diff --git a/docker.service.d/docker.conf b/docker.service.d/docker.conf new file mode 100644 index 0000000..b04be57 --- /dev/null +++ b/docker.service.d/docker.conf @@ -0,0 +1,3 @@ +[Service] +ExecStart= +ExecStart=/usr/bin/dockerd -H tcp://0.0.0.0:2375 -H unix:///var/run/docker.sock diff --git a/sample_size_site_full/adj_sample.html b/sample_size_site_full/adj_sample.html new file mode 100644 index 0000000..4c17695 --- /dev/null +++ b/sample_size_site_full/adj_sample.html @@ -0,0 +1,11 @@ + + + + + adj_sample.html + + +

adj_sample.html

+

This is a placeholder page for Adj Sample module.

+ + diff --git a/sample_size_site_full/adj_sample_guide.html b/sample_size_site_full/adj_sample_guide.html new file mode 100644 index 0000000..71259b2 --- /dev/null +++ b/sample_size_site_full/adj_sample_guide.html @@ -0,0 +1,11 @@ + + + + + adj_sample_guide.html + + +

adj_sample_guide.html

+

This is a placeholder guide page for Adj Sample Guide.

+ + diff --git a/sample_size_site_full/adv_crossover.html b/sample_size_site_full/adv_crossover.html new file mode 100644 index 0000000..63770de --- /dev/null +++ b/sample_size_site_full/adv_crossover.html @@ -0,0 +1,11 @@ + + + + + adv_crossover.html + + +

adv_crossover.html

+

This is a placeholder page for Adv Crossover module.

+ + diff --git a/sample_size_site_full/adv_crossover_guide.html b/sample_size_site_full/adv_crossover_guide.html new file mode 100644 index 0000000..eb9655c --- /dev/null +++ b/sample_size_site_full/adv_crossover_guide.html @@ -0,0 +1,11 @@ + + + + + adv_crossover_guide.html + + +

adv_crossover_guide.html

+

This is a placeholder guide page for Adv Crossover Guide.

+ + diff --git a/sample_size_site_full/adv_equivalence.html b/sample_size_site_full/adv_equivalence.html new file mode 100644 index 0000000..b661194 Binary files /dev/null and b/sample_size_site_full/adv_equivalence.html differ diff --git a/sample_size_site_full/adv_equivalence_guide.html b/sample_size_site_full/adv_equivalence_guide.html new file mode 100644 index 0000000..c50bdc9 Binary files /dev/null and b/sample_size_site_full/adv_equivalence_guide.html differ diff --git a/sample_size_site_full/adv_multilevel.html b/sample_size_site_full/adv_multilevel.html new file mode 100644 index 0000000..7442e26 --- /dev/null +++ b/sample_size_site_full/adv_multilevel.html @@ -0,0 +1,11 @@ + + + + + adv_multilevel.html + + +

adv_multilevel.html

+

This is a placeholder page for Adv Multilevel module.

+ + diff --git a/sample_size_site_full/adv_multilevel_guide.html b/sample_size_site_full/adv_multilevel_guide.html new file mode 100644 index 0000000..3da8978 --- /dev/null +++ b/sample_size_site_full/adv_multilevel_guide.html @@ -0,0 +1,11 @@ + + + + + adv_multilevel_guide.html + + +

adv_multilevel_guide.html

+

This is a placeholder guide page for Adv Multilevel Guide.

+ + diff --git a/sample_size_site_full/adv_noninferiority.html b/sample_size_site_full/adv_noninferiority.html new file mode 100644 index 0000000..1ae6bdc Binary files /dev/null and b/sample_size_site_full/adv_noninferiority.html differ diff --git a/sample_size_site_full/adv_noninferiority_guide.html b/sample_size_site_full/adv_noninferiority_guide.html new file mode 100644 index 0000000..86553b9 Binary files /dev/null and b/sample_size_site_full/adv_noninferiority_guide.html differ diff --git a/sample_size_site_full/adv_repeated_anova.html b/sample_size_site_full/adv_repeated_anova.html new file mode 100644 index 0000000..4e83aa8 --- /dev/null +++ b/sample_size_site_full/adv_repeated_anova.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/adv_repeated_anova_guide.html b/sample_size_site_full/adv_repeated_anova_guide.html new file mode 100644 index 0000000..0d343a3 --- /dev/null +++ b/sample_size_site_full/adv_repeated_anova_guide.html @@ -0,0 +1,154 @@ + + + + + Hướng dẫn tính cỡ mẫu Repeated Measures ANOVA + + + + + + + +

 

+

Hướng dẫn tính toán cỡ mẫu cho kiểm định Repeated Measures ANOVA

+
+

1. Repeated Measures ANOVA là gì?

+

Repeated Measures ANOVA (Phân tích phương sai với số đo lặp lại) là một phương pháp thống kê được sử dụng khi cùng một nhóm đối tượng được đo nhiều lần trên cùng một biến phụ thuộc trong các điều kiện hoặc thời điểm khác nhau.

+

Phạm vi ứng dụng:

+

Repeated Measures ANOVA được áp dụng rộng rãi trong các nghiên cứu y sinh và y tế công cộng, khi cần so sánh sự thay đổi của một biến qua thời gian hoặc qua các điều kiện khác nhau:

+ +
+

Ví dụ trong nghiên cứu:

+
    +
  1. Nghiên cứu lâm sàng: + +
    2. +
  2. Nghiên cứu dinh dưỡng: + +
    3. +
  3. Y tế công cộng: + +
    4. +
+
+

2. Công thức tính cỡ mẫu cho Repeated Measures ANOVA

+

Cỡ mẫu cho kiểm định Repeated Measures ANOVA được tính toán dựa trên các tham số chính:

+ +

Công thức tổng quát:

+

+\[ +n = \frac{(\eta + 1)(Z_{1-\alpha} + Z_{1-\beta})^2}{f^2 (1 - \rho)} +\] +

+

Trong đó:

+ +

Tổng cỡ mẫu cho toàn bộ nghiên cứu:

+

+\[ +n_{\text{total}} = n \times \text{số nhóm} +\] +

+
+

3. Ví dụ minh họa

+

Bài toán:

+

Bạn muốn đánh giá sự thay đổi điểm huyết áp của một nhóm bệnh nhân tại 3 thời điểm:

+
    +
  1. Trước khi điều trị.
    2. +
  2. Sau 1 tháng điều trị.
    3. +
  3. Sau 3 tháng điều trị.
    4. +
+

Các tham số:

+ +

Tính toán từng bước sẽ cho kết quả \(n \approx 753\)

+
+

4. Hướng dẫn tính toán cỡ mẫu bằng R

+

Mã R mẫu:

+
library(pwr)
+
+# Hiệu ứng điều chỉnh với hệ số tương quan
+adjusted_effect_size <- 0.25 * sqrt(1 - 0.5)
+
+# Tính cỡ mẫu
+result <- pwr.anova.test(
+  k = 3,                # Số thời điểm
+  f = adjusted_effect_size,
+  sig.level = 0.05,
+  power = 0.8
+)
+
+print(result)
+

Kết quả trả về:

+
Balanced one-way analysis of variance power calculation
+
+k = 3
+n = 752.64
+f = 0.1767767
+sig.level = 0.05
+power = 0.8
+

Kết luận:

+ +
+

5. Kết luận

+

Repeated Measures ANOVA là một công cụ mạnh mẽ để phân tích dữ liệu lặp lại trên cùng một đối tượng, giúp kiểm tra hiệu quả của các can thiệp qua thời gian hoặc trong các điều kiện khác nhau. Việc tính toán cỡ mẫu đúng cách giúp đảm bảo nghiên cứu có đủ sức mạnh thống kê để phát hiện sự khác biệt thực sự.

+ + + \ No newline at end of file diff --git a/sample_size_site_full/anova_oneway.html b/sample_size_site_full/anova_oneway.html new file mode 100644 index 0000000..d3ea945 --- /dev/null +++ b/sample_size_site_full/anova_oneway.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/anova_oneway_guide.html b/sample_size_site_full/anova_oneway_guide.html new file mode 100644 index 0000000..60df47e --- /dev/null +++ b/sample_size_site_full/anova_oneway_guide.html @@ -0,0 +1,711 @@ + + + + + + Hướng dẫn One Way ANOVA + + + + +

Hướng dẫn tính toán cỡ mẫu cho kiểm định ANOVA (Phân tích phương + sai)

+
+

1. Kiểm định ANOVA là gì?

+

Kiểm định ANOVA (Analysis of Variance) là một phương pháp thống kê dùng để + kiểm tra xem có sự khác biệt có ý nghĩa thống kê giữa trung bình của nhiều + nhóm độc lập hay không.

