Power und Stichprobenumfang für die Poisson-Rate (eine Stichprobe)

Plant einen Test der Poisson-Rate einer Stichprobe, bevor Daten erhoben werden. Geben Sie zwei der drei Größen Stichprobenumfang, Vergleichsrate und Power an, dazu die hypothetische Rate und die Beobachtungslänge je Einheit; das Werkzeug löst nach der dritten auf. Es verwendet eine Normalapproximation der Poisson-Verteilung und setzt eine konstante Rate je Einheit voraus. Ausgabe: Ergebnistabelle mit tatsächlicher Power und eine Power-Kurve.

Zuletzt geprüft

Kernaussage

Power and Sample Size for 1-Sample Poisson Rate plant einen Test einer Zählrate, etwa Fehler je Quadratmeter, gegen einen Zielwert und löst nach Stichprobenumfang, Power oder der erkennbaren Vergleichsrate auf.

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

Zweck

Power and Sample Size for 1-Sample Poisson Rate plant einen Test einer Zählrate, etwa Fehler je Quadratmeter, Ausfälle je Monat oder Fehler je Charge, gegen eine Ziel- oder historische Rate. Geben Sie zwei der drei Größen Stichprobenumfang, Vergleichsrate und Power (Trennschärfe) an, und das Werkzeug löst nach der dritten auf: wie viele Einheiten zu beobachten sind, mit welcher Wahrscheinlichkeit eine geplante Stichprobe die Änderung der Rate erkennt oder welche kleinste Änderung eine gegebene Stichprobe erkennen kann. Verwenden Sie es vor einem Test der Poisson-Rate einer Stichprobe (1-Sample Poisson Rate).

Wichtige Funktionen

  • Löst nach Stichprobenumfang, Power oder Vergleichsrate auf: Lassen Sie die gesuchte Größe leer.
  • Mehrere Werte gleichzeitig, z. B. Vergleichsraten „1 1.2“ und Power-Werte „0.8 0.9“, ergeben je eine Zeile für jede Kombination.
  • Beobachtungslänge je Einheit, sodass dieselbe Rate mit größeren oder kleineren Einheiten untersucht werden kann (zum Beispiel Bleche mit 1 m² oder 2 m²).
  • Zweiseitige (Rate ≠ hypothetische Rate) oder einseitige (kleiner als, größer als) Alternativen beim gewählten Konfidenzniveau.
  • Power-Kurve der Power über dem Stichprobenumfang für jede Vergleichsrate, mit markierten berechneten Punkten.

Statistische Methoden

Das Werkzeug verwendet eine Normalapproximation der Poisson-Verteilung. Es wird angenommen, dass die Zählwerte einer Poisson-Verteilung mit konstanter Rate je Beobachtungseinheit folgen, sodass die Varianz eines Zählwerts gleich seinem Mittelwert ist. Bei n Einheiten, die jeweils über die Länge t beobachtet werden, beträgt die Gesamtexposition n·t. Das Signifikanzniveau ist α = 1 − Konfidenzniveau / 100, und z ist z₁₋α/₂ für die zweiseitige bzw. z₁₋α für eine einseitige Alternative.

Für die hypothetische Rate λ₀ und die Vergleichsrate λ₁ sei Δ = λ₁ − λ₀ für die Alternative „größer als“, Δ = λ₀ − λ₁ für „kleiner als“ und Δ = |λ₁ − λ₀| für die zweiseitige Alternative. Die Power ist Φ((Δ·√(n·t) − z·√λ₀) / √λ₁). Die für eine Ziel-Power benötigte Exposition ist ((z·√λ₀ + z_β·√λ₁) / Δ)², wobei z_β das Quantil der Normalverteilung zur Power ist; geteilt durch t und aufgerundet ergibt sich die Anzahl der Einheiten, und die Power bei dieser ganzen Zahl wird als tatsächliche Power ausgegeben. Beim Auflösen nach der Vergleichsrate sucht das Werkzeug für die Alternative „kleiner als“ unterhalb von λ₀, andernfalls oberhalb.

Ein einseitiger Test hat nur dann Power, wenn die Vergleichsrate auf der Seite liegt, die die Alternative nennt: Bei Rate < hypothesized rate ergibt eine Vergleichsrate oberhalb von λ₀ eine Power nahe 0, und das Auflösen nach dem Stichprobenumfang liefert damit eine Fehlermeldung. Entscheidend ist die Gesamtexposition: Eine Verdopplung der Beobachtungslänge je Einheit halbiert ungefähr die Anzahl der benötigten Einheiten. Die Raten sollten in derselben Einheit wie die Beobachtungslänge angegeben werden (zum Beispiel Fehler je m² bei Längen in m²).

Eingabefelder und Optionen

Feld

Beschreibung

Sample sizes

Anzahl der beobachteten Einheiten. Durch Leerzeichen oder Kommas getrennt, z. B. „20 30 40“. Leer lassen, um nach dem Stichprobenumfang aufzulösen.

Hypothesized rate

Pflichtfeld. Die Ziel- oder historische Rate λ₀ je Einheit der Beobachtungslänge.

