Расчёт мощности нагрева | СТЕГО РУС
Всего за четыре шага Вы сможете легко и быстро рассчитать мощность нагревателя для обогрева зимой, а также антиконденсатного нагревателя. Пожалуйста свяжитесь с нами в случае затруднений или вопросов по телефону или электронной почте. Будем рады помочь Вам.
Контакты
- Шкаф
- Вид установки
- Дополнительные источники тепла
- Данные по температуре
- Результаты расчета
Единицы измерений: Метрические (м, мм, и др.)Imperial/US (in, ft, etc.) Единицы Температур: ЦельсийФаренгейт
1. Габариты шкафа| H (Высота) | mm | ||
| W (Ширина) | mm | ||
| D (Глубина) | mm |
| Внутри помещенияНа открытом воздухе |
Единицы измерений: Метрические (м, мм, и др.)Imperial/US (in, ft, etc.) Единицы Температур: ЦельсийФаренгейт
4. Вид установки| Отдельно стоящий шкаф | Отдельно стоящий первый или последний шкаф | Отдельно стоящий средний шкаф |
| Настенный шкаф | Первый или последний настенный шкаф | Средний настенный шкаф |
| Напольный шкаф | Первый или последний напольный шкаф | Напольный средний шкаф |
| Настенный или напольный шкаф | Настенный или напольный, первый или последний шкаф | Настенный или напольный средний шкаф |
Единицы измерений:
Метрические (м, мм, и др.
)Imperial/US (in, ft, etc.)
Единицы Температур:
ЦельсийФаренгейт
Дополнительный источник тепла (= выделение тепла) от всех встроенных элементов в шкафу (напр., частотный преобразователь,трансформатор, контактный рельс, и т. д.). Учитывается в случае, когда эти элементы эксплуатируются без остановок.
Дополнительные источники теплаЕдиницы измерений: Метрические (м, мм, и др.)Imperial/US (in, ft, etc.) Единицы Температур: ЦельсийФаренгейт
Наши нагреватели не только защищают от низких температур, но также и от выпадения конденсата. Пожалуйста заполните данные в соответствующий раздел расчета нагревателя Вашего шкафа
для поддержания необходимой температуры воздуха в шкафу
| Самая низкая температура наружного воздуха (зимой) | °C | |
| Требуемая температура воздуха в шкафу | °C | |
| (Самая низкая допустимая температура воздуха внутри шкафа) | ||
| Разница температур | K | |
Для поддержания низкой влажности и защиты от выпадения конденсата
| Самая высокая окружающая температура воздуха (летом) | °C | |
| Самая высокая влажность окружающего воздуха (RH) | % | |
| Требуемая влажность (RH) воздуха внутри шкафа (рекомендуем не выше 65%) | % | |
| Высота над уровнем моря, макс.  2000 м | 0 — 99100 — 299300 — 499500 — 699700 — 899900 — 12491250 — 17491750 — 2000 | m |
Требуется 2 расчета
7. Результаты расчета| Габариты шкафа | |
| Площадь поверхности шкафа, м2 | |
| Коэффициент теплопередачи | |
| Место эксплуатации шкафа | |
| Вид установки | |
| Дополнительные источники тепла | |
| Самая низкая температура наружного воздуха (зимой) | |
| Требуемая температура воздуха в шкафу | |
| Разница температур | |
| Самая высокая окружающая температура воздуха (летом) | |
| Самая высокая влажность окружающего воздуха (RH) | |
| Требуемая влажность (RH) воздуха внутри шкафа (рекомендуем не выше 65%) | |
| Высота над уровнем моря, макс.  2000 м | |
| Требуемая мощность нагревателя |
Нагреватели STEGO
Расчет охлаждения STEGO
Необходимая мощность нагрева может быть достигнута через соединение нескольких нагревателей в одном шкафу.
Пожалуйста введите необходимые данные, чтобы расчитать вентилятор с фильтром для охлаждения шкафа.Пожалуйста введите необходимые данные, чтобы расчитать вентилятор с фильтром для охлаждения шкафа.
Ошибки и упущения исключены. STEGO Elektrotechnik GmbH не несет ответственности за абсолютную точность и возможные издержки. Расчетная мощность нагревателя должны быть проверена пользователем в реальных условиях применения.
