sample.size.prop(samplingbook)
sample.size.prop()所属R语言包：samplingbook
Sample Size Calculation for Proportion Estimation
样本量的计算比例估计
译者：生物统计家园网 机器人LoveR
描述----------Description----------
The function sample.size.prop returns the sample size needed for proportion estimation either with or without consideration of finite population correction.
函数sample.size.prop返回样本数的比例估计有或没有考虑有限的人口修正。
用法----------Usage----------
sample.size.prop(e, P = 0.5, N = Inf, level = 0.95)
参数----------Arguments----------
参数：e
positive number specifying the precision which is half width of confidence interval
正数，指定的精度，这是置信区间宽度的一半
参数：P
expected proportion of events with domain between values 0 and 1. Default is P=0.5.
预期事件的域值0和1之间的比例。默认是P=0.5。
参数：N
positive integer for population size. Default is N=Inf, which means that calculations are carried out without finite population correction.
人口规模的正整数。默认值是N=Inf，这意味着计算的情况下进行有限的人口修正。
参数：level
coverage probability for confidence intervals. Default is level=0.95.
置信区间的覆盖概率。默认是level=0.95。
Details
详细信息----------Details----------
For meaningful calculation, precision e should be chosen smaller than 0.5, because the domain of P is between values 0 and 1. Furthermore, precision e should be smaller than proportion P, respectively (1-P).
精度e对于有意义的计算，应选择小于0.5时，因为域P是数值0和1之间。此外，精密e是小于比例P，分别(1-P)。
值----------Value----------
The function sample.size.prop returns a value, which is a list consisting of the components
的功能sample.size.prop返回一个值，它是由组件组成的一个列表
参数：call
is a list of call components e precision, P expected proportion, N population size, and level coverage probability for confidence intervals
是调用组件的列表e精度，P预期的比例，N人口规模，和level覆盖概率置信区间
参数：n
estimate of sample size
估计样本大小
（作者）----------Author(s)----------
Juliane Manitz
参考文献----------References----------
参见----------See Also----------
Sprop, sample.size.mean
Sprop，sample.size.mean
实例----------Examples----------
## 1) examples with different precisions[＃1）与不同精度的例子]
# precision 1% for election forecast of SPD in 2005[在2005年的选举预测的SPD精度1％]
sample.size.prop(e=0.01, P=0.5, N=Inf)
data(election)
sample.size.prop(e=0.01, P=mean(election$SPD_02), N=Inf)
# precision 5% for questionnaire[精度为5％的问卷调查]
sample.size.prop(e=0.05, P=0.5, N=300)
sample.size.prop(e=0.05, P=0.5, N=Inf)
# precision 10%[精度为10％]
sample.size.prop(e=0.1, P=0.5, N=300)
sample.size.prop(e=0.1, P=0.5, N=1000)
## 2) tables in the book[＃2）在书中的表]
# table 2.2[表2.2]
P_vector <- c(0.2, 0.3, 0.4, 0.5)
N_vector <- c(10, 100, 1000, 10000)
results <- matrix(NA, ncol=4, nrow=4)
for (i in 1:length(P_vector)){
for (j in 1:length(N_vector)){
x <- try(sample.size.prop(e=0.1, P=P_vector[i], N=N_vector[j]))
if (class(x)=='try-error') {results[i,j] <- NA}
else {results[i,j] <- x$n}
}
}
dimnames(results) <- list(paste('P=',P_vector, sep=''), paste('N=',N_vector, sep=''))
results
# table 2.3[表2.3]
P_vector <- c(0.5, 0.1)
e_vector <- c(0.1, 0.05, 0.03, 0.02, 0.01)
results <- matrix(NA, ncol=2, nrow=5)
for (i in 1:length(e_vector)){
for (j in 1:length(P_vector)){
x <- try(sample.size.prop(e=e_vector[i], P=P_vector[j], N=Inf))
if (class(x)=='try-error') {results[i,j] <- NA}
else {results[i,j] <- x$n}
}
}
dimnames(results) <- list(paste('e=',e_vector, sep=''), paste('P=',P_vector, sep=''))
results
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-29 21:43:53