+
+

Phạm vi ứng dụng:

+

Kiểm định ANOVA được sử dụng rộng rãi trong các nghiên cứu y tế, khoa học xã + hội và giáo dục, đặc biệt khi cần so sánh trung bình của hơn 2 nhóm độc + lập.
Ví dụ:

+ +
+

2. Công thức tính cỡ mẫu cho kiểm định ANOVA

+

Công thức tổng quát để tính cỡ mẫu cho kiểm định ANOVA dựa trên kích thước + hiệu ứng chuẩn hóa (

+ + + + f + + f + + +

), mức ý nghĩa (

+ + + + α + + \alpha + + +

), và độ mạnh kiểm định (

+ + + + 1 + − + β + + 1-\beta + + +

):

+ + + + n + = + + + ( + η + + + 1 + ) + ( + + Z + + 1 + − + α + + + + + + Z + + 1 + − + β + + + + ) + 2 + + + + f + 2 + + + + n = + \frac{{(\eta + 1)(Z_{1-\alpha} + Z_{1-\beta})^2}}{{f^2}} + + +

+

Trong đó:

+ +
+

3. Đặc biệt khi chỉ có 2 nhóm

+

Khi số nhóm

+ + + + k + = + 2 + + k = 2 + + +

, kiểm định ANOVA trở thành kiểm + định t-test hai mẫu độc lập.
Trong trường hợp này, công thức + trên được đơn giản hóa thành:

+ + + + n + = + + + 2 + ( + + Z + + 1 + − + α + + + + + + Z + + 1 + − + β + + + + ) + 2 + + + + f + 2 + + + + n = + \frac{{2(Z_{1-\alpha} + Z_{1-\beta})^2}}{{f^2}} + + +

+

Nhận xét:

+ +
+

4. Hướng dẫn tính toán

+

Cách tính cỡ mẫu

+

Để tính cỡ mẫu cho kiểm định ANOVA, bạn cần cung cấp:

+
    +
  1. Kích thước hiệu ứng ( + + + f + + f + + ): + +
    2. +
  2. Mức ý nghĩa ( + + + α + + \alpha + + ): Thường là 0.05. +
    3. +
  3. Độ mạnh kiểm định ( + + + 1 + − + β + + 1-\beta + + ): Thường là 0.8 + hoặc 0.9.
    4. +
  4. Số nhóm ( + + + k + + k + + ): Nhập số nhóm cần + so sánh.
    5. +
+

Tổng cỡ mẫu

+

Tổng cỡ mẫu cho toàn bộ nghiên cứu được tính bằng:

+ + + + + n + + t + o + t + a + l + + + = + n + × + k + + n_{total} = n \times k + + +

+

Với

+ + + + n + + n + + +

là số mẫu cần thiết cho mỗi nhóm, và

+ + + + k + + k + + +

là số nhóm.

+
+

5. Ví dụ minh họa

+

Bài toán:

+

Bạn muốn kiểm tra sự khác biệt trung bình cân nặng giữa 3 nhóm trẻ em được bổ + sung dinh dưỡng ở mức độ khác nhau với:

+ +

Áp dụng công thức:

+
    +
  1. +

    Bậc tự do giữa các nhóm:

    + + + + η + = + k + − + 1 + = + 3 + − + 1 + = + 2 + + \eta = k - 1 = 3 - 1 = 2 + + + +
    2. +
  2. +

    Tra bảng phân phối chuẩn:

    + +
    3. +
  3. +

    Tính cỡ mẫu cho mỗi nhóm:

    + + + + n + = + + + ( + η + + + 1 + ) + ( + + Z + + 1 + − + α + + + + + + Z + + 1 + − + β + + + + ) + 2 + + + + f + 2 + + + + n = + \frac{{(\eta + 1)(Z_{1-\alpha} + Z_{1-\beta})^2}}{{f^2}} + + + + + n + = + + + ( + 2 + + + 1 + ) + ( + 1.96 + + + 0.84 + + ) + 2 + + + + 0.2 + + 5 + 2 + + + + = + + + 3 + × + 7.84 + + 0.0625 + + = + + 23.52 + 0.0625 + + = + 376.32 + + n = + \frac{{(2 + 1)(1.96 + 0.84)^2}}{{0.25^2}} = + \frac{{3 \times 7.84}}{{0.0625}} = \frac{{23.52}}{{0.0625}} = 376.32 + + + +
    4. +
  4. +

    Tổng cỡ mẫu:

    + + + + + n + + t + o + t + a + l + + + = + n + × + k + = + 376.32 + × + 3 + = + 1129 + + n_{total} = n \times k = 376.32 + \times 3 = 1129 + + +
    5. +
+

Kết luận:

+

Cần ít nhất 376 mẫu cho mỗi nhóm và tổng cộng 1129 + mẫu cho cả nghiên cứu.

+
+

6. Công cụ tính toán bằng R

+

Bạn có thể tính cỡ mẫu cho kiểm định ANOVA bằng hàm + pwr.anova.test trong R:

+
+
R
+
+
+
+ + +
+
+
+
library(pwr) + pwr.anova.test(k = 3, f = 0.25, sig.level = 0.05, power = 0.8) +
+
+

Kết quả trả về:

+ +

+ + diff --git a/sample_size_site_full/anova_twoway.html b/sample_size_site_full/anova_twoway.html new file mode 100644 index 0000000..a6a0439 --- /dev/null +++ b/sample_size_site_full/anova_twoway.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/anova_twoway_guide.html b/sample_size_site_full/anova_twoway_guide.html new file mode 100644 index 0000000..a098b4a --- /dev/null +++ b/sample_size_site_full/anova_twoway_guide.html @@ -0,0 +1,125 @@ + + + + + Hướng dẫn tính cỡ mẫu Two-way ANOVA + + + + +

Hướng dẫn tính toán cỡ mẫu cho kiểm định Two-way ANOVA

+
+

1. Two-way ANOVA là gì?

+

Two-way ANOVA (Phân tích phương sai hai chiều) là một phương pháp thống kê dùng để kiểm tra:

+
    +
  1. Hiệu ứng chính (Main effects): + +
    2. +
  2. Hiệu ứng tương tác (Interaction effects): + +
    3. +
+

Phạm vi ứng dụng:

+

Two-way ANOVA được sử dụng khi bạn cần phân tích tác động của hai yếu tố độc lập (có nhiều mức) đến biến phụ thuộc. Phương pháp này phổ biến trong nghiên cứu y học, khoa học xã hội, và kỹ thuật.

+

Ví dụ:

+ +
+

2. Công thức tính cỡ mẫu

+

Cỡ mẫu trong Two-way ANOVA phụ thuộc vào:

+ +

Công thức tổng quát:

+

+ \[ + n = \frac{(\eta_1 \times \eta_2)(Z_{1-\alpha} + Z_{1-\beta})^2}{f^2} + \] +

+

Trong đó:

+ +

Tổng số mẫu:

+

+ \[ + n_{total} = n \times (\eta_1 \times \eta_2) + \] +

+
+

3. Ví dụ minh họa

+

Bài toán: Kiểm tra ảnh hưởng của 3 loại thuốc (\( \eta_1 = 3 \)) và 2 giới tính (\( \eta_2 = 2 \)) đến huyết áp.

+ +

+ \[ + n = \frac{6 \times (1.96 + 0.84)^2}{0.25^2} = \frac{6 \times 7.84}{0.0625} = \frac{47.04}{0.0625} = 752.64 + \] +

+

+ \[ + n_{total} = 752.64 \times 6 = 4515.84 + \] +

+

Kết luận: Cỡ mẫu mỗi tổ hợp: 753, tổng toàn nghiên cứu: 4516 (làm tròn).

+
+

4. Tính toán trong R

+ 
library(pwr)
+
+# Tổng số tổ hợp (3 x 2 = 6)
+total_groups <- 3 * 2
+
+result <- pwr.anova.test(
+  k = total_groups,
+  f = 0.25,
+  sig.level = 0.05,
+  power = 0.8
+)
+
+print(result)
+

Kết quả:

+ 
Balanced one-way analysis of variance power calculation
+
+k = 6
+n = 753.64
+f = 0.25
+sig.level = 0.05
+power = 0.8
+
+

5. Kết luận

+

Two-way ANOVA giúp kiểm tra đồng thời ảnh hưởng của hai yếu tố và tương tác giữa chúng đến biến phụ thuộc. Việc tính đúng cỡ mẫu là điều kiện then chốt đảm bảo độ tin cậy cho kết quả phân tích.

+ + \ No newline at end of file diff --git a/sample_size_site_full/chi_gof.html b/sample_size_site_full/chi_gof.html new file mode 100644 index 0000000..92e3d2e --- /dev/null +++ b/sample_size_site_full/chi_gof.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/chi_gof_guide.html b/sample_size_site_full/chi_gof_guide.html new file mode 100644 index 0000000..c937edf --- /dev/null +++ b/sample_size_site_full/chi_gof_guide.html @@ -0,0 +1,71 @@ + + + + + Tính Cỡ Mẫu Kiểm định Chi-squared Goodness-of-Fit + + + + + + + +

Tính Cỡ Mẫu Kiểm định Chi-squared Goodness-of-Fit

+ +

Mục đích sử dụng

+

Kiểm định Chi-squared Goodness-of-Fit dùng để đánh giá xem dữ liệu quan sát có phù hợp với phân phối lý thuyết hay không.

+ +

Công thức tính cỡ mẫu

+

Cỡ mẫu được tính dựa trên kích thước hiệu ứng Cohen's \( w \) và giá trị tới hạn Chi-squared:

+ +
+ \[ + n = \frac{\chi^2_{1-\alpha, df} + \chi^2_{1-\beta, df}}{w^2} + \] +
+ +

Trong đó:

+ + +

Ví dụ

+

Giả sử bạn muốn kiểm định goodness-of-fit với 4 nhóm phân loại, mức ý nghĩa \( \alpha = 0.05 \), power 0.80, và Cohen's \( w = 0.25 \) (hiệu ứng trung bình):

+ + +
+ \[ + n = \frac{7.81 + 4.11}{0.25^2} = \frac{11.92}{0.0625} = 190.72 + \] +
+ +

Nên cần khoảng 191 quan sát để kiểm định hiệu quả với các tham số này.

+ +

Ứng dụng

+

Bạn có thể nhập các thông số vào app để tính nhanh cỡ mẫu phù hợp với nghiên cứu của mình.

