可以给我一个更详细的代码吗，并输出最小样本量

当然可以，这里是一个更为详细的 Python 代码段，它会计算最小样本量并输出结果。这个例子中，我们将使用 `scipy.stats` 库来执行 Clopper-Pearson 置信区间的计算。请注意，实际应用中可能需要根据具体工具包调整。

from scipy.stats import binom, beta
import math

def get_minimum_sample_size(p0, alpha, beta):
    # Clopper-Pearson 二项分布置信区间
    def binomial_interval(successes, trials, confidence):
        lower_bound = binom.ppf(confidence / 2, trials, successes / trials)
        upper_bound = binom.ppf(1 - confidence / 2, trials, successes / trials)
        return lower_bound, upper_bound

    # 初始样本量计算
    min_samples = math.ceil(binomial_interval(0, p0 * 100, 1 - alpha)[1])

    # 直到满足双侧置信区间的条件
    while True:
        # 检查样本量是否足够使得上限低于10%
        if binomial_interval(min_samples, p0 * 100, 1 - alpha)[1] <= p0 * 100:
            break
        else:
            min_samples += 1

    return min_samples

# 示例参数
p0 = 0.10
confidence_level_90 = 1 - beta
confidence_level_95 = 1 - alpha

minimum_samples_90 = get_minimum_sample_size(p0, alpha, confidence_level_90)
minimum_samples_95 = get_minimum_sample_size(p0, alpha, confidence_level_95)

print(f"在90%的信度下，需要的最小样本量是 {minimum_samples_90}")
print(f"在95%的信度下，需要的最小样本量是 {minimum_samples_95}")

运行这个代码，你会得到每种情况下的最小样本量。记得根据实际情况调整 `alpha` 和 `beta` 的值，以匹配给定的信赖度。