この「少量の統計」の記事は、以前の記事と密接に関連しています–（サンプル）サイズは重要ですか？ サンプルサイズの公式はオンラインのソフトウェアですぐに利用できるため、サンプルサイズの公式を確認する必要はありません。1-3ではなく、サンプルサイズに影響を与える可能性があり、サンプルサイズを推定する際に考慮すると役立つ可能性のある要因に触れます。
サンプルサイズは、β（タイプIIエラー確率）を抑える上で最も重要な要素です。 サンプルサイズを大きくするとβが減少し、検出力が1-βであるため、検出力が増加します。 しかし、より正確に測定された変数を使用し、期待する効果が正当化されるかどうかを調べ（おそらく、期待される治療効果が過小評価されているかどうか）、ペアまたは一致した被験者を使用し、片側統計検定を仮定することによって、パワーを増やすこともできます（両側特に新しい研究分野では、テストがはるかに適切であることがよくあります）。 カテゴリ変数の代わりに連続変数を使用すると、検出力を高めることができます。 他のすべてが等しい場合、統計的検定は、カテゴリ変数に含まれる比較的粗いレベルの情報よりも、連続変数に含まれるより細かいレベルの情報をより多く利用できます。 最後に、ケース：コントロール比が1：2または1：2の場合など、より多くのコントロールを使用することが可能かもしれません。 これによりサンプルサイズが大きくなりますが、検出力も上がります。 残念ながら、電力は約1：3のケース：コントロール比で横ばいになります。 統計家またはデータアナリストは、これらすべての設計および測定に関する考慮事項を支援できます。
来月、少量の統計では、分布の「形状」と統計的検定におけるその重要性を調査します。
1. www.raosoft.com/samplesize.html
2. www.ncss.com/software/pass
3. www.hedwig.mgh.harvard.edu/sample_size/size.html
