Chciałbym przeprowadzić analizę mocy dla pojedynczej próbki z danych dwumianowych, przy , w porównaniu do , gdzie jest odsetkiem sukcesów w populacji. Jeśli , mógłbym użyć albo normalnego przybliżenia do dwumianowego, albo , ale przy , oba kończą się niepowodzeniem. Chciałbym wiedzieć, czy istnieje sposób na przeprowadzenie tej analizy. Byłbym bardzo wdzięczny za wszelkie sugestie, komentarze lub referencje. Wielkie dzięki! p = 0
hypothesis-testing
sample-size
power-analysis
power
użytkownik765195
źródło
źródło
Odpowiedzi:
Masz jednostronny, dokładny hipoteza alternatywna gdzie p 1 = 0,001 i p 0 = 0 .p1>p0 p1=0.001 p0=0
Drugi krok w R przy :n=500
Aby dowiedzieć się, jak zmienia się moc wraz z rozmiarem próbki, możesz narysować funkcję mocy:
Jeśli chcesz wiedzieć, jakiej wielkości próbki potrzebujesz, aby uzyskać co najmniej określoną moc, możesz użyć wartości mocy obliczonych powyżej. Powiedz, że chcesz mocy co najmniej .0.5
Potrzebujesz próbki o wielkości co najmniej aby uzyskać moc 0,5 .693 0.5
źródło
pwr.p.test
, dla mocy 0,5 potrzebujesz co najmniej 677 obserwacji. Ale moc = 0,5 jest bardzo niska!pwr.p.test()
używa normalnego przybliżenia, a nie dokładnych rozkładów dwumianowych. Wystarczy wpisać,pwr.p.test
aby zobaczyć kod źródłowy. Znajdziesz wezwania dopnorm()
wskazania, że zastosowano przybliżenie.Możesz łatwo odpowiedzieć na to pytanie, korzystając z
pwr
pakietu w języku R.Konieczne będzie zdefiniowanie poziomu istotności, mocy i wielkości efektu. Zazwyczaj poziom istotności jest ustawiony na 0,05, a moc jest ustawiona na 0,8. Wyższa moc będzie wymagała więcej obserwacji. Niższy poziom istotności obniży moc.
Wielkość efektu dla proporcji użytych w tym pakiecie to h Cohena. Wartość odcięcia dla małego h często przyjmuje się jako 0,20. Rzeczywista wartość graniczna zależy od aplikacji i może być mniejsza w twoim przypadku. Mniejszy h oznacza, że wymagane będą dalsze obserwacje. Powiedziałeś, że twoją alternatywą jest . To jest bardzo małep=0.001
Ale nadal możemy kontynuować.
Korzystając z tych wartości, potrzebujesz co najmniej 1546 obserwacji.
źródło
W twoim konkretnym przypadku istnieje proste dokładne rozwiązanie:
źródło