M1-043M1: 数学与统计基础假设检验Medium
⚡闪卡盲测➔掌握度:

样本量与功效的关系是什么?写出常用的样本量估算思路。

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M1-044 →
📐 核心数学机理公式
n ∝ (z1−α/2+z1−β)2 σ2Δ2n\ \propto\ \frac{(z_{1-\alpha/2}+z_{1-\beta})^2\,\sigma^2}{\Delta^2}
⚡ 一句话直击要害答案
样本量与效应量平方成反比;功效分析反解所需 n。

📌 核心要点提炼

  • •
    A/B 上线前必做功效分析,避免'欠功效实验'
  • •
    方差可用历史数据或 CUPED 降低

📐 数学机理与严密推导

推导(两样本均值比较):检验统计量 Z=(X̄_A−X̄_B)/√(2σ²/n),在 H₀ 下 ~N(0,1),在 H₁(真实差异 Δ)下 ~N(Δ/√(2σ²/n), 1)。拒绝域为 |Z|>z_{1−α/2},要求 H₁ 下落入拒绝域的概率 ≥ 1−β,即 (Δ/√(2σ²/n)) − z_{1−α/2} ≥ z_{1−β},解出 n ≥ 2σ²(z_{1−α/2}+z_{1−β})²/Δ²。核心结论:n 与效应量 Δ 的平方成反比——效应减半,样本量需增至 4 倍;n 与方差 σ² 成正比(方差翻倍,样本量翻倍)。这两个关系决定了实验设计的基本约束:小效应实验极其昂贵。

🏭 深度剖析与工业落地权衡

实践要点:① MDE 必须先定——MDE(最小可检测效应)应由业务价值决定(如'至少提升 0.5% 转化率才值得上线'),而非由样本量倒推;反过来做(先定样本量再问能检出什么)会导致'实验能检出什么就上什么'的荒谬决策。② 降方差等于免费加样本——由 n∝σ²,方差降低 50% 等价于样本量翻倍;CUPED 用实验前协变量常能降低 30–50% 方差,是工业界最高杠杆的优化。③ 分流比例的影响——若处理组只占 p 比例,有效样本量下降,最优通常是 50/50(方差在等分时最小),但当处理有风险或成本高时可用不均衡分流。④ 指标类型不同公式不同——比率型指标(CTR)用 p(1−p) 代替 σ²,计数型需考虑过度离散,重尾指标应改用 bootstrap 或稳健估计。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    先定样本量再倒推能检出什么(应由业务价值定 MDE)
  • ✕
    忽视方差降低(CUPED)对样本量的等效替代作用
🎯 面试官连环追问与延伸考察
  • ?
    最小可检测效应(MDE)怎么定?
  • ?
    为什么要先定 MDE 再算样本量?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M1-042: 定义第一类错误、第二类错误、显著性水平与功效。📋 返回题库下一题 →M1-044: 什么是多重比较问题?常见校正方法有哪些。