并运行比所需的时间
我们的样本量计算器： 使用蒙特卡罗模拟来估计 FDR 调整下所需的样本量，但没有简单的封闭式解决方案。 接受多个指标和变体来解决复杂的样本量计算。 无论变体数量有多少，仅要求一次决策指标的元数据。假设每个治疗变体具有相同的 MDE。 计算多重比较的样本量 当只有一个假设检验时，计算器使用statsmodels Python 包来计算所需的样本量。应用计算（如 delta 方法）来计算必要的参数。 将BenjaminiHochberg 调整应 玻利维亚电话号码列表 用于多重假设检验。 由于该过程确定如何通过对 p 值进行排序来调整 p 值，因此在此场景中没有针对样本大小求解的封闭式公式。 我们可以通过 Bonferroni 调整（alpha 除以假设检验的数量）来调整族错误率，因为它是比 BenjaminiHochberg 更保守的调整。
https://zh-cn.casenodata.com/wp-content/uploads/2024/04/Add-a-heading-6.jpg
然而，使用这种保守的调整几乎可以保证实验将被压倒更长的时间，从而减慢实验速度。 计算器按照以下步骤搜索 BenjaminiHochberg 调整下所需的最小样本量。 第 步：生成 p 值 每个指标类都有一个类方法，用于根据采样的测试统计数据计算 p 值。如果原假设为真，sample_size则从原假设下的 p 值分布中抽取 p 值的数量 Uniform,；否则，样本是从备择假设下的检验统计量分布中抽取的。
頁:
[1]