8. Результаты расчета| Наименование компании* | |
| Город, индекс | |
| Страна* | AfghanistanÅlandAlbaniaAlgeriaAmerican SamoaAndorraAngolaAnguillaAntarcticaAntigua and BarbudaArgentinaArmeniaArubaAustraliaAustriaAzerbaijanBahrainBangladeshBarbadosBelarusBelgiumBelizeBeninBermudaBhutanBoliviaBonaire, Sint Eustatius and SabaBosnia and HerzegovinaBotswanaBouvet IslandBrazilBritish Indian Ocean TerritoryBritish Virgin IslandsBruneiBulgariaBurkina FasoBurundiCambodiaCameroonCanadaCape VerdeCayman IslandsCentral African RepublicChadChileChinaChristmas IslandCocos (Keeling) IslandsColombiaComorosCongoCongo-BrazzavilleCook IslandsCosta RicaCôte d’IvoireCroatiaCubaCuraçaoCyprusCzech RepublicDenmarkDjiboutiDominicaDominican RepublicEcuadorEgyptEl SalvadorEquatorial GuineaEritreaEstoniaEthiopiaFalkland IslandsFaroesFijiFinlandFranceFrench GuianaFrench PolynesiaFrench Southern TerritoriesGabonGambiaGeorgiaGermanyGhanaGibraltarGreeceGreenlandGrenadaGuadeloupeGuamGuatemalaGuernseyGuineaGuinea-BissauGuyanaHaitiHeard Island and McDonald Island.  .South KoreaSouth SudanSpainSri LankaSudanSurinameSvalbardSwazilandSwedenSwitzerlandSyriaTaiwanTajikistanTanzaniaThailandThe BahamasTimor-LesteTogoTokelauTongaTrinidad and TobagoTunisiaTurkeyTurkmenistanTurks and Caicos IslandsTuvaluUgandaUkraineUnited Arab EmiratesUnited KingdomUnited StatesUnited States Minor Outlying Isl..UruguayUS Virgin IslandsUzbekistanVanuatuVatican CityVenezuelaVietnamWallis and FutunaWestern SaharaYemenZambiaZimbabwe |
| Имя, Фамилия* | |
| электронный адрес* | |
| Телефон\Факс | |
| Комментарии | |
| Пожалуйста порекомендуйте подходящий нагреватель STEGO. | |
Я даю согласие на обработку моих персональных данных для ответа на мой запрос и, в частности, на то, что мой запрос будет передан в локальную компанию STEGO, ответственную за мое местонахождение. Более подробную информацию о согласии и обработке ваших личных данных можно найти в разделе политика защиты данных, в частности, в разделе V.1.* | |
| * требуется заполнить даные |
Подбор фанкойла онлайн, рассчитать мощность фанкойла
8 (800) 555-34-15
Бесплатный звонок по России
+7 (495) 646-09-91
Многоканальный
Каталог продукции
- Фанкойлы
- По типу:
- Кассетные
- Настенные
- Канальные горизонтальные
- В декоративном корпусе
- Вертикальные бескорпусные
- Высоконапорные канальные По производителю:
- Фанкойлы Clima Esperto
- Фанкойлы Carrier
- Фанкойлы YORK
- Фанкойлы Daikin
- Фанкойлы Dantex
- Фанкойлы Lessar
- Фанкойлы General Climate
- Фанкойлы Rhoss
- Фанкойлы Royal Clima
- Фанкойлы Ballu Machine
- Фанкойлы TRANE
- Фанкойлы Green Air
- Фанкойлы Electrolux
- Фанкойлы McQuay
- Фанкойлы Clint
- Фанкойлы MDV
- Фанкойлы IGC
- Фанкойлы Hammer
- Фанкойлы Bini Clima
- Фанкойлы Frost
- Фанкойлы Bosch
- Фанкойлы Aux
- Фанкойлы Tica
- Фанкойлы CIAT
- Фанкойлы Ecoventil
- Фанкойлы Systemair
- Фанкойлы Kentatsu
- Аксессуары для фанкойлов
- Пульты для фанкойлов
- Клапаны для фанкойлов
- Узлы для фанкойлов
- Чиллеры
- Чиллеры Carrier
- Чиллеры Clima Esperto
- Чиллеры Dantex
- Чиллеры General Climate
- Чиллеры Lessar
- Чиллеры Chigo
- Чиллеры YORK
- Чиллеры HiRef
- Чиллеры MDV
- Чиллеры IGC
- Чиллеры Aux
- Чиллеры Trane
- Чиллеры TICA
- Чиллеры BlueBox
- Чиллеры Stulz
- Чиллеры Electrolux