+ + + diff --git a/sample_size_site_full/chi_independence.html b/sample_size_site_full/chi_independence.html new file mode 100644 index 0000000..93fd100 --- /dev/null +++ b/sample_size_site_full/chi_independence.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/chi_independence_guide.html b/sample_size_site_full/chi_independence_guide.html new file mode 100644 index 0000000..b3b75e6 --- /dev/null +++ b/sample_size_site_full/chi_independence_guide.html @@ -0,0 +1,66 @@ + + + + + Hướng dẫn Tính Cỡ Mẫu Kiểm định Chi-squared Độc lập + + + + + + + +

Tính Cỡ Mẫu Kiểm định Chi-squared Độc lập

+ +

Mục đích sử dụng

+

Tính cỡ mẫu giúp xác định số quan sát cần thiết để kiểm định sự độc lập giữa hai biến danh mục bằng kiểm định Chi-squared với mức ý nghĩa và sức mạnh kiểm định mong muốn.

+ +

Công thức tính cỡ mẫu

+

Cỡ mẫu được tính theo công thức:

+
+ \[ + n = \frac{\chi^2_{1-\alpha, df} + \chi^2_{1-\beta, df}}{w^2} + \] +
+

Trong đó:

+ + +

Ví dụ

+

Giả sử kiểm định độc lập bảng 2x2, với mức ý nghĩa \( \alpha = 0.05 \), sức mạnh kiểm định (power) \( 1-\beta = 0.80 \), và kích thước hiệu ứng Cohen's \( w = 0.3 \) (mức trung bình).

+ +
+ \[ + n = \frac{3.84 + 1.64}{0.3^2} = \frac{5.48}{0.09} \approx 61 + \] +
+

Vậy bạn cần khoảng 61 quan sát để phát hiện hiệu ứng với độ tin cậy và sức mạnh này.

+ +

Ứng dụng

+

Trong ứng dụng, bạn nhập kích thước hiệu ứng và các tham số để tính cỡ mẫu tự động.

+ + + diff --git a/sample_size_site_full/cor_pearson.html b/sample_size_site_full/cor_pearson.html new file mode 100644 index 0000000..abe9ed1 --- /dev/null +++ b/sample_size_site_full/cor_pearson.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/cor_pearson_guide.html b/sample_size_site_full/cor_pearson_guide.html new file mode 100644 index 0000000..ea962e6 --- /dev/null +++ b/sample_size_site_full/cor_pearson_guide.html @@ -0,0 +1,103 @@ + + + + + + Kiểm định Tương quan Pearson + + + + + + +

Kiểm định Tương quan Pearson

+ +

+ Kiểm định tương quan Pearson được sử dụng để đo mức độ và hướng của mối quan hệ tuyến tính giữa hai biến định lượng liên tục. +

+ +

1. Hệ số tương quan Pearson (\( r \))

+ +

Hệ số tương quan Pearson có giá trị trong khoảng từ -1 đến 1:

+ + +
+\[ +r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}} +\] +
+ +

Trong đó:

+ + +

2. Công thức tính cỡ mẫu cần thiết

+ +

+ Để xác định cỡ mẫu đủ lớn nhằm phát hiện một hệ số tương quan \( r \) với mức ý nghĩa \( \alpha \) và công suất \( 1 - \beta \), công thức gần đúng là: +

+ +
+\[ +n = \left( \frac{Z_{1-\alpha/2} + Z_{1-\beta}}{0.5 \cdot \ln\left(\frac{1 + r}{1 - r}\right)} \right)^2 + 3 +\] +
+ +

Trong đó:

+ + +

3. Ứng dụng trong y tế công cộng

+ +

+ Tương quan Pearson được ứng dụng rộng rãi để: +

+ + +

+ Những phân tích này giúp định hướng các chiến lược can thiệp và dự phòng bệnh trong cộng đồng. +

+ + + diff --git a/sample_size_site_full/cor_spearman.html b/sample_size_site_full/cor_spearman.html new file mode 100644 index 0000000..353b905 --- /dev/null +++ b/sample_size_site_full/cor_spearman.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/cor_spearman_guide.html b/sample_size_site_full/cor_spearman_guide.html new file mode 100644 index 0000000..61bd03d --- /dev/null +++ b/sample_size_site_full/cor_spearman_guide.html @@ -0,0 +1,99 @@ + + + + + + Kiểm định Tương quan hạng Spearman + + + + + + +

Kiểm định Tương quan hạng Spearman (\(\rho_s\))

+ +

+ Kiểm định tương quan hạng Spearman là một phương pháp phi tham số được sử dụng để đo lường mức độ và hướng của mối quan hệ đơn điệu (monotonic) giữa hai biến. +

+ +

1. Hệ số tương quan hạng Spearman (\(r_s\))

+ +

+ Không giống như Pearson, Spearman không đo lường mối quan hệ tuyến tính. Thay vào đó, nó đánh giá xem khi giá trị của một biến tăng lên, giá trị của biến kia có xu hướng tăng (hoặc giảm) một cách nhất quán hay không, ngay cả khi mối quan hệ đó không phải là một đường thẳng. +

+

Hệ số \(r_s\) được tính bằng cách áp dụng công thức Pearson trên dữ liệu đã được xếp hạng (rank). Công thức tính toán phổ biến là:

+ +
+\[ +r_s = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)} +\] +
+ +

Trong đó:

+ + +

2. Khi nào nên sử dụng Tương quan Spearman?

+
+

Spearman là một lựa chọn thay thế mạnh mẽ cho Pearson trong các trường hợp sau:

+ +
+ + +

3. Ứng dụng trong y tế công cộng

+ +

+ Tương quan Spearman rất hữu ích trong các nghiên cứu y tế công cộng, đặc biệt khi làm việc với các thang đo hoặc các biến không tuân theo phân phối chuẩn: +

+ + + + diff --git a/sample_size_site_full/effect_converter.html b/sample_size_site_full/effect_converter.html new file mode 100644 index 0000000..b2ac17f --- /dev/null +++ b/sample_size_site_full/effect_converter.html @@ -0,0 +1,11 @@ + + + + + effect_converter.html + + +

effect_converter.html

+

This is a placeholder page for Effect Converter module.

+ + diff --git a/sample_size_site_full/effect_converter_guide.html b/sample_size_site_full/effect_converter_guide.html new file mode 100644 index 0000000..f65a6f6 --- /dev/null +++ b/sample_size_site_full/effect_converter_guide.html @@ -0,0 +1,11 @@ + + + + + effect_converter_guide.html + + +

effect_converter_guide.html

+

This is a placeholder guide page for Effect Converter Guide.

+ + diff --git a/sample_size_site_full/epi_casecontrol.html b/sample_size_site_full/epi_casecontrol.html new file mode 100644 index 0000000..4a01d8a --- /dev/null +++ b/sample_size_site_full/epi_casecontrol.html @@ -0,0 +1,11 @@ + + + + + epi_casecontrol.html + + +

epi_casecontrol.html

+

This is a placeholder page for Epi Casecontrol module.

+ + diff --git a/sample_size_site_full/epi_casecontrol_guide.html b/sample_size_site_full/epi_casecontrol_guide.html new file mode 100644 index 0000000..ff8d81b --- /dev/null +++ b/sample_size_site_full/epi_casecontrol_guide.html @@ -0,0 +1,11 @@ + + + + + epi_casecontrol_guide.html + + +

epi_casecontrol_guide.html

+

This is a placeholder guide page for Epi Casecontrol Guide.

+ + diff --git a/sample_size_site_full/epi_clinical_trial.html b/sample_size_site_full/epi_clinical_trial.html new file mode 100644 index 0000000..354cbbc --- /dev/null +++ b/sample_size_site_full/epi_clinical_trial.html @@ -0,0 +1,11 @@ + + + + + epi_clinical_trial.html + + +

epi_clinical_trial.html

+

This is a placeholder page for Epi Clinical Trial module.

+ + diff --git a/sample_size_site_full/epi_clinical_trial_guide.html b/sample_size_site_full/epi_clinical_trial_guide.html new file mode 100644 index 0000000..ff21bde --- /dev/null +++ b/sample_size_site_full/epi_clinical_trial_guide.html @@ -0,0 +1,11 @@ + + + + + epi_clinical_trial_guide.html + + +

epi_clinical_trial_guide.html

+

This is a placeholder guide page for Epi Clinical Trial Guide.

+ + diff --git a/sample_size_site_full/epi_cluster.html b/sample_size_site_full/epi_cluster.html new file mode 100644 index 0000000..1a9a155 --- /dev/null +++ b/sample_size_site_full/epi_cluster.html @@ -0,0 +1,11 @@ + + + + + epi_cluster.html + + +

epi_cluster.html

+

This is a placeholder page for Epi Cluster module.

+ + diff --git a/sample_size_site_full/epi_cluster_guide.html b/sample_size_site_full/epi_cluster_guide.html new file mode 100644 index 0000000..26c3a79 --- /dev/null +++ b/sample_size_site_full/epi_cluster_guide.html @@ -0,0 +1,11 @@ + + + + + epi_cluster_guide.html + + +

epi_cluster_guide.html

+

This is a placeholder guide page for Epi Cluster Guide.

+ + diff --git a/sample_size_site_full/epi_cohort.html b/sample_size_site_full/epi_cohort.html new file mode 100644 index 0000000..7feb6ba --- /dev/null +++ b/sample_size_site_full/epi_cohort.html @@ -0,0 +1,11 @@ + + + + + epi_cohort.html + + +

epi_cohort.html

+

This is a placeholder page for Epi Cohort module.

+ + diff --git a/sample_size_site_full/epi_cohort_guide.html b/sample_size_site_full/epi_cohort_guide.html new file mode 100644 index 0000000..3893e58 --- /dev/null +++ b/sample_size_site_full/epi_cohort_guide.html @@ -0,0 +1,11 @@ + + + + + epi_cohort_guide.html + + +

epi_cohort_guide.html

+

This is a placeholder guide page for Epi Cohort Guide.

