如何利用gpower计算最小样本量
粉丝4.3万获赞30.7万
相关视频
05:50查看AI文稿AI文稿哈喽，大家好，我是在日本就读护理学博士的小鹏同学，由于最近收到了很多的私信，就是关于咨询呢，就是论文中样本量的计算的问题啊，然后因为我跟大家口述或者打字的话也是表达不是很清楚，然后呢，今天就想着给大家录个视频，就是简单的教一下大家，嗯，如何计算样本量，像我们一般， 嗯，中华医学会底下的一些杂志，其他就会要求我们的投稿文章中要写到你的样本量，嗯，怎么来的？要写出你的具体的计算公式啊啊等等。所以的话呢，掌握样本量的计算的话啊，也是我们一段写论文的必要的一个技能啊。 然后呢，我们先从很多面研究开始吧，这也是一个常用的一个研究类型啊，我举的一个例子啊，就比如说我们这个很多面研究，大部分鉴于都是一些调查性研究，我们在调查性研究中肯定会使用到量表或者是问卷。我这个研究中，如果我这个研究中有三个量表，它分别是一般资料，还有就是自我管理量表以及生活质量量表。这三个量表的话，我们在知道它有哪些条目 是维度的情况下，是怎么计算他的样本量呢？就比如如果我在这个研究中，一般资料中设计的有包括性别，年龄，婚姻状况，这里是三个问题，我们就把它看做成三个质量量，然后自我管理量表中他肯定接受，量表中他肯定会介绍他有多少个维度，有多少个条目，对不对？ 然后呢，他这个量表有三个维度和二十个条目，这里面我们取的是维度的个数作为资本量，生活质量表也是一样的，他有四个维度和三十个条目，我们也是取他四个维度的四作为他的资本量，所以这个研究整个研究中有三个量表，三个量表中的所有的资本量相加就是三加，三加四 等于十，所以说这个研究中他的自备量就是有十个。然后再根据我们多元线性回归，样本中他的样本量至少为自备量个数的五到十倍。然后再考虑你的研究的一个 现实情况的话，我们可以选从五到十倍中，你选择一个，嗯，最接近于你理想的这个调查的那个样本量的大小。比如说我考虑了五倍，然后再考虑百分之十二十的无效益达，有些可能会写百分之十，嗯，这都是可以的。 嗯，考虑这个无效益达之后，我们的自变量是十个，所以我们又选取了五倍的话，就是十乘五，再考虑百分之二十的无效益达，再乘以的，呃，百分之一百二十，对不对？然后所以我们假设得出的样本量是一百粒， 然后我们这个研究中最终纳入的就是，嗯，只要大于他这个最小的能量一百粒都是可以允许的。不管你是大于他一一百粒啊，还是两百粒啊，只要是大于他最小的能量的话，都是可以取的。所以这就是一个很多面调查的研究，可能有些东西会混淆了，就是调木数和维度数的区分，然后去计算这个样本量的时候，不知道该选哪一个作为他的质量量，有些量表他可能是单维度的，所以他对应的质量量呢，就是一个， 那这些呢，就是很多没调查研究的他一个量本量的计算方法，还有呢，就是这个干预性研究。干预性研究呢，在我们统计学书上他有一个计划公式，叫做两样本均数比较的样本含量计算公式估计法，他这个 n 一等于 n 二，这个 n 一和 n 二呢，就是指的是，嗯，两组患者的人数。因为我们干预性研究一般情况下都是把患者随机分为两组，对吧？有干预组和 对照组，所以呢，这个 n 一 n 啊啊，一般情况下也是相等的，两组的人数一般情况是是相等的啊，然后这后面有计算公式，嗯，就是这个计算公式吧，我就不会念了哈。然后呢，这个研究呢，一般情况下，我们来看一下这几个位置的啊，位置的总共有四个，四个是位置的，一个是 tf 除以二，再加上一个 t 被的和 s 和那个。那啥我也不懂，不知道咋念。 然后呢，我们整个研究呢，一般情况下都是把这研究设计为双侧实验，然后所以呢， r 呢，就取的是零点零五，然后我们去查表，这个查表的话是同居学书上以后，一般都是最后面的几页，他会有一个表格是不需要我们计算的，你只要给他按法取值到零点零五，他能对应到 tr 是 tf 除以二，然后他就能对应到一点九六，然后被单呢取值是零点一零，然后查表呢，也可以得到他一个，这一个取值情况，所以呢，这两个，这两个数值的话是不需要我们去计算的啊，这就是统计学书上，你去查一查，都是可以得到的数值，而且大部分研究都是这两个数值，然后接下来呢，就是剩一个这个 s 和这一个 这个叫啥？符号圈圈，对吧？这个 s 为两总体标准差的工具值和这个圈圈为两均数的差值，这两个数字怎么算呢？我们两种方法。第一种方法呢，如果你就研究做了一实验的话， 我们可以用玉石宴的结果来算。还有一种方法是我这个研究，比如说我的研究还是处于开启报告，或者说是没有做玉石宴，那我就怎么计算呢？