- Компрессорно- Конденсаторные блоки
- ККБ Lennox
- ККБ York
- ККБ Carrier
- ККБ General Climate
- ККБ Dantex
- ККБ Lessar
- ККБ Electrolux
- ККБ IGC
- Обвязка для ККБ
- VRF системы
- VRF системы Lessar
- VRF системы Fujitsu
- VRV системы Daikin
- VRF системы Mitsubishi HEAVY
- VRF системы Mitsubishi Electric
- VRF системы Panasonic
- VRF системы Dantex
- VRF системы Toshiba
- VRF системы Carrier
- VRF системы Bosch
- VRF системы LG
- VRF системы Hitachi
- VRF системы Electrolux
- VRF системы Kentatsu
- VRF системы Hisense
- Фреоновые воздухоохладители
- KORF
- Руфтопы
- Руфтопы York
- Руфтопы Dantex
- Тепловые завесы
- Тепловые завесы FRICO
- Тепловые насосы
- Тепловые насосы Mammoth
- Увлажнители воздуха
- Увлажнители воздуха Giant Steam
- Увлажнители воздуха CAREL
- Осушители воздуха
- Осушители воздуха Dantherm
Сертификаты
Все сертификаты
Статьи
- Типы корпусов у термостатов Clima Esperto
Типы корпусов у термостатов Clima Esperto:
- Накладной
- Встраиваемый в большой подрозетник 86 мм
- Встраиваемый в стандартный подрозетник 67 мм
- Фанкойл для квартиры
Современное строительство жилых зданий всё чаще проводится с учётом установки систем кондиционирования.
Компании-застройщики включают в проект все коммуникации, требуемые для подключения климатических установок, и проводят монтаж чиллера, который будет оптимизировать микроклимат всех квартир. - Типы фреонов
Как правило, в настоящее время используется фреон R410. Он безопасен для озонового слоя нашей планеты, но тем не менее…
- Необходимое количество фанкойлов на один чиллер
Для расчета количества фанкойлов на один чиллер необходимо…
- О компании Clima Esperto
Clima Esperto — транснациональная компания, чье продвижение на рынке климатического оборудования происходит весьма быстро и заметно. Имеет производственные филиалы во многих странах мира. Основной продукцией являются фанкойлы и элементы систем управления, выпускаемые под одноименной торговой маркой.
Компании-застройщики включают в проект все коммуникации, требуемые для подключения климатических установок, и проводят монтаж чиллера, который будет оптимизировать микроклимат всех квартир.Все статьи
В данном разделе Вы можете самостоятельно сделать примерный расчет необходимой мощности фанкойла или другой климатической техники(расчет пригоден для сплит-систем).
Грубый расчет мощности охлаждения осуществляется по методу 1 кВт холода на 10 квадратных метров помещения.
Потребляемая электрическая мощность фанкойла составляет примерно 100-500 Вт и зависит от мощности электродвигателя вентилятора.
Потребляемая электрическая мощность у сплит-системы примерно в 3 раза меньше мощности охлаждения.
Для более точного расчета мощности охлаждения, заполните форму, приведенную ниже:
| Площадь помещения (м²): | |
| Высота потолков (м): | |
|
Параметры освещения помещения (расположение окон): Слабое освещение (север, северо-запад или северо-восток)Среднее освещение (запад или восток)Сильное освещение (юг, юго-запад или юго-восток) | |
| Количество компьютеров: | |
| Лампочки (суммарная мощность, Вт): | |
| Другие электроприборы (суммарная мощность, Вт): | |
| Количество людей в помещении: | |
| Необходимая мощность фанкойла: ВтBTU | |
Вы можете поручить Подбор фанкойла нашим менеджерам: .