+ + diff --git a/sample_size_site_full/epi_diagnostic.html b/sample_size_site_full/epi_diagnostic.html new file mode 100644 index 0000000..55b01fd Binary files /dev/null and b/sample_size_site_full/epi_diagnostic.html differ diff --git a/sample_size_site_full/epi_diagnostic_guide.html b/sample_size_site_full/epi_diagnostic_guide.html new file mode 100644 index 0000000..b1bf644 Binary files /dev/null and b/sample_size_site_full/epi_diagnostic_guide.html differ diff --git a/sample_size_site_full/epi_precision.html b/sample_size_site_full/epi_precision.html new file mode 100644 index 0000000..fdabe37 --- /dev/null +++ b/sample_size_site_full/epi_precision.html @@ -0,0 +1,11 @@ + + + + + epi_precision.html + + +

epi_precision.html

+

This is a placeholder page for Epi Precision module.

+ + diff --git a/sample_size_site_full/epi_precision_guide.html b/sample_size_site_full/epi_precision_guide.html new file mode 100644 index 0000000..315b33a --- /dev/null +++ b/sample_size_site_full/epi_precision_guide.html @@ -0,0 +1,11 @@ + + + + + epi_precision_guide.html + + +

epi_precision_guide.html

+

This is a placeholder guide page for Epi Precision Guide.

+ + diff --git a/sample_size_site_full/epi_prevalence.html b/sample_size_site_full/epi_prevalence.html new file mode 100644 index 0000000..27e5fd0 --- /dev/null +++ b/sample_size_site_full/epi_prevalence.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/epi_prevalence_guide.html b/sample_size_site_full/epi_prevalence_guide.html new file mode 100644 index 0000000..541f140 --- /dev/null +++ b/sample_size_site_full/epi_prevalence_guide.html @@ -0,0 +1,33 @@ + + + + + Hướng dẫn Proportion Test một mẫu + + + + + +

Hướng dẫn Proportion Test một mẫu

+

Đây là hướng dẫn ngắn gọn cho việc tính toán cỡ mẫu trong kiểm định Proportion Test một mẫu.

+ +

Giả thuyết kiểm định

+

\( H_0: p = p_0 \quad \text{{vs}} \quad H_1: p \ne p_0 \)

+ +

Công thức tính cỡ mẫu

+

Cỡ mẫu \( n \) có thể được ước lượng bằng công thức:

+

\[ n = \frac{{Z_{{1 - \alpha/2}}^2 \cdot p_0(1 - p_0)}}{{(p - p_0)^2}} \]

+ +

Tham số

+ + + diff --git a/sample_size_site_full/epi_two_proportions.html b/sample_size_site_full/epi_two_proportions.html new file mode 100644 index 0000000..1ce685a --- /dev/null +++ b/sample_size_site_full/epi_two_proportions.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/epi_two_proportions_guide.html b/sample_size_site_full/epi_two_proportions_guide.html new file mode 100644 index 0000000..8480627 --- /dev/null +++ b/sample_size_site_full/epi_two_proportions_guide.html @@ -0,0 +1,33 @@ + + + + + Hướng dẫn Proportion Test hai mẫu + + + + + +

Hướng dẫn Proportion Test hai mẫu

+

Đây là hướng dẫn ngắn gọn cho việc tính toán cỡ mẫu trong kiểm định Proportion Test hai mẫu.

+ +

Giả thuyết kiểm định

+

\( H_0: p = p_0 \quad \text{{vs}} \quad H_1: p \ne p_0 \)

+ +

Công thức tính cỡ mẫu

+

Cỡ mẫu \( n \) có thể được ước lượng bằng công thức:

+

\[ n = \frac{{Z_{{1 - \alpha/2}}^2 \cdot p_0(1 - p_0)}}{{(p - p_0)^2}} \]

+ +

Tham số

+ + + diff --git a/sample_size_site_full/f_test.html b/sample_size_site_full/f_test.html new file mode 100644 index 0000000..d20c5cd --- /dev/null +++ b/sample_size_site_full/f_test.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/f_test_guide.html b/sample_size_site_full/f_test_guide.html new file mode 100644 index 0000000..2c2fe27 --- /dev/null +++ b/sample_size_site_full/f_test_guide.html @@ -0,0 +1,126 @@ + + + + + + Kiểm định F về Phương sai (F-test for Variance) + + + + + + +

Kiểm định F để so sánh phương sai (F-test for Variance)

+ +

+ Kiểm định F (F-test) được sử dụng để so sánh phương sai của hai quần thể, thường là để kiểm tra giả thuyết rằng hai biến có độ biến thiên bằng nhau. Đây là nền tảng cho các kiểm định như ANOVA, hoặc kiểm tra giả định về tính đồng nhất phương sai trước khi thực hiện các phân tích khác. +

+ +

1. Giả thuyết kiểm định

+ +

+ Giả sử có hai mẫu độc lập với phương sai lần lượt là \( \sigma_1^2 \) và \( \sigma_2^2 \), ta muốn kiểm tra: +

+ + + +

2. Công thức tính thống kê kiểm định F

+ +
+\[ +F = \frac{S_1^2}{S_2^2} +\] +
+ +

Trong đó:

+ + +

+ Giá trị \( F \) tuân theo phân phối F với \( (n_1 - 1, n_2 - 1) \) bậc tự do. +

+ +

3. Công thức xấp xỉ tính cỡ mẫu

+ +

+ Mặc dù không phổ biến như trong t-test hay chi-square, cỡ mẫu để phát hiện sự khác biệt về phương sai có thể ước tính bằng: +

+ +
+\[ +n = \left( \frac{Z_{1-\alpha/2} + Z_{1-\beta}}{\ln(\sigma_1 / \sigma_2) \cdot \sqrt{2}} \right)^2 + 2 +\] +
+ +

Trong đó:

+ + +
+ Lưu ý: Công thức trên chỉ là xấp xỉ. Để có kết quả chính xác, bạn nên dùng phần mềm chuyên dụng như G*Power, R (gói `pwr`), hoặc các công cụ tính toán trực tuyến dựa trên phân phối F chính xác. +
+ +

4. Ứng dụng trong y tế công cộng

+ +

+ Kiểm định F được sử dụng để đánh giá sự khác biệt về độ biến thiên của một biến định lượng giữa hai nhóm, ví dụ: +

+ + + +

+ Trong phân tích ANOVA, kiểm định F còn giúp đánh giá sự khác biệt trung bình giữa nhiều nhóm — một bước quan trọng trong phân tích y tế cộng đồng có nhiều can thiệp. +

+ + + diff --git a/sample_size_site_full/index.html b/sample_size_site_full/index.html new file mode 100644 index 0000000..44b55ef Binary files /dev/null and b/sample_size_site_full/index.html differ diff --git a/sample_size_site_full/kruskal_wallis.html b/sample_size_site_full/kruskal_wallis.html new file mode 100644 index 0000000..9e652c3 --- /dev/null +++ b/sample_size_site_full/kruskal_wallis.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/kruskal_wallis_guide.html b/sample_size_site_full/kruskal_wallis_guide.html new file mode 100644 index 0000000..722177d --- /dev/null +++ b/sample_size_site_full/kruskal_wallis_guide.html @@ -0,0 +1,114 @@ + + + + + + Kiểm định Kruskal-Wallis + + + + + + +

Kiểm định Kruskal-Wallis (Kruskal-Wallis Test)

+ +

+ Kiểm định Kruskal-Wallis là một phương pháp phi tham số được sử dụng để xác định xem liệu có sự khác biệt đáng kể về mặt thống kê giữa hai hoặc nhiều nhóm độc lập hay không. Nó được coi là phiên bản thay thế cho Phân tích phương sai một yếu tố (One-Way ANOVA) khi các giả định của ANOVA không được đáp ứng. +

+ +

1. Giả thuyết kiểm định

+

+ Kiểm định này so sánh phân phối của các nhóm dựa trên thứ hạng của dữ liệu. +

+ + +

2. Khi nào nên sử dụng Kruskal-Wallis?

+
+

Sử dụng kiểm định này thay cho One-Way ANOVA khi:

+ +
+ +

3. Thống kê kiểm định (H-statistic)

+ +

+ Thống kê kiểm định H được tính toán dựa trên tổng hạng của mỗi nhóm. +

+ +
+\[ +H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} - 3(N+1) +\] +
+ +

+ Trong đó: +

+

+

+ Khi cỡ mẫu đủ lớn, thống kê H xấp xỉ tuân theo phân phối Chi-bình phương với \(k-1\) bậc tự do. +

+ +

4. Tính toán cỡ mẫu

+

+ Không giống như các kiểm định tham số, không có công thức giải tích đơn giản để tính toán cỡ mẫu cho kiểm định Kruskal-Wallis. Việc này thường đòi hỏi phải sử dụng các phần mềm thống kê chuyên dụng (như R, SAS) để chạy mô phỏng Monte Carlo, dựa trên các giả định về hình dạng phân phối và độ lớn của hiệu ứng mong muốn. +

+ +

5. Ứng dụng trong y tế công cộng

+ + + + diff --git a/sample_size_site_full/levene_test.html b/sample_size_site_full/levene_test.html new file mode 100644 index 0000000..ed564cf --- /dev/null +++ b/sample_size_site_full/levene_test.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/levene_test_guide.html b/sample_size_site_full/levene_test_guide.html new file mode 100644 index 0000000..551285c --- /dev/null +++ b/sample_size_site_full/levene_test_guide.html @@ -0,0 +1,126 @@ + + + + + + Kiểm định Levene về phương sai + + + + + + +

