statistical-power · 给样本量一个可复查的计算依据

作者提供的示例，实际效果取决于你的输入和使用工具。

输入

双侧独立样本 t 检验；标准化效应量 d=0.5；α=0.05；功效 0.8；两组等量，预计失访 10%。

输出

编辑示例 · 未运行

from math import ceil
from statsmodels.stats.power import TTestIndPower
analysis = TTestIndPower()
for d in [0.4, 0.5, 0.6]:
    n = analysis.solve_power(effect_size=d, alpha=0.05, power=0.8, ratio=1, alternative="two-sided")
    print({"d": d, "complete_per_group": ceil(n), "recruit_per_group": ceil(n / 0.9)})

说明：这是计算代码片段，未运行；输出应同时报告每组有效样本与考虑失访后的招募数。

依据效应量、显著性水平、检验方法与设计估算样本量或最小可检测效应，并比较假设变化。

具体任务

为两组均值比较建立样本量计算：依据效应量、显著性水平、检验方法与设计估算样本量或最小可检测效应，并比较假设变化。

评估固定样本能检测的效应：在既定预算下计算 MDE 或功效曲线，展示可能错过的效果范围。

必需材料

检验与研究设计

效应量依据、α 和目标功效

可选材料

失访率

分配比例和聚类结构

使用门槛

能解释最小有意义效应的来源，区分独立样本与重复测量。

这个 Skill 额外提供的方法

给出可复算的参数和敏感性分析，而不只报一个看似确定的人数。

编辑示例（未运行）

为两组均值比较建立样本量计算

任务：请根据下面的示例材料完成为两组均值比较建立样本量计算，把判断依据和待确认事项写清楚。

输入：
双侧独立样本 t 检验；标准化效应量 d=0.5；α=0.05；功效 0.8；两组等量，预计失访 10%。

结果片段：
```python
from math import ceil
from statsmodels.stats.power import TTestIndPower
analysis = TTestIndPower()
for d in [0.4, 0.5, 0.6]:
    n = analysis.solve_power(effect_size=d, alpha=0.05, power=0.8, ratio=1, alternative="two-sided")
    print({"d": d, "complete_per_group": ceil(n), "recruit_per_group": ceil(n / 0.9)})
```

说明：这是计算代码片段，未运行；输出应同时报告每组有效样本与考虑失访后的招募数。

给出可复算的参数和敏感性分析，而不只报一个看似确定的人数。 该片段是编辑示例，用于说明交付形态，未运行上游技能。

首次任务

请使用「给样本量一个可复查的计算依据」完成「为两组均值比较建立样本量计算」。
任务要求：给出可复算的参数和敏感性分析，而不只报一个看似确定的人数。

我的必需材料：
- 检验与研究设计：[请填写或粘贴]
- 效应量依据、α 和目标功效：[请填写或粘贴]

请基于上述实际材料输出：每组样本量或功效曲线、计算假设与敏感性分析；复杂设计可使用模拟方案。缺少依据的地方单列为待确认，不编造事实；未执行的操作或测试明确标为未执行。

验收要求：
1. 检验类型与设计一致。
2. 每组和总样本量不混淆。
3. 敏感性分析覆盖合理效应量与失访假设。

验收方法

检验类型与设计一致

每组和总样本量不混淆

敏感性分析覆盖合理效应量与失访假设

依赖与准备

本示例使用 Python 3.10+、statsmodels>=0.14.6、SciPy>=1.11 与 NumPy>=1.26；固定源建议用 uv 管理并在项目中锁定经核对版本，旧 statsmodels 与 SciPy 1.16+ 可能出现 _lazywhere 导入错误。其他配方按需用 pingouin>=0.6；绘功效曲线需 matplotlib，生存模拟可另需 lifelines。本段双样本 t 检验不要求这些可选包。

使用边界

样本量取决于假设，不能照搬另一个研究的数值。

不能用事后观测效应计算的功效证明阴性结果可靠，复杂设计需专业复核。

排错

算出的样本比预期大很多：检查效应量定义、单侧/双侧、分配比及失访率，不为迎合预算改参数。

有聚类或重复测量：使用适合设计的公式或模拟，不能直接套独立 t 检验。

固定来源

https://github.com/K-Dense-AI/scientific-agent-skills/blob/49c6e97775eaa18ba791bebe23162a70ae601c18/skills/statistical-power/SKILL.md

先看看示例

输入

输出

方法说明