Выбрать самостоятельно фанкойл можно в разделе Фанкойлы.
Разные производители могут указывать мощность охлаждения в Ваттах или единицах BTU/ч.
Подробнее о единицах измерения мощности охлаждения читайте в разделе Словарь терминов.
Статистическая мощность: что это такое, как ее вычислить
Чтобы следовать этой статье, вы можете сначала прочитать следующие статьи:
Что такое проверка гипотез?
Что такое ошибки типа I и типа II?
Что такое сила?
Посмотрите видео с кратким обзором мощности.
Статистическая мощность: Обзор
Посмотрите это видео на YouTube.
Видео не видно? Кликните сюда.
Статистическая мощность исследования (иногда называемая чувствительностью) показывает, насколько вероятно исследование позволяет отличить реальный эффект от случайного. Это вероятность того, что тест правильно отвергает нулевую гипотезу (то есть «доказывает» вашу гипотезу).
Например, исследование с мощностью 80% означает, что исследование имеет 80%-ную вероятность того, что тест даст значимые результаты.
- Высокая статистическая мощность означает, что результаты теста, вероятно, достоверны. По мере увеличения мощности вероятность совершения ошибки второго рода уменьшается.
- Низкая статистическая мощность означает, что результаты теста сомнительны.
Статистическая мощность поможет вам определить, достаточно ли велик размер вашей выборки.
Можно выполнить проверку гипотезы без расчета статистической мощности. Если размер вашей выборки слишком мал, ваши результаты могут оказаться неубедительными, хотя они могли бы быть убедительными, если бы у вас была достаточно большая выборка.
Статистическая мощность и бета-версия
Ошибка первого рода — это неправильное отклонение истинной нулевой гипотезы. Alpha — это размер теста . Ошибка типа II — это когда вы не отвергаете ложную нулевую гипотезу.
Это β. .
Бета( β) — это вероятность того, что вы не отклоните нулевую гипотезу, если она ложна. Статистическая мощность является дополнением этой вероятности: 1- Β
Как рассчитать статистическую мощность
Статистическая мощность довольно сложна для расчета вручную. Эта статья на MoreSteam хорошо объясняет это.
Программное обеспечение обычно используется для расчета мощности.
- Расчет мощности в SAS.
- Рассчитать мощность в PASS.
Анализ мощности
Анализ мощности — это метод определения статистической мощности: вероятность обнаружения эффекта при условии, что эффект действительно существует. Другими словами, мощность — это вероятность отвергнуть нулевую гипотезу, если она ложна. Обратите внимание, что мощность отличается от ошибки типа II, которая возникает, когда вы не можете отвергнуть ложную нулевую гипотезу. Итак, вы мог бы сказать, что мощность — это вероятность того, что вы не совершите ошибку второго рода.
Простой пример анализа мощности
Допустим, вы проводили испытание лекарства и оно работает. Вы проводите серию испытаний с эффективным лекарством и плацебо. Если бы у вас была степень 0,9, это означает, что в 90% случаев вы бы получили статистически значимый результат. В 10% случаев ваши результаты не будут статистически значимыми. Мощность в этом случае говорит вам о вероятности найти разницу между двумя средними значениями, которая равна 9.0%. Но в 10% случаев вы не найдете разницы.
Причины для проведения анализа мощности
Вы можете выполнить анализ мощности по многим причинам, в том числе:
- Чтобы определить количество испытаний, необходимых для получения эффекта определенного размера. Это, вероятно, наиболее распространенное использование анализа мощности — он сообщает вам, сколько испытаний вам нужно провести, чтобы избежать ошибочного отклонения нулевой гипотезы.
- Чтобы найти силу, учитывая размер эффекта и количество доступных испытаний. Это часто полезно, когда у вас ограниченный бюджет, например, на 100 испытаний, и вы хотите знать, достаточно ли этого количества испытаний для обнаружения эффекта.
- Для проверки вашего исследования. Проще говоря, проведение анализа мощности — хорошая наука.
Это часто полезно, когда у вас ограниченный бюджет, например, на 100 испытаний, и вы хотите знать, достаточно ли этого количества испытаний для обнаружения эффекта.Расчетная мощность сложна и обычно всегда выполняется с помощью компьютера. Список ссылок на онлайн-калькуляторы мощности можно найти здесь.