Kiểm định Levene (Levene’s Test)

+ +

+ Kiểm định Levene được sử dụng để đánh giá sự bằng nhau của phương sai (homogeneity of variance) giữa hai hay nhiều nhóm. Đây là kiểm định phổ biến hơn F-test khi dữ liệu không tuân theo phân phối chuẩn, vì nó ít nhạy cảm với sự vi phạm giả định chuẩn. +

+ +

1. Giả thuyết kiểm định

+ + +

2. Ý tưởng phương pháp

+ +

+ Thay vì dùng giá trị gốc \( Y_{ij} \), Levene’s Test hoạt động trên độ lệch tuyệt đối giữa mỗi quan sát và trung vị hoặc trung bình của nhóm đó: +

+ +
+\[ +Z_{ij} = | Y_{ij} - \tilde{Y}_{\cdot j} | +\] +
+ +

+ Trong đó: +

+

+ +

+ Sau đó, một kiểm định ANOVA một yếu tố được thực hiện trên biến mới \( Z_{ij} \). Nếu có sự khác biệt đáng kể về trung bình của \(Z_{ij}\) giữa các nhóm, điều đó ngụ ý rằng phương sai của các giá trị gốc không đồng nhất. +

+ +

3. Thống kê kiểm định (W-statistic)

+ +

+ Thống kê Levene (W) có công thức tương tự như thống kê F trong ANOVA: +

+ +
+\[ +W = \frac{(N - k)}{(k - 1)} \cdot \frac{\sum_{j=1}^k n_j (\bar{Z}_{\cdot j} - \bar{Z}_{\cdot\cdot})^2}{\sum_{j=1}^k \sum_{i=1}^{n_j} (Z_{ij} - \bar{Z}_{\cdot j})^2} +\] +
+ +

Trong đó:

+ + +

+ Giá trị \( W \) được so sánh với phân phối \( F_{k-1, N-k} \). Nếu p-value nhỏ hơn mức ý nghĩa (thường là 0.05), chúng ta bác bỏ \( H_0 \). +

+ +

4. Ứng dụng trong y tế công cộng

+ + + +

5. Ghi chú

+
+ +
+ + + diff --git a/sample_size_site_full/mann_whitney.html b/sample_size_site_full/mann_whitney.html new file mode 100644 index 0000000..668c6cd --- /dev/null +++ b/sample_size_site_full/mann_whitney.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/mann_whitney_guide.html b/sample_size_site_full/mann_whitney_guide.html new file mode 100644 index 0000000..ee9b464 --- /dev/null +++ b/sample_size_site_full/mann_whitney_guide.html @@ -0,0 +1,101 @@ + + + + + Giới thiệu về Mann-Whitney U Test + + + + + + +

Giới thiệu về Mann-Whitney U Test

+ +

1. Mann-Whitney U Test là gì?

+

Kiểm định Mann-Whitney U là một kiểm định phi tham số được sử dụng để so sánh trung vị giữa hai nhóm độc lập, thay thế cho t-test hai mẫu độc lập khi:

+ + +
+ +

2. Vai trò và Ứng dụng

+ + +

Ví dụ

+ + +
+ +

Hướng dẫn Tính Cỡ Mẫu

+ +

1. Công thức cỡ mẫu

+

Cỡ mẫu mỗi nhóm được tính theo:

+ +

+ $$ n = \frac{(Z_{1-\alpha/2} + Z_{1-\beta})^2}{r^2} $$ +

+ +

Trong đó:

+ + +
+ +

2. Các bước tính toán

+
    +
  1. Xác định tham số: \( \alpha, 1 - \beta, r \)
    2. +
  2. Tính: + +
    3. +
  3. Thay vào công thức để tính \( n \)
    4. +
+ +
+ +

3. Ví dụ minh họa

+ +

Giả sử:

+ + +

Bước 1: Tính effect size:

+

+ $$ r = \frac{5 - 7}{2} = -1 \Rightarrow |r| = 1 $$ +

+ +

Bước 2: Thay vào công thức:

+

+ $$ n = \frac{(1.96 + 0.84)^2}{1^2} = \frac{7.84}{1} = 7.84 $$ +

+ +

Kết luận: Cỡ mẫu cần thiết mỗi nhóm: 8 đối tượng.

+ + + diff --git a/sample_size_site_full/med_survival.html b/sample_size_site_full/med_survival.html new file mode 100644 index 0000000..93571fa Binary files /dev/null and b/sample_size_site_full/med_survival.html differ diff --git a/sample_size_site_full/med_survival_guide.html b/sample_size_site_full/med_survival_guide.html new file mode 100644 index 0000000..7e76484 Binary files /dev/null and b/sample_size_site_full/med_survival_guide.html differ diff --git a/sample_size_site_full/meta_forest.html b/sample_size_site_full/meta_forest.html new file mode 100644 index 0000000..7c8e51d --- /dev/null +++ b/sample_size_site_full/meta_forest.html @@ -0,0 +1,11 @@ + + + + + meta_forest.html + + +

meta_forest.html

+

This is a placeholder page for Meta Forest module.

+ + diff --git a/sample_size_site_full/meta_forest_guide.html b/sample_size_site_full/meta_forest_guide.html new file mode 100644 index 0000000..35fd004 --- /dev/null +++ b/sample_size_site_full/meta_forest_guide.html @@ -0,0 +1,11 @@ + + + + + meta_forest_guide.html + + +

meta_forest_guide.html

+

This is a placeholder guide page for Meta Forest Guide.

+ + diff --git a/sample_size_site_full/meta_funnel.html b/sample_size_site_full/meta_funnel.html new file mode 100644 index 0000000..bcca664 --- /dev/null +++ b/sample_size_site_full/meta_funnel.html @@ -0,0 +1,11 @@ + + + + + meta_funnel.html + + +

meta_funnel.html

+

This is a placeholder page for Meta Funnel module.

+ + diff --git a/sample_size_site_full/meta_funnel_guide.html b/sample_size_site_full/meta_funnel_guide.html new file mode 100644 index 0000000..69a980b --- /dev/null +++ b/sample_size_site_full/meta_funnel_guide.html @@ -0,0 +1,11 @@ + + + + + meta_funnel_guide.html + + +

meta_funnel_guide.html

+

This is a placeholder guide page for Meta Funnel Guide.

+ + diff --git a/sample_size_site_full/meta_or.html b/sample_size_site_full/meta_or.html new file mode 100644 index 0000000..7c337be --- /dev/null +++ b/sample_size_site_full/meta_or.html @@ -0,0 +1,11 @@ + + + + + meta_or.html + + +

meta_or.html

+

This is a placeholder page for Meta Or module.

+ + diff --git a/sample_size_site_full/meta_or_guide.html b/sample_size_site_full/meta_or_guide.html new file mode 100644 index 0000000..9d03466 --- /dev/null +++ b/sample_size_site_full/meta_or_guide.html @@ -0,0 +1,11 @@ + + + + + meta_or_guide.html + + +

meta_or_guide.html

+

This is a placeholder guide page for Meta Or Guide.

+ + diff --git a/sample_size_site_full/meta_prop.html b/sample_size_site_full/meta_prop.html new file mode 100644 index 0000000..072e0c0 --- /dev/null +++ b/sample_size_site_full/meta_prop.html @@ -0,0 +1,11 @@ + + + + + meta_prop.html + + +

meta_prop.html

+

This is a placeholder page for Meta Prop module.

+ + diff --git a/sample_size_site_full/meta_prop_guide.html b/sample_size_site_full/meta_prop_guide.html new file mode 100644 index 0000000..4ecda76 --- /dev/null +++ b/sample_size_site_full/meta_prop_guide.html @@ -0,0 +1,11 @@ + + + + + meta_prop_guide.html + + +

meta_prop_guide.html

+

This is a placeholder guide page for Meta Prop Guide.

+ + diff --git a/sample_size_site_full/overview.html b/sample_size_site_full/overview.html new file mode 100644 index 0000000..c23b108 --- /dev/null +++ b/sample_size_site_full/overview.html @@ -0,0 +1,113 @@ + + + + + + + Phương pháp luận Xác định Cỡ mẫu Nghiên cứu + + + + +
+

PHƯƠNG PHÁP LUẬN XÁC ĐỊNH CỠ MẪU NGHIÊN CỨU

+ +

Xác định cỡ mẫu là một bước thiết yếu và mang tính nền tảng trong đề cương nghiên cứu khoa học. Một cỡ mẫu được tính toán hợp lý không chỉ đảm bảo tính đại diện của mẫu cho quần thể nghiên cứu mà còn giúp tối ưu hóa việc sử dụng nguồn lực, thời gian và chi phí. Quan trọng hơn, nó đảm bảo nghiên cứu có đủ công suất thống kê (statistical power) để phát hiện ra các mối liên hệ hoặc sự khác biệt có ý nghĩa, từ đó gia tăng độ tin cậy và giá trị khoa học của kết quả nghiên cứu.

+ +

Công cụ tính toán cỡ mẫu được sử dụng trong nghiên cứu này được phát triển trên nền tảng ngôn ngữ lập trình R, một công cụ chuẩn mực và mạnh mẽ trong phân tích thống kê, kết hợp với Shiny framework để xây dựng giao diện người dùng tương tác và trực quan.

+ +
+ +

Mối quan hệ giữa Cỡ mẫu Nghiên cứu và Cỡ mẫu cho Kiểm định Giả thuyết

+ +

Về bản chất, việc tính toán cỡ mẫu cho một nghiên cứu chính là quá trình xác định số lượng quan sát tối thiểu cần thiết để thực hiện các kiểm định giả thuyết thống kê (statistical hypothesis testing) đã đề ra trong mục tiêu nghiên cứu.

+ +

Mỗi nghiên cứu khoa học đều nhằm trả lời một hoặc nhiều câu hỏi nghiên cứu, và các câu hỏi này được cụ thể hóa thành các giả thuyết thống kê (ví dụ: giả thuyết H₀ và giả thuyết Hₐ). Để có thể đưa ra kết luận bác bỏ hay không bác bỏ một giả thuyết, chúng ta cần sử dụng các phép kiểm định thống kê tương ứng (ví dụ: kiểm định t, khi bình phương, ANOVA).

+ +

Do đó, cỡ mẫu của nghiên cứu phải đủ lớn để phép kiểm định thống kê có đủ "năng lực" hay công suất thống kê (1-β) để phát hiện ra một ảnh hưởng (effect size) thực sự tồn tại trong quần thể ở một mức ý nghĩa (α) đã định trước. Nói cách khác, không có sự tách biệt giữa "cỡ mẫu nghiên cứu" và "cỡ mẫu cho kiểm định", chúng là một. Cỡ mẫu nghiên cứu được quyết định bởi yêu cầu của các kiểm định giả thuyết chính.

+ +
+ +

Xử lý trường hợp Nghiên cứu sử dụng nhiều Kiểm định Giả thuyết

+ +

Trong thực tế, một nghiên cứu thường có nhiều hơn một mục tiêu và do đó cần thực hiện nhiều phép kiểm định giả thuyết khác nhau. Ví dụ, một nghiên cứu có thể vừa so sánh tỷ lệ giữa hai nhóm, vừa so sánh giá trị trung bình giữa ba nhóm, và vừa xem xét một mối tương quan. Mỗi phép kiểm định này, với các tham số khác nhau (mức ý nghĩa α, công suất 1-β, độ lớn ảnh hưởng dự kiến), sẽ yêu cầu một cỡ mẫu tối thiểu khác nhau.

+ +

Trong trường hợp này, quy trình chuẩn mực cần thực hiện như sau:

+ +
    +
  1. Xác định các mục tiêu chính: Liệt kê tất cả các giả thuyết thống kê chính yếu mà nghiên cứu cần phải trả lời. Đây là những mục tiêu quan trọng nhất, quyết định sự thành công của nghiên cứu.
    2. +
  2. Tính toán cỡ mẫu riêng lẻ: Thực hiện tính toán cỡ mẫu cho từng giả thuyết chính một cách độc lập.
    3. +
  3. Lựa chọn cỡ mẫu cuối cùng: Cỡ mẫu cuối cùng cho toàn bộ nghiên cứu sẽ là cỡ mẫu lớn nhất trong số các cỡ mẫu đã tính toán ở bước 2.
    4. +
+ +
+

Lý do: Việc lựa chọn cỡ mẫu lớn nhất đảm bảo rằng nghiên cứu có đủ công suất thống kê cho tất cả các phân tích quan trọng. Nếu chọn một cỡ mẫu nhỏ hơn, nghiên cứu có thể có đủ năng lực để trả lời một số câu hỏi, nhưng sẽ không đủ năng lực (underpowered) để đưa ra kết luận đáng tin cậy cho các câu hỏi nghiên cứu khác yêu cầu cỡ mẫu lớn hơn. Điều này giúp tránh được sai lầm loại II (type II error) – không phát hiện được sự khác biệt trong khi nó thực sự tồn tại.

+
+
+
+
+ + +``` \ No newline at end of file diff --git a/sample_size_site_full/power_calc.html b/sample_size_site_full/power_calc.html new file mode 100644 index 0000000..fbb1e52 --- /dev/null +++ b/sample_size_site_full/power_calc.html @@ -0,0 +1,11 @@ + + + + + power_calc.html + + +

power_calc.html

+

This is a placeholder page for Power Calc module.

+ + diff --git a/sample_size_site_full/power_calc_guide.html b/sample_size_site_full/power_calc_guide.html new file mode 100644 index 0000000..5399aa2 --- /dev/null +++ b/sample_size_site_full/power_calc_guide.html @@ -0,0 +1,11 @@ + + + + + power_calc_guide.html + + +

power_calc_guide.html

+

This is a placeholder guide page for Power Calc Guide.

+ + diff --git a/sample_size_site_full/reg_cox.html b/sample_size_site_full/reg_cox.html new file mode 100644 index 0000000..13ddbaa --- /dev/null +++ b/sample_size_site_full/reg_cox.html @@ -0,0 +1,11 @@ + + + + + reg_cox.html + + +

reg_cox.html

+

This is a placeholder page for Reg Cox module.

+ + diff --git a/sample_size_site_full/reg_cox_guide.html b/sample_size_site_full/reg_cox_guide.html new file mode 100644 index 0000000..bd55e76 --- /dev/null +++ b/sample_size_site_full/reg_cox_guide.html @@ -0,0 +1,11 @@ + + + + + reg_cox_guide.html + + +

reg_cox_guide.html

+

This is a placeholder guide page for Reg Cox Guide.

+ + diff --git a/sample_size_site_full/reg_linear.html b/sample_size_site_full/reg_linear.html new file mode 100644 index 0000000..43a4987 Binary files /dev/null and b/sample_size_site_full/reg_linear.html differ diff --git a/sample_size_site_full/reg_linear_guide.html b/sample_size_site_full/reg_linear_guide.html new file mode 100644 index 0000000..0c2d3b0 Binary files /dev/null and b/sample_size_site_full/reg_linear_guide.html differ diff --git a/sample_size_site_full/reg_linear_multi.html b/sample_size_site_full/reg_linear_multi.html new file mode 100644 index 0000000..150e423 --- /dev/null +++ b/sample_size_site_full/reg_linear_multi.html @@ -0,0 +1,11 @@ + + + + + reg_linear_multi.html + + +

reg_linear_multi.html

+

This is a placeholder page for Reg Linear Multi module.

+ + diff --git a/sample_size_site_full/reg_linear_multi_guide.html b/sample_size_site_full/reg_linear_multi_guide.html new file mode 100644 index 0000000..7a05f31 --- /dev/null +++ b/sample_size_site_full/reg_linear_multi_guide.html @@ -0,0 +1,11 @@ + + + + + reg_linear_multi_guide.html + + +

reg_linear_multi_guide.html

+

This is a placeholder guide page for Reg Linear Multi Guide.

+ + diff --git a/sample_size_site_full/reg_logistic.html b/sample_size_site_full/reg_logistic.html new file mode 100644 index 0000000..2f43bf1 Binary files /dev/null and b/sample_size_site_full/reg_logistic.html differ diff --git a/sample_size_site_full/reg_logistic_guide.html b/sample_size_site_full/reg_logistic_guide.html new file mode 100644 index 0000000..9455237 Binary files /dev/null and b/sample_size_site_full/reg_logistic_guide.html differ diff --git a/sample_size_site_full/reg_logistic_multi.html b/sample_size_site_full/reg_logistic_multi.html new file mode 100644 index 0000000..09a822a --- /dev/null +++ b/sample_size_site_full/reg_logistic_multi.html @@ -0,0 +1,11 @@ + + + + + reg_logistic_multi.html + + +

reg_logistic_multi.html

+

This is a placeholder page for Reg Logistic Multi module.

+ + diff --git a/sample_size_site_full/reg_logistic_multi_guide.html b/sample_size_site_full/reg_logistic_multi_guide.html new file mode 100644 index 0000000..9f9182c --- /dev/null +++ b/sample_size_site_full/reg_logistic_multi_guide.html @@ -0,0 +1,11 @@ + + + + + reg_logistic_multi_guide.html + + +

reg_logistic_multi_guide.html

+

This is a placeholder guide page for Reg Logistic Multi Guide.

+ + diff --git a/sample_size_site_full/reg_poisson.html b/sample_size_site_full/reg_poisson.html new file mode 100644 index 0000000..8a35b8b --- /dev/null +++ b/sample_size_site_full/reg_poisson.html @@ -0,0 +1,11 @@ + + + + + reg_poisson.html + + +

reg_poisson.html

+

This is a placeholder page for Reg Poisson module.

+ + diff --git a/sample_size_site_full/reg_poisson_guide.html b/sample_size_site_full/reg_poisson_guide.html new file mode 100644 index 0000000..325e193 --- /dev/null +++ b/sample_size_site_full/reg_poisson_guide.html @@ -0,0 +1,11 @@ + + + + + reg_poisson_guide.html + + +

reg_poisson_guide.html

+

This is a placeholder guide page for Reg Poisson Guide.

