北京西站进站最新规定,建设网站的提成是多少,广州越秀区怎么样,江西网站开发公司参考资料#xff1a;R语言实战【第2版】
1、比例检验 当比较两个比例时#xff0c;可使用pwr.2p.test()函数进行功效分析。格式为#xff1a; pwr.2p.test(h, n, sig.level, power, alternative)
其中#xff0c;h是效应值#xff0c;n是各相同的样本量。效应值h的定义如…参考资料R语言实战【第2版】
1、比例检验 当比较两个比例时可使用pwr.2p.test()函数进行功效分析。格式为 pwr.2p.test(h, n, sig.level, power, alternative)
其中h是效应值n是各相同的样本量。效应值h的定义如下 在R语言中可以使用ES.h(p1,p2)函数进行计算。 当各组中的n不相同则使用函数 pwr.2p2n.test(h, n1, n2, sig.level, power, alternative)
sig.level为显著性水平
power为功效值
alternative为备择假设默认是双尾检验two.sided,也可以设置为单位检验greater或less。 假设我们对某流行妖族能缓解60%使用者的症状表示怀疑。而一种更贵的新药如果能缓解65%使用者的症状就会被投放到市场中。此时在研究中我们需要多少受试者才能检测到这两种药物存在这一特定的差异 假设我们想有90%的把握得出新药更有效的结论并且希望有95%的把握不会误得结论。另外我们只对评价新药是否比标准药物更好感兴趣因此只需要用单边检验代码如下
#加载pwr包
library(pwr)
# 比例检验功效分析
pwr.2p.test(hES.h(0.65,0.6),sig.level0.05,power0.9,alternative greater
) 结果表明为满足上面的要求在本研究中需要1605个人试用新药1605个人试用已有药物。
2、卡方检验 卡方检验常常用来评价两个类别变量的关系。典型的零假设是变量之间独立备择假设是不独立。pwr.chisq.test()函数可以评估卡方检验的功效。格式为 pwr.chisq.test(w, N, df, sig.level, power)
其中w是效应值N是总样本大小df是自由度。此处效应值w定义为
其中p0_i为H0原假设时第i个单元格中的概率p1_1为H1备择假设时第i单元格中的概率。函数ES.w2(p)可以计算双因素列联表中备择假设的效应值p是一个假设的双因素概率表。 书中案例研究人种与工作晋升的关系。我们的预期样本70%是白种人10%是美国黑人20%是西班牙裔人。假设我们认为相比30%的美国黑人和50%西班牙裔人60%的白种人更容易晋升。研究假设的晋升概率如下表 从表中看到我们预期总人数的42%是晋升的白种人0.420.7*0.6总人数的7%是未晋升的美国黑人0.070.1*0.7。让我们去0.05显著性水平和0.9的预期功效水平。双因素列联表的自由度为(r-1)(c-1)r是行数c是列数。计算如下
prob-matrix(c(0.42,0.28,0.03,0.07,0.10,0.10),byrowTRUE,nrow3)# 卡方检验功效分析
pwr.chisq.test(ES.w2(prob),df2,sig.level0.05,power0.9
) 结果表明在既定的效应值、功效水平和显著性水平下该研究需要369为受试者才能检验人种与工作晋升的关系。