Посетите наш канал YouTube, где вы найдете сотни видеороликов об элементарной статистике и вероятности!
Ссылки
Beyer, WH CRC Standard Mathematical Tables, 31st ed. Бока-Ратон, Флорида: CRC Press, стр. 536 и 571, 2002 г.
Агрести А. (1990) Категориальный анализ данных. Джон Уайли и сыновья, Нью-Йорк.
Додж, Ю. (2008). Краткая энциклопедия статистики. Спрингер.
Салкинд, Н. (2016). Статистика для людей, которые (думают, что они) ненавидят статистику: использование Microsoft Excel 4-го издания.
УКАЗЫВАЙТЕ ЭТО КАК:
Стефани Глен .
«Статистическая мощность: что это такое, как ее рассчитать» От StatisticsHowTo.com : Элементарная статистика для всех нас! https://www.statisticshowto.com/probability-and-statistics/statistics-definitions/statistical-power/
————————————————— ————————-
Нужна помощь с домашним заданием или контрольным вопросом? С Chegg Study вы можете получить пошаговые ответы на свои вопросы от эксперта в данной области. Ваши первые 30 минут с репетитором Chegg бесплатны!
Комментарии? Нужно опубликовать исправление? Пожалуйста, Свяжитесь с нами .
Расчет мощностипостфактум бесполезен
Документально подтверждено, что апостериорные расчеты мощности бесполезны (Гудман и Берлин, 1994 г., Хениг и Хейзи, 2001 г., Альтхаус, 2020 г.). Апостериорная мощность, также известная как наблюдаемая мощность или ретроспективная мощность, предназначена для оценки мощности теста с учетом величины наблюдаемого эффекта.
Идея состоит в том, чтобы показать, что проверка «незначимой» гипотезы не достигла значимости, потому что она была недостаточно мощной. Это позволяет исследователям предположить, что их гипотетический эффект может действительно существовать, им просто нужно было использовать больший размер выборки. Проблема с этой идеей заключается в том, что апостериорные расчеты мощности полностью определил по p-значению. Высокие p-значения (т. е. незначительность) всегда будут иметь низкую мощность. Низкие p-значения всегда будут иметь большую мощность. Ничего нельзя узнать из апостериорных расчетов мощности.
В этой статье мы демонстрируем эту идею с помощью моделирования в R. Для начала давайте смоделируем некоторые данные и проведем t-тест. Сначала мы берем 10 образцов из двух нормальных распределений. У одного среднее значение 10, а у другого среднее значение 10,1. Следовательно, «истинный» размер эффекта равен 0,1 (т. е. 10,1 – 10 = 0,1). Обратите внимание, что оба имеют одинаковую дисперсию.
9Функция 0118 set.seed(11) позволяет нам всегда генерировать одни и те же «случайные» данные для этого примера. Это позволяет вам следовать, если вы хотите воспроизвести результат. Это может помочь притвориться, что мы провели эксперимент, и группа x1 является контрольной, а группа x2 подверглась какому-то лечению.
сет.сид(11) x1 <- rnorm(10, среднее = 10, sd = 1) x2 <- rnorm(10, среднее = 10,1, sd = 1)
Затем мы запускаем t-тест, используя t.test функция. Тест t для этих данных возвращает очень высокое значение p, равное 0,72. Если бы это был настоящий анализ, мы бы пришли к выводу, что не можем определить, какой эффект существует, если он вообще существует. 95-процентный доверительный интервал разницы средних значений колеблется от -0,67 до 0,95. Каждое значение в этом диапазоне, включая 0, совместимо с данными. Эффект почти наверняка не равен нулю, но мы не можем сказать, положительный он или отрицательный.
ttest <- t.test(x1, x2, var.
