통계적 검정력 · 표본 크기 계산

무엇을 해주나

• 사전(a priori) 검정력 분석: 목표 효과크기, α, 검정력(보통 0.80/0.90)을 주면 필요한 표본 수를 계산합니다.
• 닫힌 형태 공식 지원: 독립·대응 t검정, 일원 ANOVA, 비율 비교, 상관, 카이제곱, 회귀(R² 증분) 등을 scripts/power.py의 통일된 인터페이스(sample_size, power, mde, power_curve)로 처리합니다.
• 시뮬레이션(몬테카를로) 검정력: 로지스틱·포아송 회귀, 혼합효과 모형, 군집무작위 시험(ICC), 생존분석, 매개효과, 교호작용처럼 공식이 없는 설계는 데이터 생성 → 실제 분석 → 반복 방식으로 검정력과 몬테카를로 신뢰구간을 추정합니다.
• 실무 보정: 다중비교(α/m), 탈락률(n_enroll = n/(1−dropout)), 군집 설계효과(DEFF = 1+(m−1)·ICC), 불균등 배정 비율 반영.
• 효과크기 가이드와 보고 템플릿: SESOI(의미 있는 최소 효과) 우선 원칙, 파일럿 추정치 축소, d·f·r·η²·OR 변환표, IRB/연구비 신청서에 바로 붙일 수 있는 문장 템플릿과 민감도 분석 권고. 사후(observed) 검정력의 순환논리 문제도 명확히 경고합니다.

이런 분께 추천

• 논문·학위논문 설계 단계에서 표본 수 근거를 만들어야 하는 대학원생과 연구자
• IRB 심의, 연구비 신청서, 사전등록(pre-registration)에 표본 수 정당화를 써야 하는 분
• 임상시험·역학 연구에서 탈락률과 군집 구조를 반영한 등록 인원을 계산해야 하는 분
• A/B 테스트나 실험 기획에서 최소 검출 가능 효과(MDE)를 알아야 하는 데이터 분석가

활용 예시

1. "두 집단 평균 차이 d=0.5를 80% 검정력, α=0.05로 검출하려면 몇 명이 필요해?" → 집단당 필요한 n과 총 n, 20% 탈락 가정 시 등록 인원까지 계산해 보고 문장으로 정리해 줍니다.
2. "집단당 30명밖에 못 모아요. 뭘 검출할 수 있죠?" → 해당 n에서의 MDE를 계산하고, 효과크기 범위별 검정력 곡선 그림(power_curve.png)을 만들어 줍니다.
3. "클리닉 20곳을 군집무작위로 배정하고 클리닉당 30명, ICC=0.05일 때 검정력?" → 군집 구조를 반영한 시뮬레이션 코드를 작성해 5,000회 반복 후 검정력과 몬테카를로 95% CI를 보고합니다.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/statistical-power 폴더를 내 ~/.claude/skills/statistical-power/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.