Estimation de la taille de l'échantillon test t de Student non appariés en biostatistique
Dans la biostatistique, lorsque l'on compare les moyennes de deux groupes indépendants de sujets en utilisant un test t de Student non apparié, le taille de l'effet est exprimée comme le rapport de # 916- (delta, la différence entre les moyennes des deux groupes) divisé par # 963- (sigma, la-groupe au sein de déviation standard).
Chaque tableau dans la figure suivante montre chevauchant courbes en cloche qui indiquent la quantité de séparation entre deux groupes, avec la taille de l'effet (# 916 - / # 963-) et le nombre requis de sujets analysables dans chaque groupe. Choisissez le tableau qui ressemble à une quantité importante de la séparation entre les deux groupes. Par exemple, si le graphique du milieu (correspondant à une différence entre les deux groupes qui est des trois-quarts aussi grand que l'écart type intra-groupe) ressemble à une quantité importante de la séparation, alors vous avez besoin d'environ 29 sujets analysables par groupe (pour un total de 58 sujets analysables).
Pour les autres # 916 - / # 963- valeurs, utilisez cette règle de base pour estimer la taille de l'échantillon: Vous avez besoin d'environ 16 / (# 916 - / # 963-)2 sujets analysables dans chaque groupe.
A propos Auteur
Estimation de la taille de l'échantillon pour des tests de corrélation en biostatistique Pour un test de corrélation en biostatistique (tels que Pearson ou le test de Spearman), choisir le nuage de points qui ressemble à une quantité importante de corrélation. Chaque graphique montre la valeur de r (le coefficient de corrélation)…
L'estimation des besoins taille de l'échantillon avec une calculatrice à portée de main Alors que de nombreux programmes, applications et pages Web sont disponibles pour effectuer puissance et taille de l'échantillon des calculs, ils ne sont pas toujours facile ou intuitif à utiliser. Parce que les tableurs comme Excel sont…
Estimation de la taille de l'échantillon lorsque l'on compare deux proportions en biostatistique La proportion de sujets ayant un certain attribut (comme répondant au traitement) peut être comparé entre les deux groupes de sujets par la création d'un tableau croisé à partir des données, où les deux rangées représentent les deux…
Comment comparer des ensembles de nombres appariés Les non appariés (indépendant-échantillon), l'un des tests t-Way ANOVA, ANCOVA, et leurs homologues non paramétriques traitent avec des comparaisons entre deux ou plusieurs groupes de indépendant échantillons de données, tels que les…
Comment améliorer la précision de l'échantillonnage Vous améliorez la précision de ce que vous observez de votre échantillon de sujets en ayant un échantillon plus large. La théorème central limite (ou CLT, l'un des fondements de la théorie des probabilités) décrit comment fluctuations…
Comment utiliser des tests t de Student pour comparer les moyennes Vous pouvez exécuter les test t de Student en utilisant un logiciel statistique typique et interpréter la sortie produite. Dans cet exemple, vous serez en utilisant le logiciel OpenStat.L'idée de base d'un test tTous les tests t de Student pour…
Pensées aléatoires environ aléatoire et les statistiques Le mot aléatoire est quelque chose les gens utiliser toutes les spéciaux supplémentaires ont probablement une notion intuitive de hasard, mais peut trouver difficile à mettre en langage précis. Aléatoire est un terme qui applique aux données…
Estimation de la taille de l'échantillon des tests t de Student apparié en biostatistique Dans la biostatistique, lorsque l'on compare les mesures appariées (tels que les changements entre deux points dans le temps pour le même sujet) en utilisant un test t de Student apparié, le taille de l'effet est exprimée comme le rapport de #…
Théorie de la décision statistique Théorie de la décision statistique est peut-être la plus grande branche de la statistique. Il englobe tous les célèbres (et de nombreux pas-si-célèbres) tests de signification - t tests de Student, les tests de chi-carré, analyse de la…
Test de signification avec le test d'hypothèse Tous les fameux tests de signification statistique (Student t, khi-carré, ANOVA, etc.) fonctionnent sur le même principe général - ils évaluent l'ampleur de l'effet apparent que vous voyez dans vos données contre la taille des fluctuations…
L'idée de base d'une analyse de variance (Anova) La dite analyse de la variance à un facteur (ANOVA) est utilisée lorsque l'on compare les trois ou plusieurs groupes de chiffres. Lorsque l'on compare seulement deux groupes (A et B), vous testez la différence (A - B) entre les deux…
Gre échantillon des questions mathématiques-test: l'analyse des données et des graphiques Les gens qui ont développé le GRE ont inclus plusieurs questions dans les sections de mathématiques de l'examen de tester votre capacité à donner un sens à données présentées dans les tableaux et graphiques. Les exemples suivants sont…
Les demandeurs d'emploi peuvent se joindre à des groupes de l'industrie sur linkedin pour des nouvelles Si vous avez déjà rejoint les groupes LinkedIn que vos gestionnaires d'embauche ciblées appartiennent, alors vous êtes probablement au courant de la façon dont faire partie de ces groupes de l'industrie vous permet de rester informé des sujets…
Trouver la taille des échantillons Avec analyse de la clientèle, la collecte de données à partir d'un échantillon de clients coûte beaucoup moins cher et prend beaucoup moins de temps que la mesure de chaque client. Le niveau de précision que vous obtenez de même un petit…