equal = TRUE)
тест
##
## Двухвыборочный t-критерий
##
## данные: x1 и x2
## t = 0,3608, df = 18, p-значение = 0,7224
## альтернативная гипотеза: истинная разница в средних не равна 0
## 95-процентный доверительный интервал:
## -0,6707225 0,9488640
## примерные оценки:
## среднее значение x среднее значение y
## 9.769937 9.630867
Теперь давайте проведем так называемый апостериорный расчет мощности, используя наблюдаемый эффект . Это наблюдаемая разница в средствах. Мы можем рассчитать мощность с помощью функции power.t.test . Нам нужно дать ему 90 118 дельта 90 119 (эффект или разница в средних), 90 118 sd 90 119 (объединенное стандартное отклонение), n (размер выборки) и sig.level (уровень значимости или допустимая ошибка I рода). Мы получаем разницу в средних значениях, вызывая функцию diff для элемента Assessment объекта «ttest».
power.t.test (дельта = разница (ttest $ оценка),
sd = sqrt((var(x1) + var(x2))/2),
п = 10,
сиг. уровень = 0,05,
тип = "два.выборка",
альтернатива = "двусторонний")
##
## Расчет мощности двухвыборочного t-теста
##
## n = 10
## дельта = 0,1390708
## сд = 0,8618848
## сигнальный уровень = 0,05
## мощность = 0,05283998
## альтернатива = двухсторонний
##
## ПРИМЕЧАНИЕ: n – это число в *каждой* группе
уровень = 0,05,
тип = "два.выборка",
альтернатива = "двусторонний")
##
## Расчет мощности двухвыборочного t-теста
##
## n = 10
## дельта = 0,1390708
## сд = 0,8618848
## сигнальный уровень = 0,05
## мощность = 0,05283998
## альтернатива = двухсторонний
##
## ПРИМЕЧАНИЕ: n – это число в *каждой* группе
Рассчитанная постфактум мощность составляет около 0,053, что очень мало. Сторонники апостериорной мощности могут заключить, что эксперимент был недостаточно мощным, но, как мы заявили во вступительной части, апостериорная мощность полностью определяется p-значением . Эксперимент вполне может быть недостаточно мощным, но апостериорный расчет мощности этого не доказывает. ты будешь всегда получают низкую апостериорную мощность при проверке гипотезы с большим p-значением. Упражнение бесполезное. Хениг и Хейзи (2001) демонстрируют это математически. Мы продемонстрируем это с помощью моделирования.
Функция репликации позволяет быстро справиться с этой задачей.
Просто передайте наш предыдущий код (за исключением функции set.seed ) в виде выражения, заключенного в фигурные скобки, и укажите количество повторений кода. Ниже мы «реплицируем» код 2000 раз. Значение p теста и апостериорная мощность (или «наблюдаемая мощность») возвращаются в виде вектора. Результаты сохраняются в объекте с именем «sim_out».
sim_out <- репликация (n = 2000, выражение = {
x1 <- rnorm(10, среднее = 10, sd = 1)
x2 <- rnorm(10, среднее = 10,1, sd = 1)
ttest <- t.test(x1, x2, var.equal = TRUE)
pwr <- power.t.test(delta = diff(ttest$оценка),
sd = sqrt((var(x1) + var(x2))/2),
сиг.уровень = 0,05,
п = 10)
c(pvalue = ttest$p.value, obs_power = pwr$power)
})
Далее мы создаем диаграмму рассеяния. Поскольку объект «sim_out» имеет размерность 2 x 2000, нам нужно транспонировать его для упрощения построения. Мы можем сделать это с т функция.
сюжет (t (sim_out),
xlim = c(0,1), ylim = c(0,1),
xlab = «значение p», ylab = «наблюдаемая мощность»,
main = "Моделирование t-теста с двумя выборками")
Полученная диаграмма рассеяния показывает, что высокие p-значения всегда имеют низкую мощность, и наоборот.
Единственный раз, когда вы увидите высокую апостериорную мощность, — это очень маленькое p-значение. Дело в том, что вы не узнаете ничего нового, вычислив постфактум мощность.
