statsmodels.stats.power.normal_sample_size_one_tail¶

statsmodels.stats.power.normal_sample_size_one_tail(diff, power, alpha, std_null=1.0, std_alternative=None)[source]¶

如果仅涉及一个尾部，则显式计算样本量

样本大小基于假设替代假设位于测试具有随样本大小增加的幂的尾部的一侧幂。 使用 alpha/2 来计算双侧测试的单侧近似，即仅考虑双侧测试的一侧。

Parameters:¶

difffloat

在备择假设下估计均值或统计量的差异。

powerfloat in interval (0,1)

检验的功效，例如0.8，是1减去II类错误概率。功效是当备择假设为真时，检验正确拒绝原假设的概率。

alphafloat in interval (0,1)

显著性水平，例如0.05，是第一类错误的概率，即当原假设为真时错误拒绝的概率。注意：alpha用于单尾检验。对于双侧备择假设，使用alpha/2。

std_nullfloat

在零假设下不除以 sqrt(nobs) 的标准差

std_alternativefloat

在备择假设下的标准差，不除以sqrt(nobs)。默认为None。如果为None，std_alternative 被设置为 std_null 的值。

Returns:¶

nobsfloat

达到（至少）所需功效所需的样本量。 如果所有正样本量都满足最小功效要求，那么 nobs 将为零。当功效 <= alpha 且 std_alternative 等于 std_null 时，就会出现这种情况。