Je ne vais pas répondre directement à votre question de savoir si nous devrions utiliser les données provenant de l'étape 2 petite enquête sur la zone et l'inclure dans la probabilité, mais plutôt essayer de vous demander de retour quelques questions pour voir si il ya même un besoin de vous inquiéter "topping up" vos données de vraisemblance.

1) Quelles sont les caractéristiques de votre avant (c.-à-estimation et de l'alpha et de paramètres de forme bêta)?

2) Combien de taille de l'échantillon vous avez maintenant ou vous attendez à trouver?

En termes de taille de l'échantillon, je pense que votre cible de 61 est assez grand pour un SQUEAC. Avec ce numéro de l'échantillon, vous pouvez déjà classer la couverture en toute confiance avec votre alpha et bêta erreurs étant très faible. En général, une taille de 40 l'échantillon est suffisamment grande pour classer la couverture.

Une autre question à considérer est que si en effet vous trouvez qu'il est difficile de trouver l'échantillon 61 cible que vous avez défini, une possibilité est qu'il n'y a tout simplement pas que les cas beaucoup pour commencer. Par conséquent, une taille d'échantillon de 61 ou un nombre proche de ce serait déjà d'une forte proportion d'échantillonnage du nombre total de cas de SAM en supposant que votre cas trouver la sensibilité est élevée (c. 90% ou plus).

Sans avoir vu votre avant, je pense que si vous allez trouver environ 40 cas SAM pour votre vraisemblance, vous serez très bien et ne devriez pas vous soucier de "remplissage" des données d'enquête de petite région.

La réponse à votre question vous est «non», vous ne devriez pas utiliser les données à partir de la petite zone. Villages de la zone de large (pour construire la probabilité) sont choisis au moyen d'un procédé de production d'un échantillon représentatif de tous les villages de la région; villages contraires choisis pour la petite zone sont "volontairement" choisis à l'hypothèse de test (couverture élevée / faible couverture). Toutefois, si les mêmes villages ont été de nouveau sélectionnées lors de la sélection de la zone de large (très peu probable à moins que votre région a très peu de villages), dans ce cas, vous pouvez utiliser les données. Mais avez-vous vraiment besoin d'augmenter la taille de l'échantillon? Ernest déjà répondu à votre question.

L'approche bayésienne est de mettre à jour l'information existante (c.-avant) avec de nouvelles informations (la probabilité) pour créer un résumé de deux ensembles d'informations (postérieur).

Les données recueillies à l'étape 2 (petites enquêtes, des études, des petits et des enquêtes à petite région) auront informé la définition de l'avant. Cela signifie que vous avez déjà utilisé ces données. Il est "enveloppé" dans l'avant. Les données Phase 2 est, à l'étape 3, l'information existante et ne devrait pas être inclus dans les données de l'enquête de vraisemblance.

Il est difficile de vous conseiller sur taille de l'échantillon sans le savoir vous avant et comment vous est arrivé à elle, mais n = 61 est une grande taille de l'échantillon pour une enquête SQUEAC de vraisemblance. Je l'utilise rarement une taille d'échantillon plus grande que n = 35 et utilise souvent une taille d'échantillon plus petit que cela.

Je pense que ce serait utile si vous souhaitez expliquer le rationnel pour avoir besoin d'une telle grande taille de l'échantillon.

Merci beaucoup pour votre réponse claire. Je l'avais trouvé quelques écarts en ligne mais je comprends complètement et accord avec vous. Nous ne serons pas utiliser les données de l'étape 2 dans l'étape 3.

Je vérifiais avec le champ de connaître les spécifications derrière cette taille d'échantillon et où en sommes-nous;

alpha: 4,0
bêta: 8,7
estimation: 28%
précision: 10%

au moment 20-22 cas SAM ont été trouvés, mais encore 1/4 des villages doit être visité à partir d'aujourd'hui au vendredi.

Première - S'il vous plaît nous indiquer écarts en ligne. Ils ne devraient pas être dans le projet de référence technique FANTA-III pour SQUEAC (si elles sont alors nous allons y remédier que l'ASAP).

Un Beta (4.0, 8.7) est antérieure pas très forte. Ceci est compatible avec une gamme de couverture que vous croyez être compatible avec votre état actuel des connaissances entre 10% - 60% et une meilleure estimation pour une couverture à environ 28%. Si vous avez une meilleure idée de ce (qui est tout à fait un large éventail de la couverture), alors vous pouvez vouloir reconsidérer le prieur et spécifier une plage étroite. Cela permettra de réduire la taille de l'échantillon de probabilité requis. REMARQUE: Ne faites pas cela simplement pour réduire la taille de l'échantillon de vraisemblance - le prieur devrait refléter ce que vous savez.

BTW: Il est très bon de voir un être pas trop forte antérieur utilisé. Je crains que certaines personnes peuvent être tentés (pour diverses raisons) pour spécifier a priori solides avec un optimisme modes élevés.

La précision indiquée est, je pense, un peu élevé. Il est très peu probable que vous aurez jamais besoin une précision meilleure que ce (ce qui est la précision disponibles à partir des enquêtes de couverture PEV). Je vais habituellement pour moins de précision (soit 12%, .., jusqu'à 15% parfois plus). Sauf prévalence de SAM est très élevé du (et résultant) précision spécifiée sera meilleur que celui spécifié (calculé) parce que la proportion d'échantillonnage sera élevé.

La taille minimale de l'échantillon lors de l'utilisation de la calculatrice est BayesSQUEAC:
n = Avant Alpha + Beta Avant - 2 n = 4,0 + 8,7 à 2 n = 11 = 10,7 (arrondis)
Cela est généralement assez grand pour assurer que les données de vraisemblance seront en mesure de corriger un mal précisé avant et (à condition qu'il n'y a pas avant - conflit de probabilité) de réduire l'incertitude dans l'avant. Il me semble que vous aurez une taille d'échantillon beaucoup plus grand que cela.

De peur que nous de savoir comment vous montez.

Merci beaucoup Mark, je reviendrai la semaine prochaine avec des données provenant du film