Мы также можем продемонстрировать это с помощью теста хи-квадрат. Ниже мы создаем две группы, помеченные как «A» и «B», по 40 членов в каждой. Затем присваиваем им вероятности «успеха» 0,5 и 0,7 соответственно.
grp <- rep(c("A", "B"), каждый = 40)
p <- rep (c (0,5, 0,7), каждый = 40)
Затем мы используем функцию rbinom для случайного возврата 0 или 1 в зависимости от заданной нами вероятности. 1 соответствует ответу на лечение, 0 означает отсутствие ответа. В соответствии с тем, как мы сгенерировали вероятности, в группе Б должно было быть больше ответов испытуемых. Однако это не гарантирует, что тест хи-квадрат обнаружит эту связь, как мы видим ниже.
set.seed(2) resp <- rbinom (n = длина (grp), размер = 1, prob = p) таблица (грп, соответственно) ## соответственно ## группа 0 1 ## А 21 19## В 15 25 chisq.
test (таблица (grp, соотв.))
##
## Критерий хи-квадрат Пирсона с поправкой Йейтса на непрерывность
##
## данные: таблица (grp, соотв.)
## X-квадрат = 1,2626, df = 1, p-значение = 0,2612
Мы получили значение p около 0,26. Какова апостериорная мощность этого теста? Мы можем рассчитать это, сохранив результаты теста хи-квадрат, извлекая пропорции и используя функцию power.prop.test . Обратите внимание, что мы используем базовый оператор канала R 9.0118 |> , представленный в версии 4.1, для передачи наблюдаемых значений в функцию пропорций .
cout <- chisq.test (таблица (grp, соответственно))
obs <- cout$observed |> пропорции (маржа = 1)
power.prop.test(n = длина(grp)/2,
р1 = набл["А","1"],
р2 = набл["В","1"],
сиг.уровень = 0,05)
##
## Двухвыборочное сравнение расчета мощности пропорций
##
## n = 40
## р1 = 0,475
## р2 = 0,625
## сигнальный уровень = 0,05
## мощность = 0,2680786
## альтернатива = двухсторонний
##
## ПРИМЕЧАНИЕ: n – это число в *каждой* группе
Неудивительно, что p-значение 0,26 приводит к низкой «наблюдаемой мощности», в данном случае около 0,27.
Как и в случае с t-критерием, мы можем воспроизвести его много раз и построить графики p-значений и вычислений апостериорной мощности.
sim_out <- репликация (n = 2000, выражение = {
resp <- rbinom (n = длина (grp), размер = 1, prob = p)
chisqtest <- chisq.test (таблица (grp, соответственно))
obs <- chisqtest$observed |> пропорции (маржа = 1)
pwr <- power.prop.test(n = длина(grp)/2,
р1 = набл["А","1"],
р2 = набл["В","1"],
сиг.уровень = 0,05)
c(pvalue = chisqtest$p.value, obs_power = pwr$power)
})
сюжет (t (sim_out),
xlim = c(0,1), ylim = c(0,1),
xlab = «значение p», ylab = «наблюдаемая мощность»,
main = "Моделирование теста хи-квадрат")
Опять же, при постфактум расчетах мощности ничего не получается. Незначительный результат всегда будет иметь малую «силу». (Пробелы в линии диаграммы рассеяния вызваны дискретными подсчетами в таблице.)
Сила — это то, о чем стоит подумать до проведения эксперимента , а не после.
Мощность — это вероятность правильного отклонения проверки нулевой гипотезы, когда гипотетический эффект действительно существует. Мы притворяемся, что какой-то значимый эффект действительно реален, а затем определяем размер выборки, необходимый для достижения высокого уровня мощности, например 0,9.0.
В нашем первом примере реальный эффект составил 0,1 (со стандартным отклонением 1). Насколько большой размер выборки нам нужен, чтобы с вероятностью 90 % правильно отвергнуть нулевую гипотезу об отсутствии различий в средних значениях при уровне значимости 0,05? Мы можем использовать функцию power.t.test , чтобы ответить на этот вопрос.
power.t.test (дельта = 0,1, sd = 1, sig.level = 0,05, мощность = 0,90) ## ## Расчет мощности двухвыборочного t-теста ## ## n = 2102,445 ## дельта = 0,1 ## сд = 1 ## сигнальный уровень = 0,05 ## мощность = 0,9## альтернатива = двухсторонний ## ## ПРИМЕЧАНИЕ: n – это число в *каждой* группе
Похоже, нам нужно более 2100 субъектов на группу .
