群逐次試験のα支出・境界と検出力
バグ・不具合を報告
決めた解析時点のα・β-spendingと停止境界を計算し、固定した最終情報量で全体検出力と期待情報量を見積もる。
解析時点は試験開始前に決定した累積情報割合を入力してください。標準正規近似・増分独立・既知情報量のモデルで計算します。
入力すると自動で計算します。Enterで次の項目へ進めます。次の入力欄を選んで進めます。
選択内容に応じて、残りの入力項目を案内します。
計算結果
—%
- 目標検出力(1−β)
- —%
- 実際の第二種過誤
- —%
- 実停止規則でのH₀棄却率
- —%
- 境界校正でのH₀棄却率
- —%
- H₁での期待情報量
- —情報単位
- H₀での期待情報量
- —情報単位
- 目標との差
- —pp
必要な値を入力すると自動で計算します。
この計算機は使いやすかったですか?
回答はサイト改善のために保存します。入力値・計算結果は送りません。
ありがとうございます。よかったら、上の共有ボタンからこの計算機を紹介しませんか?
計算方法・適用範囲・出典
計算方法
最終情報量I、解析割合tᵢに対しIᵢ=I×tᵢ、E[Zᵢ|δ]=δ√Iᵢ、Cov(Zᵢ,Zⱼ)=√(tᵢ/tⱼ)(i≤j)。有効性境界は帰無仮説で予定解析ごとの境界初通過確率が累積α-spending Fα(tᵢ)へ一致するよう数値積分で求めます。O’Brien–Fleming型は両側Fα(t)=2Φ(−Φ⁻¹(1−α/2)/√t)、片側Fα(t)=Φ(−Φ⁻¹(1−α)/√t)。Pocock型はFα(t)=α ln(1+(e−1)t)。片側無益中止はH₁での初回下側通過確率を線形βtまたはHSD(γ=−2)の累積支出に合わせます。拘束的設計ではH₀有効性境界校正時にも下側停止を含め、非拘束的設計では含めません。実際の検出力はH₁の有効性境界初通過確率の総和、期待情報量は各解析へ到達する確率と情報量増分の積の総和です。
各解析の有効性Z境界・無益中止Z境界・名目p値・累積α支出・H0/H1停止確率・全体検出力・期待情報量。
計算例(架空の数値)
検算:1回解析・両側α=0.05・情報時点1なら有効性境界は約±1.95996、nominal p=0.05。情報量25・δ=0.4なら非心平均2で、検出力はΦ(2−1.95996)+Φ(−2−1.95996)≈0.516。
適用対象と限界
予定解析1~8回、最終情報時点1。正規近似で増分独立・既知の情報量を仮定する研究デザインの参考計算。SPRT、anytime CI、群逐次に使う観測統計量の構築、適応的時点変更、組入れ・打切りモデル、情報量の最適化、分布・分散未知の有限標本補正、非対称両側と両側無益中止には対応しません。。
採用した方式
- 予定解析のcanonical joint-normal境界(独立Gauss–Legendre積分)(planned-look canonical normal / LDOF-LDPocock / HSD beta v1.0 (2026-11-15)):対象範囲 情報時点厳密昇順・一方向の正の効果・一側(無益中止あり/なし)または両側対称(無益中止なし)・固定最終情報量/適用地域 global
方法と出典
方法:planned-look canonical normal / LDOF-LDPocock / HSD beta v1.0 (2026-11-15)。データ記録日:2026-11-15。