Questions tagged «sample-size»

比例的两样本比较，样本大小估计：R vs Stata 对于样本量，我得到了不同的结果，如下所示： 在R中 power.prop.test(p1 = 0.70, p2 = 0.85, power = 0.90, sig.level = 0.05) 结果： n = 160.7777ñ=160.7777n = 160.7777 （因此161）。 在Stata sampsi 0.70 0.85, power(0.90) alpha(0.05) 结果： n = 174ñ=174n = 174 每组。 为什么会有所不同？谢谢。 顺便说一句，我在SAS JMP中运行了相同的样本量计算，结果：（几乎与R结果相同）。n = 160ñ=160n = 160

10 r  stata  sample-size  power-analysis  jmp 

我正在尝试在R中拟合离散时间模型，但不确定如何执行。 我读过您可以将因变量组织在不同的行中，每个时间观察行一个，并将该glm函数与logit或cloglog链接一起使用。从这个意义上讲，我有三列：ID，Event（在每个时间范围内为1或0）和Time Elapsed（自观察开始以来）以及其他协变量。 如何编写适合模型的代码？哪个因变量？我想我可以将其Event用作因变量，并将其包括Time Elapsed在协变量中。但是，会发生什么ID呢？我需要吗？ 谢谢。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

我有两个组的数据（即样本），我想进行比较，但是总样本量很小（n = 29）并且严重不平衡（n = 22 vs n = 7）。 这些数据在逻辑上很难收集，而且费用昂贵，因此，“收集更多数据”作为一种明显的解决方案在这种情况下并没有帮助。 测量了许多不同的变量（出发日期，到达日期，迁移时间等），因此有多个测试，其中一些差异非常大（较小的样本具有较高的差异）。 最初，一位同事对这些数据进行了t检验，其中一些在统计学上具有显着性，P <0.001，而另一个在P = 0.069上不显着。一些样本是正态分布的，而其他样本则不是。一些测试涉及与“相等”方差的较大偏差。 我有几个问题： T检验在这里合适吗？如果没有，为什么？这仅适用于满足正态性和方差相等的假设的测试吗？ 什么是合适的替代品？也许是排列测试？ 不相等的方差会夸大类型I的错误，但是怎么办？小而不平衡的样本量对I型错误有什么影响？

10 t-test  sample-size 

创建代表整个总体（已知置信度）的样本集的统计技术是什么？ 也， 如果样本适合整体数据集，如何验证？ 是否可以不分析整个数据集（可能是数十亿条记录）？

10 sampling  sample-size  validation 

我需要确保我的XML网站地图的垃圾少于（链接断开）。URL的列表是成百上千的，即使出于所有原因我也可能不愿意一一测试所有URL，但我还是不愿意这样做：1%1%1\% 1 - Saved bandwidth 2 - Faster traffic for real clients 3 - Less noise in visitor statistics (because my test would count as a visit) 5 - I could go on... 所以我认为随机取一个子集就足够了，问题是我不知道概率。 我可以使用一个简单的功能吗？ 如果有帮助的话，我们可以假设有一个先验信息，可了解链路在运行过程中断裂的可能性。假设在每次运行中，给定链接的断开为。0.75%0.75%0.75\%

9 probability  confidence-interval  sample-size 

只想检查一些推理。 如果我的原始样本大小为并且我对其进行引导，那么我的思考过程如下：nnn 1n1n\frac{1}{n}是从原始样本中提取任何观察值的机会。为了确保下一次绘制不是先前采样的观测值，我们将样本大小限制为。因此，我们得到以下模式：n − 1n−1n-1 1n⋅1n−1⋅1n−2⋯1n−(n−1)=1n!.1个ñ⋅1个ñ-1个⋅1个ñ-2⋯1个ñ-（ñ-1个）=1个ñ！。 \frac{1}{n} \cdot \frac{1}{n-1} \cdot \frac{1}{n-2} \cdots \frac{1}{n-(n-1)} = \frac{1}{n!}. 它是否正确？我偶然发现了为什么不能。(1n)n（1个ñ）ñ(\frac{1}{n})^n