Предполагая, что наши оценки размера эффекта реалистичны и значимы, это дает нам представление о том, сколько испытуемых нам нужно набрать. Но это не гарантирует значительного результата. Высокая мощность — это вероятность, а не уверенность.
В дополнение к рассмотрению мощности перед экспериментом, мы должны меньше сосредотачиваться на p-значениях после анализа и больше на доверительные интервалы эффекта . Существует давняя традиция принятия бинарных решений «некоторый эффект» или «отсутствие эффекта» на основе p-значения, падающего ниже произвольного порога. Например, получите p-значение 0,08 и объявите, что «эффекта нет», потому что p-значение не меньше 0,05. Или получите p-значение 0,000023 и объявите «весьма значительный эффект», потому что p-значение очень мало. В обоих случаях мы принимаем решения об эффекте без фактического исследования эффекта 9.0032 .
Ранее мы провели тест хи-квадрат на смоделированных данных. Давайте сделаем это снова. Ниже мы используем set., чтобы вы могли воспроизвести наш результат.
seed(8)
grp <- rep(c("A", "B"), каждый = 40)
p <- rep (c (0,5, 0,7), каждый = 40)
сет.сид(8)
resp <- rbinom (n = длина (grp), размер = 1, prob = p)
chisq.test (таблица (grp, соотв.))
##
## Критерий хи-квадрат Пирсона с поправкой Йейтса на непрерывность
##
## данные: таблица (grp, соотв.)
## Х-квадрат = 1,8569, df = 1, p-значение = 0,173
Значение p критерия хи-квадрат равно 0,17. При реальном анализе мы могли бы сделать вывод об отсутствии эффекта, поскольку значение p больше 0,05. Но это решение даже не учитывает предполагаемый эффект. Один из способов оценить эффект — рассчитать разницу в пропорциях между теми, кто ответил в группе А, и теми, кто ответил в группе В, а затем вычислить 95% доверительный интервал для разницы в пропорциях. Это можно сделать с помощью проп.тест функция. Прежде чем мы это сделаем, мы используем таблицу и пропорции , чтобы определить наблюдаемый эффект 0,675 - 0,500 = 0,175.
таблица (grp, resp) |> пропорции (margin = 1) ## соответственно ## группа 0 1 ## А 0,500 0,500 ## Б 0,325 0,675
Чтобы использовать функцию prop.test , в таблице должны быть «успешные» в первом столбце и «неудачные» во втором столбце, поэтому мы меняем порядок столбцов. Кроме того, мы меняем порядок строк таким образом, чтобы предполагаемый эффект был B – A.
tab <- table(grp, resp)[c("B","A"),c("1","0")]
prop.test(x = вкладка)
##
## Двухвыборочный тест на равенство пропорций с поправкой на непрерывность
##
## данные: вкладка
## X-квадрат = 1,8569, df = 1, p-значение = 0,173
## альтернативная гипотеза: двусторонняя
## 95-процентный доверительный интервал:
## -0,06231373 0,41231373
## примерные оценки:
## реквизит 1 реквизит 2
## 0,675 0,500
Обратите внимание, что значение p точно такое же, как и в тесте хи-квадрат. (Критерий хи-квадрат и тест пропорции двух выборок — это одно и то же со статистической точки зрения.
) Что еще более важно, обратите внимание на 95-процентный доверительный интервал для разницы в пропорциях. Каждая пропорция в этом диапазоне совместима с данными. Несмотря на то, что p-значение «несущественно», правдоподобные эффекты варьируются от -0,06 до 0,4. Объявить «нет эффекта» означает решить, что 0 является наиболее вероятным эффектом. Но почему 0 более вероятно, чем 0,1 или 0,2? Вместо того, чтобы сжимать эту информацию в одно решение «да/нет», мы должны указать доверительный интервал и позволить читателю увидеть диапазон правдоподобных размеров эффекта.
Ссылки
- Althouse A. Post Hoc Сила: не расширяет возможности, просто вводит в заблуждение. J Surg Res . 2021 март; 259:А3-А6.
- Goodman SN, Berlin JA. Использование предсказанных доверительных интервалов при планировании экспериментов и злоупотребление властью при интерпретации результатов. Энн Интерн Мед . 1994 год; 121:200-206.
- Хёниг Дж.
