검정력 분석 계산기: 두 비율
두 전환율, 성공률 또는 유병률을 비교하십니까? 기대하는 두 비율(예: 40% 대 60%), 알파, 목표 검정력을 입력하면 집단당 필요 표본크기를 얻을 수 있습니다. 본 계산기는 아크사인 변환을 사용해 비율을 Cohen의 효과크기 h로 변환합니다 — G*Power와 R의 pwr.2p.test가 사용하는 것과 정확히 같은 매개변수화이므로 결과가 해당 도구들과 최소 유효숫자 6자리까지 일치합니다. 고전적 가설검정과 A/B 테스트 계획 모두에 사용할 수 있습니다. '검정력 구하기' 모드는 보유한 트래픽으로 현실적으로 탐지할 수 있는 차이를 보여줍니다. 참고로 0이나 1에 가까운 비율은 50% 부근의 같은 절대 차이보다 구별하기 쉽습니다 — h가 이를 자동으로 반영합니다.
AI 리포트
AI가 결과를 해석해 드립니다: APA 7 / 비즈니스 리포트 형식의 다운로드 가능한 Word 문서.
자주 묻는 질문
A/B 테스트에서는 변형별로 사용자가 몇 명 필요합니까?
기준율(예: 0.40)과 목표율(예: 0.50)을 입력하고 α = .05, 검정력 80%를 유지한 뒤 집단당 n을 확인하십시오 — 이 예에서는 변형당 약 387명입니다(h = 0.20). 탐지하려는 차이를 절반으로 줄이면 필요 인원은 대략 4배가 됩니다.
Cohen의 h란 무엇입니까?
h = 2·arcsin(√p₁) − 2·arcsin(√p₂) — 0–1 전체 범위에서 검정력 계산을 정확하게 만드는 비율용 효과크기입니다. 기준: 0.2 작음, 0.5 중간, 0.8 큼. 본 계산기가 입력한 비율로부터 자동으로 계산합니다.
이 검정력 분석을 APA 형식으로 어떻게 보고합니까?
예: "An a priori power analysis for a two-proportion z-test (p₁ = .40, p₂ = .60, h = 0.41, α = .05, two-tailed, power = .80) indicated 48 participants per group." AI 보고서가 완전한 정당화 단락을 정리해 드립니다.
집단 크기가 같다고 가정합니까?
네 — 집단당 n이 같은 고전적 설계이며, 이것이 가장 효율적이기도 합니다. 의도적으로 불균등 배정을 계획한다면 집단 크기의 조화평균을 기준으로 검정력을 설계하는 것이 대략적인 방법입니다.