我试图看看是否有一种简单的方法来计算一个样本Z检验所需的最小样本大小,以拒绝零假设。
我知道我们可以拒绝零假设(即A/B检验是成功的)
1 - scipy.stats.norm.cdf((x-mu)/(s/np.sqrt(n)) < alpha
其中x为样本均值,mu为总体均值,s为总体标准差,n为样本大小。
在python中是否有一种方法可以解决n
的上述方程
发布于 2022-01-17 17:27:33
scipy.stats
中的分布与cdf
函数相反,称为ppf
。ppf
代表“百分比函数”,但这是一个错误的名称,因为它实际上处理的是分位数,而不是百分位数。我们可以用这个函数和ppf(cdf(x)) = x
来重新排列和求解你的方程。
假设是alpha < 0.5
,有两个案例需要考虑。如果x <= mu
没有解决方案,那么我们可以重新排列方程,以便:
np.sqrt(n) > s * scipy.stats.norm.ppf(1 - alpha) / (x - mu)
旁白:
如果是alpha >= 0.5
,那么解决方案是奇怪的:任何n
都可以(如果是x >= mu
),或者得到n
上的上限(如果x < mu
)。但这就是你如此轻蔑地对待你的无效假设所得到的!
https://stackoverflow.com/questions/70744835
复制相似问题