power.prop.test
位于 stats
包(package)。 说明
计算比例的两个样本检验的功效,或确定参数以获得目标功效。
用法
power.prop.test(n = NULL, p1 = NULL, p2 = NULL, sig.level = 0.05,
power = NULL,
alternative = c("two.sided", "one.sided"),
strict = FALSE, tol = .Machine$double.eps^0.25)
参数
n |
观察次数(每组) |
p1 |
一组中的概率 |
p2 |
其他组的概率 |
sig.level |
显著性水平(I 类错误概率) |
power |
检验功效(1 减去 II 类错误概率) |
alternative |
一侧或两侧测试。可以缩写。 |
strict |
在双面情况下使用严格解释 |
tol |
用于求根的数值公差,默认提供(至少)四位有效数字。 |
细节
参数 n
、 p1
、 p2
、 power
和 sig.level
中的一个参数必须作为 NULL 传递,并且该参数由其他参数确定。请注意,sig.level
具有非 NULL 默认值,因此如果您希望计算它,则必须显式传递 NULL
。
如果使用strict = TRUE
,则在双面情况下,功效将包括与真实效果相反方向的拒绝概率。如果没有这个,如果真实差异为零,功效将是显著性水平的一半。
请注意,并非所有条件都能满足,例如
power.prop.test(n=30, p1=0.90, p2=NULL, power=0.8, strict=TRUE)
p1 = 0.9
和 1 之间不存在 p2
比例,因为您需要至少 的样本大小才能产生 所需的功效。
对于这些不可能的情况,当前发出警告 (warning
),将来可能会变成错误 (stop
)。
值
类 "power.htest"
的对象,用 method
和 note
元素扩充的参数列表(包括计算的参数)。
注意
uniroot
用于求解未知数的幂方程,因此您可能会从中看到错误,特别是在给出无效参数时无法将根括起来。如果计算 p1
和 p2
之一,则假定 并将保持不变,但如果同时指定两者,则允许 。
例子
power.prop.test(n = 50, p1 = .50, p2 = .75) ## => power = 0.740
power.prop.test(p1 = .50, p2 = .75, power = .90) ## => n = 76.7
power.prop.test(n = 50, p1 = .5, power = .90) ## => p2 = 0.8026
power.prop.test(n = 50, p1 = .5, p2 = 0.9, power = .90, sig.level=NULL)
## => sig.l = 0.00131
power.prop.test(p1 = .5, p2 = 0.501, sig.level=.001, power=0.90)
## => n = 10451937
try(
power.prop.test(n=30, p1=0.90, p2=NULL, power=0.8)
) # a warning (which may become an error)
## Reason:
power.prop.test( p1=0.90, p2= 1.0, power=0.8) ##-> n = 73.37
作者
Peter Dalgaard. Based on previous work by Claus Ekstrøm
也可以看看
相关用法
- R power.t.test 一个和两个样本 t 检验的功效计算
- R power.anova.test 方差检验平衡单向分析的功效计算
- R power 创建 Power Link 对象
- R poly 计算正交多项式
- R poisson.test 精确泊松检验
- R plot.stepfun 绘制阶跃函数
- R pairwise.t.test 成对 t 检验
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R plot.profile.nls 绘制 profile.nls 对象
- R predict 模型预测
- R plot.isoreg isoreg 对象的绘图方法
- R profile.nls 分析 nls 对象的方法
- R plot.HoltWinters HoltWinters 对象的绘图函数
- R ppoints 概率图的坐标
- R predict.HoltWinters 拟合 Holt-Winters 模型的预测函数
- R proj 模型预测
- R predict.loess 预测黄土曲线或表面
- R preplot 绘图对象的预计算
- R plot.ts 绘制时间序列对象
- R prcomp 主成分分析
- R printCoefmat 打印系数矩阵
- R plot.density 核密度估计的绘图方法
- R profile 分析模型的通用函数
- R ppr 投影寻踪回归
- R prop.test 等比例或给定比例检验
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Power Calculations for Two-Sample Test for Proportions。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。