Skip to main content

표본 크기 계산기

비교 실험의 크기를 계획합니다. 검정 계열(일표본 t, 이표본 t, 대응 t), 목표 효과 크기, 원하는 통계적 검출력, 유의 수준을 선택하세요. 계산기는 군당 최소 표본 크기를 반환하고, 기반이 되는 정규 근사의 가정을 명시합니다.

실험 계획 v1.0.0

계산기

입력값

결과 단위로, 감지할 가치가 있는 군 평균 간 최소 차이.

파일럿 데이터 또는 문헌으로부터 기대되는 결과의 변동성.

양측 제1종 오류율. 일반적인 값: 0.05.

지정된 차이를 감지할 확률. 일반적인 값: 0.8.

계획 매개변수를 입력하여 필요한 반복 수를 확인하세요

이 계산에 대해

무엇을 하는 계산인가

Sample size planning uses the normal approximation to the test statistic to determine how many observations per group are needed to detect a given effect with a chosen probability (power). The smaller the effect or the lower the power target, the larger the required sample.

왜 사용하는가

Running too few samples misses real effects; running too many wastes resources and animals. Sample size planning lets the experimenter commit to a defensible n before the bench work begins.

이 계산기가 필요한 이유

The normal-approximation formula is short, but the inputs (effect size, power, alpha, sidedness) are easy to mix up — particularly the difference between the two-sample test variance assumption (equal vs unequal). The calculator standardises the inputs and shows the per-group n.

주요 전제

  • The data approximate a normal distribution, or the test is robust to non-normality at the planned n.
  • The variance estimate used in the power calculation is a credible stand-in for the real variance.
  • The effect size is the smallest effect the experiment is intended to detect.

한계

  • It uses the normal approximation, which is conservative for very small samples — the exact test may need fewer.
  • It does not plan for attrition, dropout, or technical replicates — build those into the n.
  • It does not replace a formal power analysis for non-standard tests (non-parametric, mixed models).

계산 결과 항목

군당 반복 수
Minimum whole replicates needed in each group (rounded up).
총 반복 수
Replicates across both groups combined.
표준화 효과 크기(d)
δ / σ — the difference expressed in units of the standard deviation.

자주 묻는 질문

  • 이 표본 크기 계산기는 무엇을 추정하나요?

    두 독립 평균 사이의 차이(예: 플레이트나 배양 시스템에서의 처리군 대 대조군)를 선택한 유의 수준과 검정력으로 검출하는 데 필요한 군당 생물학적 반복 수를 추정합니다. 군당 최소 정수 반복 수(항상 올림), 두 군 합계, 표준화 효과 크기 d = δ / σ를 반환합니다. 이표본 정규 근사를 사용한 실험 전 계획 추정일 뿐, 데이터를 모은 뒤 하는 사후 검정이 아닙니다.

  • 계산기에 어떤 입력값이 필요한가요?

    네 개의 값입니다: 검출할 가치가 있는 두 군 평균의 최소 차이(δ, 측정 항목의 단위), 가정하는 표준편차(σ, 가능하면 파일럿 데이터나 문헌의 값), 양측 유의 수준(α, 0.001~0.2 범위, 일반적인 값 0.05), 목표 검정력(1 − β, 0.5~0.999 범위, 일반적인 값 0.8)입니다. 내부에서는 정규 근사 공식 n = 2(z₁₋α/₂ + z₁₋β)²σ²/δ²을 적용합니다.

  • 통계적 검정력(power)을 쉽게 설명하면 무엇인가요?

    검정력이란, 지정한 차이가 실제로 존재한다고 가정할 때 그 실험이 실제로 그 차이를 검출할 확률입니다. 일반적으로 목표하는 80 %라도 그 크기의 실제 효과를 다섯 번 중 한 번쯤은 놓칠 것으로 기대됩니다. 계산기는 그 교환 관계를 직접 보여 주어, 목표 검정력을 올리면 반환되는 군당 반복 수가 늘어납니다. 검정력은 II형 오류의 여사건(1 − β)이며, 이 도구는 0.5부터 0.999까지 설정할 수 있습니다.

  • 반복을 몇 회 해야 하나요? 기술 반복도 그 수에 포함되나요?

    보편적인 수는 없습니다. 솔직한 답은 얼마나 작은 차이를 검출하고 싶은지, 검사(assay)의 변동이 얼마나 큰지에 달렸고, 계산기는 바로 그 δ, σ, α, 검정력에서 필요 수를 도출합니다. 계산기가 계획하는 대상은 두 군 비교의 근거가 되는 독립적인 생물학적 반복이며, 같은 시료의 기술 반복 측정값을 평균 내는 것은 독립 반복을 늘리는 것과 대체할 수 없습니다. 계산기는 기술 반복, 시료 손실이나 탈락도 계획하지 않으므로, 반환된 n에 직접 포함하십시오.

  • 이 추정의 한계는 무엇인가요?

    t 분포 대신 z(대표본) 근사를 사용하므로, 군당 대략 30회 미만 반복에서는 t 검정이 보고된 수보다 약간 더 많은 반복을 요구합니다 — 결과는 하한으로 취급하십시오. 등반복수·등분산의 독립 2군, 근사적으로 정규인 측정값, 양측 검정, 단일 비교를 가정하며, 다중 검정·대응 설계·분산이 서로 다른 경우에는 다른 공식이 필요합니다. 계획 보조 도구일 뿐 특정 연구에 대한 통계 조언이 아닙니다 — 확증적·임상 설계에는 통계 전문가와 상담하십시오.

연구 및 교육 용도로만 사용하십시오. 임상 진단이나 의료 결정에 사용할 수 없습니다. 중요한 작업에 사용하기 전에 항상 계산 결과를 독립적으로 확인하십시오.