我们就去参考已经发表了的文献的啊，他这个得出来的结果啊， 怎么去选哪一种文，去选哪一篇文献呢？就是去选和你这个和你自己的研究的目的最相似的啊，就比如说你运用了嗯， a 方案对 糖尿病患者的生活质量干预，然后如果已经有 a 方案对这个糖尿病患者生活质量的干预的话，你就直接选把他的结果拿出来用。如果说没有的话，比如说他是 b 方案对糖尿病患者生活质量的呃影响的话，你也可以拿过来用啊。这句话就是优先选择跟你研究目的最相似的参考文献。然后呢，在这片文献中或者我们预实验中，我们肯定会得到一个干预前和干预后的分数， 对不对？我们一般情况下，嗯，这种计量资料都是用嗯均数加减标准叉的形式来展现的，就比如说我的这个 ppt 中，也就是在这干预前的分数，嗯， 假设成是五加五，五加减一分，然后干预后得到的是六加减二分，然后我们来算一算 s， s 是两种底标准差的估计值，标准差也就是后面那个数，对不对？就是干预前中的是一，然后干预后的是二。 两总体标准差的空气值就是用一加二除以二，这就得到了 s 的值，然后这个圈圈值呢，是两均数的差值，两均数的差值，均数就是前面那个数，干预前的前面那个数是吗？五分，干预后的前面那个数是六分， 再加起来呢？两不是加起来，所以两个差值呢，就等于多少？六减五等于一分，然后再把这两个数值带入到我们的这个样本量计算公式里头去，然后就可以得出他这个按一横按啊的啊数来了，然后再考虑一下释放率啊，百分之十或者百分之二十都可以呢，计算出你大概的一个嗯，样本量。他可能会有一些同学说啊， 如果学姐我就是把这个预实验结果或者是参考文献的那个结果带进去，就是和我预想到的，呃，要么这样的人数，嗯，偏差很大的话，这应该怎么办？ 这应该怎么办怎么办呢？当然是换一个参考文件接接着参考了。一般一般情况下，咱们干预型研究人数就得最起码两组人数加起来都得六十，是不是六十到一百二比较常见的，所以说你要把你的干预组的人数控制在这个范围内呢， 是比较正常的一个范围，如果太大，比如你可能超过两百组或者太少在十来组的话，那你想想是不是你去实验哪里不过完善或是哪有计算错误，或者是你参考文献的质量是不是不太高？等等等考虑。嗯，多一点因素，然后尽量去排除其他一些误差，然后算出我们最准确的这个样本量的一个。嗯，数值。 好，今天就是和大家分享到这了，就是因为啊，也不是特别专业，希望大家。嗯，有问题提出来大家一起交流一下，然后如果以后大家还有问题也可以给我留言。嗯，我会尽力的帮助大家。好，拜拜。
1922护理学博士小彭同学
00:56查看AI文稿AI文稿小样本学习加目标检测，创新多，门槛低，故事也好讲，是非常适合发文的方向。给想要快速出 id 投稿的同学推荐一个性价比高的方向，小样本目标检测 f s o d。 为什么 f s o d 在 各大顶会刊的热度不减？ 主要是因为这方向现实需求迫切，容易讲好故事，毕竟在很多领域收集和标注的成本懂的都懂。其次是因为 f s o d。 数据需求小，研究门槛低，这意味着实验周期短，非常适合快速迭代想法。而且更重要的是， f s o d。 与前沿技术结合紧密， 创新点多，在 c v p r p p a m i。 等顶会顶开上关注度足够，只要工作有亮点，就有机会。那么如何快速发出成果？特别是高区， 我的建议是站在巨人的肩膀上做巧妙的改进，具体可以往数据与特征层面、模型结构层面这两类靠这里。为了帮助大家节省时间，我整理好了十一篇小样本目标检测前沿论文，并附上代码，建议大家边看这些成果边找思路。
291小羊讲算法
00:46查看AI文稿AI文稿今天分享的是小样本机器学习，前不久， nature 发表了一篇小样本机器学习论文，讲的是一个表格处理模型， tab p f n， 平均二点八秒解读任意表格开箱即用，在精度和速度上实现了突破性进展。 有人说这是电子表格的 tab p t 时刻，倒也不夸张。本身小样本机器学习对于解决数据稀缺问题就十分重要，如今也正处于快速发展阶段，关于它的研究一直是热门，现在有了如此突破，后续发展趋势必将更加火爆。 目前小样本机器学习尚有很多问题没解决，对于科研人来说，潜在创新方向或可考虑模型架构优化、数据增强技术跨领域迁移与泛化、绿色高效算法安全与鲁棒性研究。另外，我整理了十篇关于小样本机器学习的最新论文及代码，方便大家参考。
27山羊-论文指导
