Bí Thuật Power Analysis Và Tính Cỡ Mẫu Chuẩn Xác Bằng Ngôn Ngữ Python

pip install numpy statsmodels scipy

import numpy as np
from statsmodels.stats.power import TTestIndPower

# Khai báo các hằng số cấu hình hệ thống thống kê
SIGNIFICANCE_LEVEL = 0.05  # Mức ý nghĩa thống kê (alpha)
STATISTICAL_POWER = 0.80   # Lực mẫu mục tiêu (1 - beta = 0.80)
EFFECT_SIZE = 0.5          # Kích thước hiệu ứng Cohen's d (mức độ trung bình)

def calculate_required_sample_size(alpha, power, effect_size):
    """
    Hàm tính toán cỡ mẫu tối ưu dựa trên Power Analysis cho T-Test độc lập.
    Tên biến, hàm và hằng số được viết bằng tiếng Anh theo chuẩn quy ước.
    """
    # Khởi tạo đối tượng phân tích lực mẫu t-test độc lập
    power_analysis = TTestIndPower()
    
    # Tính toán số lượng mẫu cần thiết cho mỗi nhóm thử nghiệm
    sample_size_per_group = power_analysis.solve_power(
        effect_size=effect_size,
        nobs1=None,          # Đặt None để hàm tự động giải quyết tìm cỡ mẫu tối ưu
        alpha=alpha,
        power=power,
        ratio=1.0            # Tỷ lệ kích thước giữa hai nhóm (1.0 tương đương 2 nhóm bằng nhau)
    )
    
    # Làm tròn lên số nguyên để đảm bảo độ an toàn cho dữ liệu thực tế
    rounded_sample_size = np.ceil(sample_size_per_group)
    return int(rounded_sample_size)

# Thực thi chương trình và in kết quả ra màn hình console
if __name__ == "__main__":
    required_samples = calculate_required_sample_size(
        alpha=SIGNIFICANCE_LEVEL,
        power=STATISTICAL_POWER,
        effect_size=EFFECT_SIZE
    )
    
    print(f"Cỡ mẫu tối ưu cho mỗi nhóm: {required_samples}")
    print(f"Tổng số lượng mẫu cần chuẩn bị cho cả 2 nhóm: {required_samples * 2}")

import numpy as np
from statsmodels.stats.proportion import proportion_effectsize
from statsmodels.stats.power import NormalIndPower

# Khai báo các hằng số cấu hình bài toán
SIGNIFICANCE_LEVEL = 0.05  # Mức ý nghĩa thống kê (alpha)
STATISTICAL_POWER = 0.80   # Lực mẫu mục tiêu
BASELINE_PROPORTION = 0.10 # Tỷ lệ chuyển đổi nhóm gốc
TARGET_PROPORTION = 0.12   # Tỷ lệ chuyển đổi nhóm mục tiêu

def calculate_ab_test_sample_size(p1, p2, alpha, power):
    """
    Tính toán cỡ mẫu cho kiểm định tỷ lệ độc lập trong A/B Testing.
    """
    # Tính toán kích thước hiệu ứng (effect size) dựa trên chênh lệch tỷ lệ
    effect_size = proportion_effectsize(p1, p2)
    
    # Khởi tạo đối tượng phân tích lực mẫu Z-test độc lập
    power_analysis = NormalIndPower()
    
    # Tính cỡ mẫu cho mỗi nhóm
    sample_size_per_group = power_analysis.solve_power(
        effect_size=effect_size,
        nobs1=None,
        alpha=alpha,
        power=power,
        ratio=1.0
    )
    
    return int(np.ceil(sample_size_per_group))

# Thực thi chương trình
if __name__ == "__main__":
    required_sample_size = calculate_ab_test_sample_size(
        p1=BASELINE_PROPORTION,
        p2=TARGET_PROPORTION,
        alpha=SIGNIFICANCE_LEVEL,
        power=STATISTICAL_POWER
    )
    
    print(f"Cỡ mẫu tối ưu cho mỗi biến thể (A/B): {required_sample_size}")
    print(f"Tổng dung lượng mẫu cần thiết cho cả 2 biến thể: {required_sample_size * 2}")

import numpy as np
from statsmodels.stats.power import TTestIndPower

# Khai báo các hằng số cấu hình bài toán
SIGNIFICANCE_LEVEL = 0.05  # Mức ý nghĩa thống kê (alpha)
FIXED_SAMPLE_SIZE = 40     # Cỡ mẫu cố định cho mỗi nhóm
EFFECT_SIZE = 0.6          # Kích thước hiệu ứng (Cohen's d)

def calculate_statistical_power(nobs, alpha, effect_size):
    """
    Tính toán lực mẫu (Statistical Power) khi biết trước cỡ mẫu và kích thước hiệu ứng.
    """
    # Khởi tạo đối tượng phân tích lực mẫu t-test độc lập
    power_analysis = TTestIndPower()
    
    # Tính toán giá trị Power
    achieved_power = power_analysis.power(
        effect_size=effect_size,
        nobs1=nobs,
        alpha=alpha,
        ratio=1.0
    )
    
    return achieved_power

# Thực thi chương trình
if __name__ == "__main__":
    current_power = calculate_statistical_power(
        nobs=FIXED_SAMPLE_SIZE,
        alpha=SIGNIFICANCE_LEVEL,
        effect_size=EFFECT_SIZE
    )
    
    print(f"Lực mẫu đạt được (Statistical Power): {current_power:.4f}")
    if current_power >= 0.80:
        print("Đánh giá: Đạt chuẩn an toàn thống kê (>= 0.80).")
    else:
        print("Đánh giá: Chưa đạt chuẩn an toàn, rủi ro bỏ sót hiệu ứng thực tế cao