Poisson-Rate-Test für eine Stichprobe (1-Sample Poisson Rate Test)

Der 1-Sample Poisson Rate Test schätzt eine Ereignisrate je Expositionseinheit und vergleicht sie mit einer hypothetischen Rate. Verwenden Sie ihn für Anzahlen unabhängiger Ereignisse bei fester Exposition, nicht für Gut/Schlecht-Daten. Die Daten können eine Spalte mit Anzahlen oder ein Stichprobenumfang mit Gesamtzahl sein. Er bietet die exakte Methode oder die Normalapproximation und gibt die Stichprobenrate, ihr Konfidenzintervall und einen p-Wert aus.

Zuletzt geprüft

Kernaussage

Der Poisson-Rate-Test für eine Stichprobe schätzt die Rate, mit der Ereignisse auftreten, etwa Fehler je Blech oder Ausfälle je Monat, mit Konfidenzintervall und prüft, ob sie von einer Soll- oder historischen Rate abweicht.

Auf dieser Seite
  1. Zweck
  2. Wichtigste Funktionen
  3. Statistische Methoden
  4. Eingabefelder & Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Der 1-Sample Poisson Rate Test (Poisson-Rate-Test für eine Stichprobe) schätzt die Rate, mit der Ereignisse auftreten, etwa Fehler je Blech, Ausfälle je Monat oder Anrufe je Stunde, und vergleicht sie mit einer Soll- oder historischen Rate. Er liefert die Rate mit einem Konfidenzintervall und auf Wunsch einen Test, ob die Rate vom hypothetischen Wert abweicht bzw. darüber oder darunter liegt. Verwenden Sie ihn für Anzahlen von Ereignissen bei einer festen Exposition (Einheiten, Fläche, Zeit), bei denen jedes Ereignis unabhängig ist, und nicht für Gut/Schlecht-Ergebnisse, für die der 1 Proportion-Test vorgesehen ist.

Wichtigste Funktionen

  • Daten als Spalte mit Anzahlen (eine Anzahl je Einheit) oder als Zusammenfassung: Stichprobenumfang und Gesamtzahl der Ereignisse.
  • Exakte Methode (exakter Poisson-Test und exaktes Konfidenzintervall) oder Normalapproximation (z-Test).
  • Zweiseitige oder einseitige Alternativhypothesen mit passendem zweiseitigem Intervall bzw. einseitiger Grenze.
  • Rate je Einheit beliebiger Beobachtungslänge, z. B. je Blech, je 100 m² oder je Schicht.
  • Nur Konfidenzintervall ohne Test, wenn Perform hypothesis test deaktiviert ist.

Statistische Methoden

Bei N Einheiten, die jeweils über eine Länge t beobachtet werden (Length of observation, Standard 1), beträgt die Gesamtexposition T = N·t. Werden insgesamt X Ereignisse gezählt, ist die Stichprobenrate λ̂ = X / T. Unter der Nullhypothese folgt die Anzahl X einer Poisson-Verteilung mit Mittelwert μ₀ = λ₀·T, wobei λ₀ die hypothetische Rate ist.

Exakte Methode: Für Rate > hypothesized rate ist der p-Wert P(X ≥ x | μ₀), für Rate < hypothesized rate ist er P(X ≤ x | μ₀), und beim zweiseitigen Test addiert der p-Wert die Wahrscheinlichkeit im gegenüberliegenden Ende jenseits der Anzahl, die nach der Likelihood-Quotienten-Regel gleich unwahrscheinlich ist. Das Konfidenzintervall ist das exakte (Garwood-)Intervall aus der Chi-Quadrat-Verteilung: untere Grenze = χ²(α/2; 2x) / (2T), obere Grenze = χ²(1 − α/2; 2x + 2) / (2T), wobei α / 2 bei einer einseitigen Grenze durch α ersetzt wird.

Normalapproximation: z = (λ̂ − λ₀) / √(λ₀ / T), mit dem p-Wert aus der Standardnormalverteilung und dem Intervall λ̂ ± z·√(λ̂ / T), bei null abgeschnitten. Sie liegt nahe an der exakten Methode, wenn die erwartete Anzahl groß ist. Beide Methoden setzen voraus, dass die Ereignisse unabhängig mit konstanter Rate auftreten, sodass die Varianz der Anzahlen gleich ihrem Mittelwert ist; streuen die Anzahlen deutlich stärker als der Mittelwert (gehäuft auftretende Fehler), ist der p-Wert zu klein.

Eingabefelder & Optionen

Feld

Beschreibung

Data

Summarized data (Standard) oder Counts in a column.

Sample

Bei Counts in a column: die Spalte mit den Anzahlen, eine je Einheit. Anzahlen müssen ganze Zahlen ab 0 sein; leere Zellen werden ignoriert.

Sample size / Total occurrences

Bei Summarized data: die Anzahl der Einheiten und die Gesamtzahl der gezählten Ereignisse.

Perform hypothesis test

Standardmäßig aktiviert. Deaktivieren Sie die Option, um nur die Rate und ihr Konfidenzintervall zu erhalten.

