估计Chi Squared测试所需的样本大小

我想估计所需的样本大小，以便使用Python计算离散数据的Chi Squared（均匀性测试）测试，并且需要提示如何执行此操作。估计Chi Squared测试所需的样本大小

一般来说，我想估计两个生产过程的失败率是否显着不同（α= 5％）。

我只发现statsmodels.stats.gof.chisquare_effectsize()功能，但这似乎只适用于良好的配合测试。

有什么办法可以确定所需的样本量吗？

我很感谢每一个答案。

2017-08-30 2Obe

您可以使用statsmodels.stats.GofChisquarePower（）。solve_power（）但是，您需要调整自由度（df）以说明变量的数量。您可以使用n_bins参数完成此操作。

>>>import statsmodels.stats.power as smp 
>>>n_levels_variable_a = 2 
>>>n_levels_variable_b = 3 
>>>smp.GofChisquarePower().solve_power(0.346, power=.8, n_bins=(n_levels_variable_a-1)*(n_levels_variable_b-1), alpha=0.05)

115.94688728433769

来源

2017-08-30 20:17:33 BirdLaw

我能得到它的权利是：1。n_bins是我想比较的组数？在我的情况n_bins = 2，因为我有两条生产线。 2.效应大小描述了两条生产线的平均值之间的差异。因此它是一种置信区间，这个值越低，样本量就越大。 – 2Obe

@ 2Obe我的错误，我看到我误解了你的帖子，并认为你正在寻找_independence_的测试。 – BirdLaw

对于同质性，数学是相同的，但自由度（在这种情况下n_bins）应该是（number_of_rows -1）*（number_of_columns-1）其中number_of_rows（和columns）是列联表中的行数和列数。（例如，如果你有两个变量，'性别'和'政治派别'），你可能会有（2-1）*（2-1） – BirdLaw

估计Chi Squared测试所需的样本大小

回答

相关问题