9 sampling  bootstrap  sample-size  subsampling 

我是统计学的新手（一些初学者的Uni课程），并且想知道是否从未知分布中进行采样。具体来说，如果您不了解基本分布，是否有任何方法可以“保证”获得代表性样本？ 举例说明：假设您试图弄清楚财富的全球分布。对于任何给定的个人，您都可以以某种方式找出他们的确切财富；但您无法“采样”地球上的每个人。因此，假设您随机抽样了n = 1000个人。 如果您的样本中不包括比尔·盖茨，您可能会认为不存在亿万富翁。 如果您的样本确实包括比尔·盖茨，您可能会认为亿万富翁比他们实际更为普遍。 无论哪种情况，您都无法真正分辨出亿万富翁的普通或罕见。您甚至可能根本无法判断是否存在任何内容。 对于这种情况，是否存在更好的采样机制？ 您如何告诉先验使用哪种采样程序（以及需要多少个样本）？ 在我看来，您可能必须“抽样”大量人口，以某种合理的确定性来了解地球上有多少普通或稀有的亿万富翁，这是由于基本的分布有点困难跟...共事。

9 distributions  estimation  sampling  sample-size  algorithms 

我是统计和置信区间领域的新手。因此，这可能非常琐碎，甚至听起来很愚蠢。如果您能帮助我理解或指出一些可以更好地说明这一点的文献/文字/博客，我将不胜感激。 我在美国有线电视新闻网（CNN），福克斯新闻（Fox news），政治新闻（Poliitico）等各种新闻网站上看到了有关2012年美国总统大选的民意调查。每个机构都进行一些民意调查，并以以下形式报告一些统计数据： CNN：奥巴马的人气为X％，误差幅度为+/- x1％。样本数量600。FOX：奥巴马的受欢迎程度为Y％，误差幅度为+/- y1％。样本数量800。XYZ：Obama的受欢迎程度为Z％，误差范围为+/- z1％。样本数量300。 这是我的疑问： 我该如何决定信任哪一个？应该基于置信区间，还是应该假设由于Fox样本量较大，因此估计更为可靠吗？置信度迭代次数和样本数量之间是否存在隐式关系，以至于指定一个样本就不必指定另一个样本了？ 我可以确定置信区间的标准偏差吗？如果是这样，它始终有效还是仅对某些分布有效（如高斯分布）？ 有什么方法可以“合并”或“合并”以上三个估计，并获得我自己的估计以及置信区间？在这种情况下，我应主张多少样本数量？ 我提到CNN / Fox只是为了更好地说明我的示例。我无意在这里开始民主党与共和党的辩论。 请帮助我理解我提出的问题。

9 confidence-interval  sample-size 

我面临尝试通过测试证明传感器的错误率极低（在1,000,000次尝试中不超过1个错误）的问题。我们进行实验的时间有限，因此我们预计无法获得超过4,000次尝试。我看不出传感器不符合要求的问题，因为即使在4,000次尝试中发生一个错误，对于错误率的下限仍大于0.000001的情况，也会产生95％的置信区间。然而，表明它确实满足要求是问题，因为即使4,000次尝试中的0个错误仍然会导致下限大于0.000001。任何建议将不胜感激。

9 survival  sample-size  quality-control 

我正在尝试帮助科学家针对沙门氏菌微生物的发生设计研究。他想将家禽养殖场的实验性抗菌制剂与氯（漂白剂）进行比较。由于沙门氏菌的本底率会随时间而变化，因此他计划在治疗之前和之后测量家禽含沙门氏菌的百分比。因此，测量值将是实验配方奶粉与氯配方奶粉之前/之后的沙门氏菌百分比之差。 谁能建议如何估算必要的样本量？假设背景率为50％；漂白后为20％；并且我们想检测实验配方是否将速率更改了+/- 10％。谢谢 编辑：我正在苦苦挣扎的是如何纳入背景利率。让我们将它们称为p3和p4，分别是漂白样品和实验样品的“沙门氏菌感染率”。因此，要估计的统计量是差异的差异：实验（之前-之后）-漂白（之前-之后）=（p0-p2）-（p3-p1）。为了在样本量计算中充分考虑“之前”比率p2和p3的采样变化---是否像使用p0（1-p0）+ p1（1-p1）+ p2（1-p2）一样简单+ p3（1-p3）在样本大小方程式中哪里有变化项？令所有样本大小相等，n1 = n2 = n。

9 sample-size  repeated-measures  proportion 

我正在尝试通过抽样估计高斯分布的均值。我尚无关于其均值或方差的知识。每个样品的获取都很昂贵。如何动态确定要获得一定水平的置信度/准确性所需的样本数量？另外，我如何知道何时可以停止采样？ 我能找到的所有类似问题的答案似乎都是对方差的一些了解，但我也需要一路发现这一点。其他人则适合进行民意调查，但我（初学者是我）还不清楚这种说法的普遍性-我的意思不是[[0,1]等）。 我认为这可能是一个答案很简单的简单问题，但是我的Google-fu令我失望。即使只是告诉我要搜索的内容也会很有帮助。

9 estimation  sample-size