Hypothesized rate

Für den Test erforderlich. Die Soll- oder historische Rate je Beobachtungslänge; größer als 0.

Confidence level

Standard 95; 75 bis 100.

Alternative hypothesis

Rate ≠ hypothesized rate (Standard), Rate < hypothesized rate oder Rate > hypothesized rate.

Method

Exact (Standard) oder Normal approximation.

Length of observation

Standard 1. Der Umfang der Exposition je Einheit, in der Einheit, in der die Rate angegeben wird.

one-sample-poisson-rate-test-inputs


Abbildung 1 – Optionen für das Beispiel: je Blech gezählte Lackfehler, hypothetische Rate 2, zweiseitig, exakte Methode.

Beschreibung der Ausgabe

  • Descriptive Statistics – N, Total Occurrences, Sample Rate und das Konfidenzintervall für λ (bzw. eine untere oder obere Grenze bei einem einseitigen Test), mit Hinweisen zu Spalte, Methode und einer etwaigen von 1 abweichenden Beobachtungslänge.
  • Test – Null- und Alternativhypothese sowie der P-Value (bei der Normalapproximation mit dem Z-Value).
  • PDF-Export über Download.

one-sample-poisson-rate-test-output


Abbildung 2 – 148 Fehler auf 50 Blechen: eine Rate von 2.96 je Blech, 95%-KI 2.502 bis 3.477, p < 0.001 gegenüber der historischen Rate von 2.

Beispiel

Historisch weist ein Autotürblech im Mittel 2 Lackfehler auf. Ein Ingenieur der Lackiererei prüft 50 zufällig ausgewählte Bleche und zählt die Fehler auf jedem. Hat sich die Rate verändert? Data = Counts in a column, Sample = Paint Defects, Hypothesized rate = 2, Confidence level = 95, Alternative hypothesis = Rate ≠ hypothesized rate, Method = Exact, Length of observation = 1.

Die 50 Bleche weisen insgesamt 148 Fehler auf, eine Stichprobenrate von 2.96 Fehlern je Blech. Das 95%-Konfidenzintervall für λ reicht von 2.502 bis 3.477: Das gesamte Intervall liegt über 2. Der exakte p-Wert liegt unter 0.001, die Fehlerrate hat sich also verändert; sie ist etwa um die Hälfte höher als zuvor. Die Anzahlen wirken Poisson-verteilt: Ihre Varianz (2.37) liegt nahe an ihrem Mittelwert, es gibt also keinen Hinweis auf gehäuft auftretende Fehler, die den Test zu optimistisch machen würden.

Die Normalapproximation führt zum selben Schluss (z = 4.8, p < 0.001, Intervall 2.483 bis 3.437). Geht es nur um die Frage, ob die Rate gestiegen ist, liefert Rate > hypothesized rate eine untere 95%-Grenze von 2.571 Fehlern je Blech: Die Fehlerrate liegt mindestens etwa 29% über dem historischen Niveau, und der Ingenieur sollte untersuchen, was sich im Lackierprozess verändert hat. Dasselbe Ergebnis erhalten Sie mit Data = Summarized data, Sample size = 50 und Total occurrences = 148.

Häufig gestellte Fragen

Was ist ein Poisson-Rate-Test für eine Stichprobe?

Ein Poisson-Rate-Test für eine Stichprobe schätzt die Rate, mit der Ereignisse auftreten, etwa Fehler je Blech, Ausfälle je Monat oder Anrufe je Stunde, und vergleicht sie mit einer Soll- oder historischen Rate. Er liefert die Rate mit einem Konfidenzintervall und kann prüfen, ob die Rate vom hypothetischen Wert abweicht bzw. darüber oder darunter liegt.

Wann sollten Sie einen Poisson-Rate-Test statt eines Tests für einen Anteil verwenden?

Verwenden Sie den Poisson-Rate-Test für Anzahlen von Ereignissen bei fester Exposition, etwa Einheiten, Fläche oder Zeit, bei denen jedes Ereignis unabhängig ist und eine Einheit mehrere Ereignisse aufweisen kann. Für Gut/Schlecht-Ergebnisse, bei denen jedes Teil einfach konform ist oder nicht, verwenden Sie stattdessen den 1 Proportion-Test.

Welche Voraussetzungen hat der Poisson-Rate-Test?

Sowohl die exakte Methode als auch die Normalapproximation setzen voraus, dass die Ereignisse unabhängig mit konstanter Rate auftreten, sodass die Varianz der Anzahlen gleich ihrem Mittelwert ist. Streuen die Anzahlen deutlich stärker als der Mittelwert, etwa wenn Fehler gehäuft auftreten, ist der p-Wert zu klein.

Was ist der Unterschied zwischen der exakten Methode und der Normalapproximation?

Die exakte Methode verwendet für den p-Wert die Poisson-Verteilung und das exakte Garwood-Intervall aus der Chi-Quadrat-Verteilung. Die Normalapproximation verwendet einen z-Test und als Intervall die Rate plus oder minus z mal die Quadratwurzel aus Rate geteilt durch Exposition. Sie liegt nahe an der exakten Methode, wenn die erwartete Anzahl groß ist.