Phân tích Power & Cỡ mẫu thống kê
Tính cỡ mẫu cần thiết, hiệu ứng tối thiểu phát hiện được (MDE) và đường cong power bằng cả công thức đóng và mô phỏng Monte Carlo.
Dữ liệu · Phân tíchTrung cấp★ 33,030⑂ 3,248Điểm AI 9/10Cập nhật lần cuối: 9 thg 8, 2026
Làm được gì
- Phân tích power tiên nghiệm (a priori): cho effect size, α và power mục tiêu (0.80/0.90) → trả về cỡ mẫu cần thiết cho mỗi nhóm và tổng thể.
- Công thức đóng: t-test độc lập/ghép cặp, ANOVA một yếu tố, so sánh hai tỷ lệ, tương quan, chi-square, hồi quy (gia tăng R²) qua giao diện thống nhất trong
scripts/power.py(sample_size,power,mde,power_curve). - Power mô phỏng Monte Carlo: cho các thiết kế không có công thức — hồi quy logistic/Poisson, mô hình hỗn hợp, thử nghiệm ngẫu nhiên theo cụm (ICC), phân tích sống còn, trung gian, tương tác — theo quy trình sinh dữ liệu → chạy đúng mô hình dự kiến → lặp ≥1.000 lần, kèm khoảng tin cậy Monte Carlo.
- Các hiệu chỉnh thực tế: so sánh đa bội (α/m), tỷ lệ bỏ theo dõi (
n_tuyển = n/(1−dropout)), hiệu ứng thiết kế do phân cụm (DEFF = 1+(m−1)·ICC), phân bổ không đều 2:1 hay 3:1. - Hướng dẫn chọn effect size & mẫu báo cáo: ưu tiên SESOI, thu nhỏ ước lượng từ nghiên cứu thí điểm, bảng chuyển đổi d/f/r/η²/OR, câu mẫu để đưa vào hồ sơ IRB, đề tài tài trợ hoặc pre-registration; cảnh báo rõ về sai lầm dùng power hậu nghiệm.
Dành cho ai
- Nghiên cứu sinh, giảng viên cần biện luận cỡ mẫu trong luận văn hoặc bài báo
- Người viết hồ sơ IRB, đề xuất tài trợ, đăng ký nghiên cứu trước
- Nhà nghiên cứu lâm sàng/dịch tễ cần tính số người tuyển có tính đến bỏ theo dõi và phân cụm
- Data analyst muốn biết MDE cho A/B test với lưu lượng hiện có
Ví dụ sử dụng
- "Cần bao nhiêu người mỗi nhóm để phát hiện d = 0.5 với power 80%, α = 0.05?" → trả về n mỗi nhóm, tổng n, và số cần tuyển nếu bỏ theo dõi 20%, kèm đoạn văn báo cáo.
- "Tôi chỉ có 30 mẫu mỗi nhóm — phát hiện được hiệu ứng nhỏ nhất là bao nhiêu?" → tính MDE và vẽ đường cong power theo effect size để đưa vào hình minh họa.
- "Ngẫu nhiên hóa 20 phòng khám, 30 bệnh nhân mỗi nơi, ICC = 0.05 thì power bao nhiêu?" → viết script mô phỏng cụm, chạy 5.000 lần và báo cáo power kèm CI 95% Monte Carlo.
· · · Hướng dẫn cài đặt · · ·
Cài vào ứng dụng Claude (không cần terminal)
- Tải tệp ZIP bằng nút bên dưới.
- Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
- Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
Cài vào Claude Code
Để Claude làm — dán câu dưới đây vào Claude Code
Hãy cài skill mình tìm thấy trên Claude Skill Mart. Copy thư mục skills/statistical-power từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/statistical-power/ của mình. Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.
Cài bằng lệnh thủ công
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/statistical-power ~/.claude/skills/⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.
- Kiểm tra môi trường: chạy
python3 --versionđể chắc chắn Python từ 3.10 trở lên; cài sẵn Claude Code. - Tạo thư mục skill:
mkdir -p ~/.claude/skills - Tải mã nguồn:
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git - Sao chép skill:
cp -r scientific-agent-skills/skills/statistical-power ~/.claude/skills/ - Cài thư viện Python:
uv pip install "statsmodels>=0.14.6" "scipy>=1.11" "pingouin>=0.6" "numpy>=1.26" matplotlib pandas; thêmuv pip install lifelinesnếu cần mô phỏng phân tích sống còn. Không có uv thì dùngpip install. - Kiểm tra: khởi động lại Claude Code và thử yêu cầu "tính cỡ mẫu cần thiết với power 80%" — skill sẽ tự được gọi.
- Xử lý lỗi: nếu gặp lỗi import
_lazywhere, hãy nâng statsmodels lên >= 0.14.6.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT