Skip to main content

サンプルサイズ計算ツール

比較実験のサイズを計画します。検定ファミリー(1標本t、2標本t、対応のあるt)、目標効果サイズ、検出力、有意水準を選択します。計算機は各群の最小サンプルサイズを返し、依拠する正規近似の仮定を注記します。

実験計画 v1.0.0

計算ツール

入力

検出する価値のある群平均間の最小差(結果の単位)。

予備データまたは文献から得られる結果の期待ばらつき。

両側第一種過誤の確率。一般的な値:0.05。

指定した差を検出する確率。一般的な値:0.8。

計画パラメータを入力すると必要な反復数が表示されます

この計算について

計算の考え方

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.

なぜ使うのか

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.

この計算ツールが役立つ理由

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.

主な前提条件

  • 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.

制限事項

  • 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).

計算結果の項目

1グループあたりの反復数
Minimum whole replicates needed in each group (rounded up).
総反復数
Replicates across both groups combined.
標準化効果量(d)
δ / σ — the difference expressed in units of the standard deviation.

よくある質問

  • このサンプルサイズ計算ツールは何を推定しますか？

    2つの独立した平均値の差(たとえばプレートや培養系での処理群対対照群)を、指定した有意水準と検定力で検出するために必要な、群あたりの生物複製(反復)数を推定します。群あたり最小の整数の反復数(常に切り上げ)、2群合計、標準化効果量 d = δ / σを返します。2標本の正規近似に基づく実験前の計画推定であり、データ採取後の事後検定ではありません。

  • 計算ツールにはどのような値を入力しますか？

    4つの値です：検出する価値のある群平均の最小差(δ、測定項目の単位)、想定する標準偏差(σ、可能ならパイロットデータや文献の値)、両側有意水準(α、0.001〜0.2で、通常は0.05)、目標の検定力(1 − β、0.5〜0.999で、通常は0.8)です。内部では正規近似の式 n = 2(z₁₋α/₂ + z₁₋β)²σ²/δ²を適用しています。

  • 統計的検定力(パワー)をわかりやすく説明すると？

    検定力とは、指定した差が実際に存在すると仮定したときに、その実験が本当にその差を検出できる確率です。一般的な目標の80 %でも、その大きさの実際の効果は5回に1回程度は見逃されると期待されます。計算ツールはトレードオフを直接示し、検定力の目標を上げると返される群あたり反復数も増えます。検定力はII型誤差の補数(1 − β)で、本ツールでは0.5から0.999まで設定できます。

  • 複製はいくつ必要ですか？技術複製は反復数に数えられますか？

    決まった数はありません：必要な反復数は、どれだけ小さな差を検出したいか、アッセイのばらつきがどれくらいかで決まり、まさにそこを計算ツールがδ、σ、α、検定力から導き出します。本ツールが計画するのは2群比較の根拠となる独立した生物複製で、同一検体の技術複製の測定値を平均しても独立反復の追加の代用にはなりません。技術複製・試料の減少・欠損(dropout)は計画対象外なので、返されたnにご自身で織り込んでください。

  • この推定値の限界は何ですか？

    t分布ではなくz(大標本)近似を使うため、1群あたり約30回以下の反復では、t検定が実際に要求する反復数は計算結果よりやや多くなります —結果は下限として扱ってください。独立2群・等反復数・等分散、近似的に正規な測定値、両側検定、単一比較を仮定しており、多重比較・対応のあるデザイン・不等分散には別の式が必要です。本ツールは計画の補助であり、特定の研究に対する統計的アドバイスではありません —確証的・臨床的なデザインについては統計の専門家に相談してください。

研究および教育目的でのみご利用ください。臨床判断や診断には使用できません。重要な用途に使う前に、必ず計算結果を独立して確認してください。