+ + diff --git a/sample_size_site_full/shapiro_wilk.html b/sample_size_site_full/shapiro_wilk.html new file mode 100644 index 0000000..9b5f3f1 --- /dev/null +++ b/sample_size_site_full/shapiro_wilk.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/shapiro_wilk_guide.html b/sample_size_site_full/shapiro_wilk_guide.html new file mode 100644 index 0000000..2a5ad73 --- /dev/null +++ b/sample_size_site_full/shapiro_wilk_guide.html @@ -0,0 +1,102 @@ + + + + + + Kiểm định Shapiro-Wilk + + + + + + +

Kiểm định Shapiro-Wilk (Shapiro-Wilk Test)

+ +

+ Kiểm định Shapiro-Wilk là một trong những kiểm định thống kê mạnh mẽ và phổ biến nhất được sử dụng để kiểm tra xem một mẫu dữ liệu có tuân theo phân phối chuẩn (normal distribution) hay không. +

+ +

1. Giả thuyết kiểm định

+ + +
+ Lưu ý quan trọng: Trong kiểm định này, chúng ta thường mong muốn có một p-value lớn (p > 0.05) để không bác bỏ giả thuyết \(H_0\), từ đó có thể kết luận rằng dữ liệu tuân theo phân phối chuẩn và đủ điều kiện để sử dụng các kiểm định tham số. +
+ +

2. Thống kê kiểm định (W-statistic)

+ +

+ Thống kê kiểm định W được tính toán dựa trên sự so sánh giữa các giá trị đã được sắp xếp của mẫu với các giá trị kỳ vọng tương ứng từ một phân phối chuẩn. +

+ +
+\[ +W = \frac{(\sum_{i=1}^n a_i x_{(i)})^2}{\sum_{i=1}^n (x_i - \bar{x})^2} +\] +
+ +

+ Trong đó: +

+

+

+ Giá trị W nằm trong khoảng từ 0 đến 1. Giá trị W càng gần 1 thì dữ liệu càng gần với phân phối chuẩn. +

+ +

3. Ứng dụng trong y tế công cộng

+ +

+ Kiểm tra giả định về tính chuẩn của dữ liệu là một bước cực kỳ quan trọng trước khi thực hiện nhiều phân tích thống kê tham số. +

+ + + + diff --git a/sample_size_site_full/t_one_sample.html b/sample_size_site_full/t_one_sample.html new file mode 100644 index 0000000..390645c --- /dev/null +++ b/sample_size_site_full/t_one_sample.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/t_one_sample_guide.html b/sample_size_site_full/t_one_sample_guide.html new file mode 100644 index 0000000..0fd9b4c --- /dev/null +++ b/sample_size_site_full/t_one_sample_guide.html @@ -0,0 +1,81 @@ + + + + + Hướng dẫn tính cỡ mẫu kiểm định t một mẫu + + +

Hướng dẫn tính toán cỡ mẫu cho kiểm định t một mẫu

+
+

1. Kiểm định t một mẫu là gì?

+

Kiểm định t một mẫu (One-sample t-test) là một phương pháp thống kê dùng để kiểm tra xem giá trị trung bình của một mẫu có khác biệt so với một giá trị đã biết hoặc giả thuyết hay không.

+

Ví dụ: kiểm tra xem chiều cao trung bình của một nhóm học sinh có khác biệt so với chiều cao chuẩn quốc gia (ví dụ 165 cm) không.

+

Công thức kiểm định:

+

t = (x̄ - μ₀) / (s / √n)

+

Trong đó:

+ + +
+

2. Phạm vi ứng dụng trong y tế công cộng

+

Trong y tế công cộng, kiểm định t một mẫu thường được dùng để:

+ +

Ví dụ:

+ + +
+

3. Công thức tính cỡ mẫu

+

Công thức:

+

n = ((Z₁₋⍺/2 + Z₁₋β)² × s²) / (μ₁ - μ₀)²

+

Trong đó:

+ + +
+

4. Hướng dẫn tính toán

+

Bạn cần cung cấp:

+
    +
  1. Mức ý nghĩa (⍺): thường là 0.05
    2. +
  2. Độ mạnh kiểm định (1 - β): thường là 0.8 hoặc 0.9
    3. +
  3. Độ lệch chuẩn (s): lấy từ nghiên cứu trước
    4. +
  4. Giá trị kỳ vọng (μ₁) và giá trị giả thuyết (μ₀)
    5. +
+

Ví dụ:

+ +

Tính:

+

Tra bảng Z:

+ +

Áp dụng công thức:

+

n = ((1.96 + 0.84)² × 4) / (1)² = (7.84 × 4) = 31.36

+

⇒ Cần ít nhất 32 trẻ em.

+ +
+

5. Công cụ tính bằng R hoặc Shiny

+

Bạn có thể dùng ứng dụng Shiny để tự động tính cỡ mẫu kiểm định t một mẫu. Ứng dụng này giúp thực hiện các bước tính toán nhanh chóng và trực quan.

+ + + diff --git a/sample_size_site_full/t_paired.html b/sample_size_site_full/t_paired.html new file mode 100644 index 0000000..6850116 --- /dev/null +++ b/sample_size_site_full/t_paired.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/t_paired_guide.html b/sample_size_site_full/t_paired_guide.html new file mode 100644 index 0000000..0924fb8 --- /dev/null +++ b/sample_size_site_full/t_paired_guide.html @@ -0,0 +1,85 @@ + + + + + Hướng dẫn kiểm định t ghép cặp + + + + + + +

Hướng dẫn tính toán cỡ mẫu cho kiểm định t ghép cặp (Paired t-test)

+
+ +

1. Kiểm định t ghép cặp là gì?

+

Kiểm định t ghép cặp (Paired t-test) là phương pháp thống kê dùng để kiểm tra sự khác biệt trung bình giữa hai điều kiện, được đo lặp lại trên cùng đối tượng.

+

Khác với t-test hai mẫu độc lập, t ghép cặp tập trung vào sự khác biệt giữa hai giá trị trong mỗi cặp, giúp giảm sai số và cần cỡ mẫu nhỏ hơn.

+ +

2. Phạm vi ứng dụng trong y tế công cộng

+ + +

3. Công thức kiểm định t ghép cặp

+

Giá trị thống kê t được tính như sau:

+

+ $$ t = \frac{\bar{d} - \mu_d}{s_d / \sqrt{n}} $$ +

+ +

Trong đó:

+ + +

4. Công thức tính cỡ mẫu

+

Cỡ mẫu \(n\) được tính theo công thức:

+

+ $$ n = \frac{(Z_{1-\alpha/2} + Z_{1-\beta})^2 \cdot s^2}{\mu_d^2} $$ +

+ +

Trong đó:

+ + +

5. Ví dụ minh họa

+

Giả sử:

+ + +

Áp dụng công thức:

+

+ $$ n = \frac{(1.96 + 0.84)^2 \cdot 5^2}{3^2} = \frac{7.84 \cdot 25}{9} = \frac{196}{9} \approx 21.78 $$ +

+

Vậy cần ít nhất 22 cặp quan sát.

+ +

6. Tính bằng R với gói pwr

+

Dùng hàm:

+
library(pwr)
+pwr.t.test(d = 3/5, sig.level = 0.05, power = 0.8, type = "paired")
+ +

Với \(d = \mu_d / s = 3 / 5 = 0.6\)

+ +

7. Kết luận

+

Kiểm định t ghép cặp hữu ích khi phân tích dữ liệu đo lặp. Tính đúng cỡ mẫu đảm bảo đủ mạnh để phát hiện khác biệt thực sự.

+ + + diff --git a/sample_size_site_full/t_two_sample.html b/sample_size_site_full/t_two_sample.html new file mode 100644 index 0000000..ef64b1e --- /dev/null +++ b/sample_size_site_full/t_two_sample.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/t_two_sample_guide.html b/sample_size_site_full/t_two_sample_guide.html new file mode 100644 index 0000000..0751f15 --- /dev/null +++ b/sample_size_site_full/t_two_sample_guide.html @@ -0,0 +1,116 @@ + + + + + + + Hướng dẫn tính cỡ mẫu cho kiểm định t hai mẫu + + + + +

Hướng dẫn tính toán cỡ mẫu cho kiểm định t hai mẫu

+
+

1. Kiểm định t hai mẫu là gì?

+

Kiểm định t hai mẫu (Two-sample t-test) là một phương pháp thống kê được sử dụng để so sánh giá trị trung bình của hai nhóm độc lập, nhằm kiểm tra xem sự khác biệt giữa hai giá trị trung bình này có ý nghĩa thống kê hay không.

+

Ví dụ: So sánh mức độ hài lòng trung bình giữa hai nhóm bệnh nhân được điều trị bằng hai phương pháp khác nhau.

+

Công thức kiểm định t hai mẫu:

+

+ + t = (x̄₁ − x̄₂) / √[sp² (1/n₁ + 1/n₂)] + +

+

Trong đó:

+ +
+

2. Phạm vi ứng dụng trong y tế công cộng

+ +

Ví dụ:

+ +
+

3. Công thức tính cỡ mẫu

+

+ n = [2(Z1−α/2 + Z1−β)² * s²] / (μ₁ − μ₂)² +

+ +

Lưu ý: Tổng cỡ mẫu hai nhóm là 2n.

+
+

4. Hướng dẫn tính toán cỡ mẫu

+

Thông số cần biết:

+
    +
  1. Mức ý nghĩa (α), thường là 0.05
    2. +
  2. Độ mạnh kiểm định (1−β), thường là 0.8 hoặc 0.9
    3. +
  3. Độ lệch chuẩn s
    4. +
  4. Sự khác biệt mong muốn μ₁ − μ₂
    5. +
+

Ví dụ:

+ +

Tính toán:

+

+ + n = [2(1.96 + 0.84)² * 9] / 4 = (2 × 7.84 × 9) / 4 = 141.12 / 4 = 35.28 +
+ → Cần ít nhất 36 đối tượng mỗi nhóm +

+
+

5. Tính bằng R hoặc Shiny

+

Sử dụng hàm pwr.t.test từ package pwr trong R:

+ 
library(pwr)
+pwr.t.test(d = 0.5, sig.level = 0.05, power = 0.8, type = "two.sample")
+
+

Trong đó:

+ +

Kết quả trả về là cỡ mẫu cần thiết mỗi nhóm.

