A/B 測試樣本量估算與統計功效計算器 (Sample Size)
A/B 測試樣本量估算與統計功效計算器 (Sample Size)：增長駭客與資料科學家在開展 A/B 測試前，科學計算每個實驗組到底需要多少訪問量才能得出可信結論。
關於 a/b 測試樣本量估算與統計功效計算器 (sample size)
A/B 測試樣本量估算與統計功效計算器 (Sample Size)：A/B 測試樣本量估算與統計功效計算器 (Sample Size)：增長駭客與資料科學家在開展 A/B 測試前，科學計算每個實驗組到底需要多少訪問量才能得出可信結論。
此工具的運作方式
計算公式與參數關係：p₂=baselineRate×(1+relativeLift); p₁=baselineRate; p̄=(p₁+p₂)/2; n≈ceil((z(1−alpha/2)√(2p̄(1−p̄))+z(power)√(p₁(1−p₁)+p₂(1−p₂)))²/(p₂−p₁)²)
執行管線與計算架構：
- 選擇「原始 JSON / 進階」，並貼上範例輸入。
- 按下「在本機執行」。
- 將「原始輸出資料」與範例比對；若顯示錯誤，請修正輸入。
實際範例與應用方式
實際應用場景： 以下列資料計算：A/B 測試樣本量估算與統計功效計算器 (Sample Size)
範例輸入：
示例輸出：
限制與特殊情況
參數範圍與單位：0 < baselineRate,variantRate,alpha,power < 1; relativeLift ≠ 0; variantRate = baselineRate×(1+relativeLift); 0.1 = 10%. 除標示 BigInt 外，結果使用 binary64 浮點數。結果卡片最多顯示 10 位有效數字，原始輸出保留序列化數值。比率為 null 表示此模型沒有可用的有限比率值，不代表零。
瀏覽器處理與隱私範圍
工具功能的設計是在瀏覽器中處理輸入，不會刻意將輸入傳送至 CZOA 工具處理伺服器。網站資源、流量分析或廣告可能另有網路請求。瀏覽器、擴充功能及裝置管理軟體不在此範圍內。
客戶端執行與驗證方法學
本工具的有效負載處理設計為在瀏覽器內透過 JavaScript 或 Web Worker 於本機執行。網站資源、流量分析或廣告可能另有網路請求。機密性、可重複性與延遲取決於瀏覽器環境，並非絕對保證。
遵循標準與技術規範
內容負責單位：CZOA Tools · 最後複核：2026-09-15 · 複核方法
使用方式
- 選擇「原始 JSON / 進階」，並貼上範例輸入。
- 按下「在本機執行」。
- 將「原始輸出資料」與範例比對；若顯示錯誤，請修正輸入。
常見問題
A/B 測試樣本量估算與統計功效計算器 (Sample Size)使用哪一項計算公式？+
計算公式與參數關係：p₂=baselineRate×(1+relativeLift); p₁=baselineRate; p̄=(p₁+p₂)/2; n≈ceil((z(1−alpha/2)√(2p̄(1−p̄))+z(power)√(p₁(1−p₁)+p₂(1−p₂)))²/(p₂−p₁)²)
可以在A/B 測試樣本量估算與統計功效計算器 (Sample Size)貼上什麼輸入內容？+
請完整貼上下列輸入；若為 JSON，請保留原有欄位名稱：{"baselineRate":0.1,"relativeLift":0.2,"alpha":0.05,"power":0.8}
A/B 測試樣本量估算與統計功效計算器 (Sample Size)有哪些參數限制與單位要求？+
參數範圍與單位：0 < baselineRate,variantRate,alpha,power < 1; relativeLift ≠ 0; variantRate = baselineRate×(1+relativeLift); 0.1 = 10%. 除標示 BigInt 外，結果使用 binary64 浮點數。結果卡片最多顯示 10 位有效數字，原始輸出保留序列化數值。比率為 null 表示此模型沒有可用的有限比率值，不代表零。
這個A/B 測試樣本量估算與統計功效計算器 (Sample Size)範例會產生什麼結果？+
此範例在原始輸出中會產生下列數值：{ "baselineRate": 0.1, "variantRate": 0.12, "relativeLift": 0.2, "alpha": 0.05, "power": 0.8, "approxSamplePerVariant": 3841, "method": "two-sided normal approximation for two independent proportions" }