样本量的计算需要的条件

tomorrow

转生生物统计家园2群-缘起缘灭-的一段话:

样本量的计算需要有以下的条件：
1.type I error第一类误差：
2.type II error第二类误差
3.与对照组比较的有临床意义的疗效（主要终点）
4.主要终点的标准差。

样本量的计算是根据主要终点的分析方法，而其分析方法则是跟据方案的设计类型。
第一类误差可以理解为是对病人的保障。因为新药的被批准是根据随机样本来做判断，本身会有一定的误差。因此如果选择为0.05，它的含义是说新药的疗效一旦被判断是显著的，但可能会有5%的几率是不显著的。
第二类误差（beta，say 0.2)是对申办方的保护。它是说当临床试验的结果是被判断是没有显著疗效时，但可能有20%的概率是有疗效的。所以说 Power （=1-beta) 越大样本量也会跟着增加，检测到显著疗效的几率也大。

有临床意义的显著疗效的大小也会影响到样本量的多寡。

kenny

这个太好了，老师给我们我们专门上了这堂课，谢谢分享！

wwh197226

最好举个具体例子详细讲解，谢谢。

边骑边拍

还有这么一种解释，见识了。

小天狼星

wwh197226 发表于 2012-2-15 16:06
最好举个具体例子详细讲解，谢谢。

回3楼，比如说：
n 个样本用T检验检验总体均值U0是不是等于10，检验的统计量就是  T0 = (X_bar - 10) * sqrt(n) / S。

当原假设H0： U0 = 10成立时，我们知道，T0 服从 Student-T 分布。
计算样本量的时候，假设H0不成立，真正的总体均值U其实为15。 那么 T0 就不服从原来的Student-T分布了，而 T =   (X_bar - 15) * sqrt(n) / S 则服从 Student-T分布。但到数据分析阶段实际做检验的时候，我们仍然用的是T0。

当确定Alpha 后（比如通常的0.05），并且H0成立时， 可以确定实际检验（用T0）时拒绝域的大小。
样本量计算的思想就是：控制当H0不成立时，T0落入这个拒绝域的概率。 即Power （1 - beta）。
比如真是的U是15，那么T0就会服从另一个分布， 通过控制T0落入开始计算得出拒绝域的 概率， 就可以计算出所需样本量n。
这里 U - U0 = 15 - 10 = 5，  就是楼主所说的第三点。
同时，因为T检验用到了样本标准差S，所以在实际计算时候还需要估计这个S值。这个是LZ说的第四点。

txyw

是合并标准差吧？