04:58查看AI文稿AI文稿大家好，给大家分享一下如何用恰当 s p s s 一 句话做出配对样本体检验包含他的表格和对应的文字解释。首先我们来看一下什么样式配对样本体检验什么情况下适用 他。主要的分析目的就是看同一组人，他的人群是没有变化的，在不同条件或者时间下，他们两个的某一个数值或者他的成绩。在用了某一个措施之后， 主要的两个关键的指标就是体脂。体脂其实不用特别关注，体脂越大它的改变就越强烈，或者说它的差异就越大，最最重要的是它的皮脂，皮脂只要小于零点零五，就代表它的差异是有效而且是显著的。 主要应用于这种，比如说实验组和对照组，实验组的前后侧或者对照组的前后侧， 你做了这个措施，措施之前要调查一次，措施之后要调查一次。这两个组别之间你要做差异检验，你就要看一下它有没有提升，那么就得用这个配对样本 t 检验。配对的意思就是理解为这个人群或者你这个样本它是没有改变的。 t 检验就是你想要对比的是两个组别之间的差异性，就得用 t 检验。我们还是以实际的数据来说话， 我们就直接用这个来使用 ai 辅助前他的数学成绩和使用 ai 辅助之后一个月的数学成绩，看一下两个成绩之间他是否有差异性，到底是提升了还是下降了。 呃，当然我们从概念里面大概率就能猜到，使用之后他的成绩肯定是有提升的，因为这样的话每一行就是一个学生，所以说他的样本是没有变的，所以说得用配对样本，而且是两个组别，两个时间点， 这两个进行对比，所以说用配对样本体检验，我们来看一下具体怎么样做。我们先心尖聊天，先上传我们的这个数据，这个数据上传成功了，然后他就弹出来了，我们就确定认一下， 我们可以直接告诉他我们想要的目的是什么。我直接告诉他，我想要研究 ai 辅助教学数学成绩是否有提升，提升是否显著，让他自己去判断，选择用什么分析方法，然后得出来什么样的结论，他的分析规划就出来了， 然后他就给了一个非常严谨的数据判断，他就首先进行数据预处理，然后进行描述分析，然后进行正态性检验， 最终进行这个差异检验，如果是前提检验，这种正态性都满足，则进行配对，否则使用非餐的方法。我们重点还是看一下他的配对的这个东西，前面都是一些预处理的内容，我们可以不用特别关注他， 我们可以看到他已经做出来了啊。前面就是他进行了数据的预处理，他还专门形成了一个成绩的差异，这个并不是特别重要，重点是我们最后的这个配对样本 t 检验的结果，可以看到未使用 和使用后，他们进行配对，然后配对出来，配对一就是未使用配对，二就是使用了的他们之间的均值可以看到 是七十分，配对之后就是使用过后，他的均值是八十一分，所以说提升还是蛮大的，差不多有十一分左右的提升均值差，可以看到他计算出来十点一一九分， p 值也是比较大，重点是他的显著性， p 值是零点零零零 三个信号，他零点零零零零的意思就是他显著性非常大，他是小于了零点零一，就会默认把它写作为零点零零零，就是极其显著的意思。我们来看一下他分析的结果， 基于配对样本的数据，然后考察了一下辅助后提升到了这样，这一提升在统计学上高度的显著。 p 小 于零点零一，说明 ai 辅助教学对数学成绩是积极影响的，并非随机的波动，而是有可靠的系统性改善。然后就是这样的一句结论的解答， 这个文本就出来了，但是他说这个 ai 回复，但是没检测到三千秒，他肯定是检测错了，这个就没太大问题。 我们就直接把这个文本复制到你的 word 中，然后把你的这个配对样本体检验也的结果也复制到 word 中就可以了。我们可以直接复制到 word 中配对样本体检验，把它复复制到 word 中，改一下它的字号，改成五号字体 可以了。当然如果这个格式不满意的话，还可以微调一下。我把对应的文字解答也复制到 word 中，因为它做出来是一个非常严谨的过程，我们可以不用那么复杂或者那么严谨，我们就直接用这一个其实就够了。 当然你也可以直接告诉他，请你给我把这两个变量做配对样本 t 检验，比如说像这样生成出来的指令就非常明确，他就不会去做很多前提检验，因为 其实大部分我们做分析的时候是用不上这么严谨和复杂的分析，只需要做一次就够了，把这个配对样本做出来就行了。
00:56查看AI文稿AI文稿怎么求两组数据合并后的方差？我们记住这个公式，来看一道例题，那如果一组数据扩大了 a 倍，再加 b 之后，那他的平均数也是同样的，扩大 a 倍再加 b 方差的话，直接扩大 a 的平方倍， 那所以第一组数据的平均数是十，那么第二组数据的平均数就是二乘十加四等于二十四，那第二组数据的方差是八，第一组数据的方差就是八，除以二的平方等于二。 两组数据总的平均数就等于十乘 n， 加上二十四乘 n， 再除以二 n 等于十七。那么两组合并后的方差直接代公式就等于 n 倍的二，加上十减十七的平方，再加上 n 倍的八，加上二十四减十七的平方，再除以二 n， 所以答案就是五十四。
1.4万王大梁
