以下5个参数需要学习和掌握，它们直接影响样本量计算/估计结果。

μ、σ、π一般未知,通常以样本的ˉx、S、P作为估计值,可以从预试验、查阅文献、经验估计而获得。

所比较的两个总体参数间的差别，δ,如δ=μ1-μ2或δ=μ2-μ1。由于研究者无法得到总体参数的信息,可以通过预试验来估计或用临床上认为有意义的差值(假设)来代替;

α规定越小,则所需样本量越多。一般取值为0.05。U1-0.05/2= 1. 96(双侧),U1-0. 05=1. 64(单侧);为了计算简便,以下所用公式α均取0. 05。

即在特定的α水准下,若总体间确实存在差异,该次试验能发现此差异的概率。统计检验效能越大,所需样本例数越多,通常取β= 0. 1或β= 0. 2,此时的检验效能分别为90%或80%。一般临床试验的检验效能不能低于75%,否则可能出现非真实的阴性结果。

为了计算简便,以下所用公式β均取0. 10,U1-0.10/2=1. 64(双侧),U1-0.10= 1. 28(单侧)。(1-β,其中β为第二类错误的概率),即在特定的α水准下,若总体间确实存在差异,该次试验能发现此差异的概率。

统计检验效能越大,所需样本例数越多,通常取β= 0.1或β= 0. 2,此时的检验效能分别为90%或80%。一般临床试验的检验效能不能低于75%,否则可能出现非真实的阴性结果。

以未知总体与已知总体均数比较为例,通常的假设检验的目的是两个总体是否相等,备择假设是μ≠μ0,即μ可以大于μ0,也可以小于μ0,因此是双侧检验。但是如果从专业知识的角度判断μ不可能大于μ0(或者是μ不可能小于μ0),这就是单侧的检验,此时备择假设为μμ0)。

本文完，非小兵原创 具体来源：精鼎统计公众号 原文地址： https://mp.weixin.qq.com/s/SiHykJFZJA1ESe9Gi5iS3Q

===

按惯例，以下是小兵的课程广告。

大家好，我是数据小兵，是一名统计学/数据分析知识博主，长期从事统计软件教学培训、答疑咨询、应用研究与数据分析工作。 被咨询到样本量的问题多了之后，我决定自己尝试开发一套样本量计算的视频课程，《统计方法样本量计算》由此诞生。

这套视频资料短期内来说适合样本量计算的入门学习，可以解决一些比较 常见的样本量计算或统计功效计算的问题。从长期来说，课程会持续更新维护进行内容升级。

课程地址：

https://study.163.com/course/introduction/1213303807.htm?share=1&shareId=4762287