 너 만들다 영향 저것들 견본 사이즈
그리고 방지책 당신의 베팅 ~을 위한 a 엄청난 결과.
감사하다 너, 그리고 그게 그것.