+ + + diff --git a/sample_size_site_full/wilcoxon_signed.html b/sample_size_site_full/wilcoxon_signed.html new file mode 100644 index 0000000..3029c96 --- /dev/null +++ b/sample_size_site_full/wilcoxon_signed.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/wilcoxon_signed_guide.html b/sample_size_site_full/wilcoxon_signed_guide.html new file mode 100644 index 0000000..df3d2b0 --- /dev/null +++ b/sample_size_site_full/wilcoxon_signed_guide.html @@ -0,0 +1,124 @@ + + + + + + Kiểm định Wilcoxon Signed-Rank + + + + + + +

Kiểm định Dấu-Hạng Wilcoxon (Wilcoxon Signed-Rank Test)

+ +

+ Kiểm định Dấu-Hạng Wilcoxon là một kiểm định phi tham số được sử dụng để so sánh trung vị của hai mẫu có liên quan — ví dụ như dữ liệu trước và sau điều trị trên cùng một nhóm đối tượng. Nó là phương án thay thế cho kiểm định t ghép cặp khi giả định về phân phối chuẩn không được đáp ứng. +

+ +

1. Giả thuyết kiểm định

+ + +

2. Cách tính thống kê kiểm định

+ +

+ Với \( n \) cặp quan sát \( (X_i, Y_i) \), ta xét hiệu số: +

+ +
+\[ +D_i = X_i - Y_i +\] +
+ +

Bỏ qua các \( D_i = 0 \), sắp xếp các giá trị còn lại theo thứ tự tăng dần của \( |D_i| \) và gán hạng \( R_i \). Khi đó, thống kê kiểm định \( W \) là tổng hạng của các hiệu số dương:

+ +
+\[ +W = \sum_{i: D_i > 0} R_i +\] +
+ +

+ Giá trị \( W \) được so sánh với bảng phân phối Wilcoxon hoặc dùng xấp xỉ phân phối chuẩn khi \( n \) đủ lớn. +

+ +

3. Công thức ước lượng cỡ mẫu

+ +

+ Cỡ mẫu cần thiết để phát hiện một hiệu ứng khác biệt với mức ý nghĩa \( \alpha \) và công suất \( 1 - \beta \) có thể được ước tính xấp xỉ bằng: +

+ +
+\[ +n \approx \left( \frac{Z_{1 - \alpha/2} + Z_{1 - \beta}}{ES \cdot \sqrt{3}/\pi} \right)^2 +\] +
+ +

Trong đó:

+ +

+ Lưu ý rằng đây là công thức xấp xỉ và việc tính toán chính xác hơn thường đòi hỏi mô phỏng. +

+ +

4. Ứng dụng trong y tế công cộng

+ +
+

Kiểm định Wilcoxon Signed-Rank được sử dụng khi:

+ +
+ +

+ Ưu điểm lớn nhất của kiểm định này là không yêu cầu giả định về phân phối chuẩn của dữ liệu, điều này rất hữu ích trong thực tế thu thập dữ liệu y tế, nơi dữ liệu thường bị lệch hoặc có các giá trị ngoại lai. +

+ + + diff --git a/sample_size_site_full/z_one_sample.html b/sample_size_site_full/z_one_sample.html new file mode 100644 index 0000000..724d0c5 --- /dev/null +++ b/sample_size_site_full/z_one_sample.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/z_one_sample_guide.html b/sample_size_site_full/z_one_sample_guide.html new file mode 100644 index 0000000..2a5d3dd --- /dev/null +++ b/sample_size_site_full/z_one_sample_guide.html @@ -0,0 +1,101 @@ + + + + + Hướng dẫn Kiểm định z Một Mẫu + + + + + + + +

Kiểm định z Một Mẫu (One-sample z-test)

+ +

Mục đích sử dụng

+

Kiểm định z một mẫu được sử dụng để so sánh trung bình mẫu với một giá trị trung bình giả định trong tổng thể, khi **độ lệch chuẩn của tổng thể đã biết**.

+ +

Giả định

+ + +

Công thức kiểm định

+

Với mẫu có kích thước \( n \), trung bình \( \bar{X} \), kiểm định giả thuyết:

+ + +
+ \[ + z = \frac{\bar{X} - \mu_0}{\sigma / \sqrt{n}} + \] +
+ +

Giá trị z được so sánh với z tới hạn từ bảng phân phối chuẩn.

+ +

Cách tính cỡ mẫu

+

Để xác định cỡ mẫu cần thiết nhằm phát hiện một độ chênh trung bình kỳ vọng \( \Delta = |\mu - \mu_0| \), dùng công thức:

+ +
+ \[ + n = \left( \frac{(Z_{1-\alpha/2} + Z_{1-\beta}) \cdot \sigma}{\Delta} \right)^2 + \] + Trong đó: + +
+ +

Ví dụ

+

Giả sử chiều cao trung bình chuẩn là 165 cm. Bạn muốn kiểm định xem một nhóm sinh viên có chiều cao trung bình khác biệt không, với:

+ + +
+ \[ + n = \left( \frac{(1.96 + 0.84) \cdot 6}{2} \right)^2 = (8.4)^2 = 70.56 + \] + ⇒ Cần ít nhất 71 người. +
+ +

Thực hành

+

Bạn có thể sử dụng Shiny hoặc phần mềm R để nhập giá trị và tính toán tự động.

+ + + + diff --git a/sample_size_site_full/z_paired.html b/sample_size_site_full/z_paired.html new file mode 100644 index 0000000..a85fb4b --- /dev/null +++ b/sample_size_site_full/z_paired.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/z_paired_guide.html b/sample_size_site_full/z_paired_guide.html new file mode 100644 index 0000000..128dc2c --- /dev/null +++ b/sample_size_site_full/z_paired_guide.html @@ -0,0 +1,89 @@ + + + + + Hướng dẫn Kiểm định z Ghép Cặp (Paired z-test) + + + + + + + +

Kiểm định z Ghép Cặp (Paired z-test)

+ +

Mục đích sử dụng

+

Kiểm định z ghép cặp dùng để so sánh trung bình hiệu (chênh lệch) giữa hai phép đo lặp trên cùng một đối tượng khi biết độ lệch chuẩn của hiệu số tổng thể.

+ +

Giả định

+ + +

Công thức kiểm định

+

Với \( n \) cặp, hiệu số trung bình \( \bar{D} \), kiểm định giả thuyết:

+ + +
+ \[ + z = \frac{\bar{D} - 0}{\sigma_D / \sqrt{n}} = \frac{\bar{D}}{\sigma_D / \sqrt{n}} + \] +
+ +

Cách tính cỡ mẫu

+

Để xác định cỡ mẫu cần thiết phát hiện một sai khác trung bình kỳ vọng \( \Delta \) với mức ý nghĩa \( \alpha \) và power \( 1-\beta \):

+ +
+ \[ + n = \left( \frac{(Z_{1-\alpha/2} + Z_{1-\beta}) \cdot \sigma_D}{\Delta} \right)^2 + \] +
+ +

Ví dụ

+

Giả sử bạn muốn phát hiện sự thay đổi trung bình \( \Delta = 3 \) điểm, với:

+ + +
+ \[ + n = \left( \frac{(1.96 + 0.84) \times 6}{3} \right)^2 = (5.6)^2 = 31.36 + \] + ⇒ Cần ít nhất 32 cặp quan sát. +
+ +

Thực hành

+

Bạn có thể áp dụng kiểm định này trong các phân tích dữ liệu ghép cặp khi biết độ lệch chuẩn tổng thể của hiệu số.

+ + + diff --git a/sample_size_site_full/z_two_sample.html b/sample_size_site_full/z_two_sample.html new file mode 100644 index 0000000..cbba0b5 --- /dev/null +++ b/sample_size_site_full/z_two_sample.html @@ -0,0 +1 @@ + diff --git a/sample_size_site_full/z_two_sample_guide.html b/sample_size_site_full/z_two_sample_guide.html new file mode 100644 index 0000000..8baf2fc --- /dev/null +++ b/sample_size_site_full/z_two_sample_guide.html @@ -0,0 +1,103 @@ + + + + + Hướng dẫn Kiểm định z Hai Mẫu + + + + + + + +

Kiểm định z Hai Mẫu (Two-sample z-test)

+ +

Mục đích sử dụng

+

Dùng để so sánh trung bình của hai tổng thể độc lập khi **biết trước độ lệch chuẩn tổng thể**. Ví dụ:

+ + +

Giả định

+ + +

Công thức kiểm định

+

Với hai mẫu có kích thước \( n_1 \), \( n_2 \), trung bình mẫu \( \bar{X}_1 \), \( \bar{X}_2 \), độ lệch chuẩn tổng thể \( \sigma_1, \sigma_2 \), kiểm định giả thuyết:

+ + +
+ \[ + z = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{ \frac{\sigma_1^2}{n_1} + \frac{\sigma_2^2}{n_2} }} + \] +
+ +

Cách tính cỡ mẫu

+

Giả sử \( \sigma_1 = \sigma_2 = \sigma \) (phương sai hai nhóm bằng nhau), cỡ mẫu mỗi nhóm cần để phát hiện sai khác trung bình \( \Delta = |\mu_1 - \mu_2| \) với mức ý nghĩa và power cho trước:

+ +
+ \[ + n = 2 \times \left( \frac{(Z_{1-\alpha/2} + Z_{1-\beta}) \cdot \sigma}{\Delta} \right)^2 + \] + Trong đó: + +
+ +

Ví dụ

+

So sánh trung bình điểm thi giữa hai nhóm:

+ + +
+ \[ + n = 2 \times \left( \frac{(1.96 + 0.84) \cdot 10}{5} \right)^2 + = 2 \times \left( \frac{28}{5} \right)^2 + = 2 \times (5.6)^2 = 2 \times 31.36 = 62.72 + \] + ⇒ Mỗi nhóm cần ít nhất 63 người. +
+ +

Thực hành

+

Bạn có thể sử dụng form bên trên để nhập dữ liệu và tính toán kiểm định.

+ + +