Bức tranh lớn:
Tôi đang cố gắng hiểu làm thế nào tăng kích thước mẫu làm tăng sức mạnh của một thử nghiệm. Các slide của giảng viên của tôi giải thích điều này bằng một bức tranh gồm 2 bản phân phối bình thường, một cho giả thuyết không và một cho giả thuyết thay thế và một ngưỡng quyết định c giữa chúng. Họ lập luận rằng việc tăng kích thước mẫu sẽ làm giảm phương sai và do đó gây ra sự tổn thương cao hơn, làm giảm diện tích chia sẻ dưới các đường cong và do đó xác suất xảy ra lỗi loại II.
Bức tranh nhỏ:
Tôi không hiểu làm thế nào một cỡ mẫu lớn hơn sẽ làm giảm phương sai.
Tôi giả sử bạn chỉ cần tính toán phương sai mẫu và sử dụng nó làm tham số trong phân phối bình thường.
Tôi đã thử:
- googling , nhưng hầu hết các câu trả lời được chấp nhận có 0 upvote hoặc chỉ là ví dụ
- suy nghĩ : Theo luật số lượng lớn, mọi giá trị cuối cùng sẽ ổn định xung quanh giá trị có thể xảy ra theo phân phối bình thường mà chúng ta giả định. Và phương sai do đó sẽ hội tụ đến phương sai của phân phối chuẩn giả định của chúng tôi. Nhưng phương sai của phân phối bình thường đó là gì và nó có phải là một giá trị tối thiểu tức là chúng ta có thể chắc chắn phương sai mẫu của chúng ta giảm xuống giá trị đó không?