Comparison rate(s)

Durch Leerzeichen oder Kommas getrennt, z. B. „1.5 2“. Die Rate(n), für die Sie einen Unterschied erkennen möchten. Leer lassen, um danach aufzulösen.

Power values

Durch Leerzeichen oder Kommas getrennt, z. B. „0.8 0.9“. Leer lassen, um nach der Power aufzulösen.

Length of observation

Standard 1. Beobachtungslänge (Zeit, Strecke, Fläche oder Volumen) je Stichprobeneinheit.

Confidence level

Standard 95 (α = 0.05); 75 bis 100.

Alternative hypothesis

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

Power curve

Standardmäßig aktiviert: zeichnet die Power über dem Stichprobenumfang.

Title

Titel, der in der Ausgabe und auf der Power-Kurve angezeigt wird.

power-and-sample-size-1-sample-poisson-rate-inputs


Abbildung 1 — Auflösen nach dem Stichprobenumfang: Hypothesized rate = 1.5, Comparison rate(s) = 1, Power values = 0.8 0.9, Length of observation = 1, einseitig (Rate < hypothesized rate) bei 95% Konfidenz.

Beschreibung der Ausgabe

  • Settings — wonach aufgelöst wurde, die hypothetische Rate, die Beobachtungslänge, das Konfidenzniveau und die Alternativhypothese.
  • Results — eine Zeile je Kombination: Vergleichsrate, Stichprobenumfang sowie Ziel- und tatsächliche Power beim Auflösen nach dem Stichprobenumfang, bzw. Power beim Auflösen nach der Power oder Vergleichsrate beim Auflösen nach dieser.
  • Power Curve — Power über dem Stichprobenumfang für jede Vergleichsrate, mit markierten berechneten Punkten.
  • PDF-Export über Download.

power-and-sample-size-1-sample-poisson-rate-output


Abbildung 2 — Ergebnisse des Beispiels: 33 Bleche für 80% Power und 44 für 90% Power, um einen Rückgang von 1.5 auf 1.0 Fehler je m² zu erkennen.

Beispiel

Eine Beschichtungslinie weist im Mittel 1.5 Oberflächenfehler je Quadratmeter Blech auf. Ein neuer Primer soll diesen Wert auf 1.0 Fehler je m² senken, und der Qualitätsingenieur möchte wissen, wie viele Prüfbleche mit 1 m² er prüfen muss, um die Verringerung nachzuweisen. Nur eine Abnahme ist relevant, daher wählt er Rate < hypothesized rate. Er lässt Sample sizes leer und gibt Hypothesized rate = 1.5, Comparison rate(s) = 1, Power values = 0.8 0.9 und Length of observation = 1 bei 95% Konfidenz ein.

Das Werkzeug benötigt 33 Bleche für 80% Power (tatsächliche Power 0.804) und 44 Bleche für 90% Power (tatsächliche Power 0.904). Werden nur 20 Bleche geprüft, sinkt die Power auf 0.588. Bei größeren Blechen mit 2 m² (Length of observation = 2) verringert sich die Anzahl auf 17 Bleche für 80% Power und 22 für 90%, da die insgesamt geprüfte Fläche die Power bestimmt. Ein zweiseitiger Test, der auch einen Anstieg erkennen würde, benötigt 43 Bleche mit 1 m² für 80% Power.

Häufig gestellte Fragen

Welche Annahmen gelten für Power und Stichprobenumfang bei der Poisson-Rate einer Stichprobe?

Es wird angenommen, dass die Zählwerte einer Poisson-Verteilung mit konstanter Rate je Beobachtungseinheit folgen, sodass die Varianz eines Zählwerts gleich seinem Mittelwert ist. Die Berechnung verwendet eine Normalapproximation der Poisson-Verteilung. Die Raten müssen in derselben Einheit wie die Beobachtungslänge angegeben werden, zum Beispiel Fehler je Quadratmeter bei Längen in Quadratmetern.

Wie beeinflusst die Beobachtungslänge den Stichprobenumfang?

Die Power hängt von der Gesamtexposition ab, also der Anzahl der Einheiten mal der Beobachtungslänge je Einheit. Eine Verdopplung der Länge je Einheit halbiert ungefähr die Anzahl der benötigten Einheiten. In einem Beispiel erfordert das Erkennen eines Rückgangs von 1.5 auf 1.0 Fehler je Quadratmeter 33 Bleche mit 1 Quadratmeter für 80% Power, aber nur 17 Bleche mit 2 Quadratmetern.

Wie viele Einheiten braucht man, um eine Änderung der Fehlerrate zu erkennen?

In einem Beispiel mit einer hypothetischen Rate von 1.5 Fehlern je Quadratmeter und einer Vergleichsrate von 1.0 benötigt ein einseitiger Test bei 95% Konfidenz 33 Bleche für 80% Power und 44 für 90% Power. Werden nur 20 Bleche geprüft, beträgt die Power 0.588, und ein zweiseitiger Test benötigt 43 Bleche für 80% Power.

Was passiert, wenn die Vergleichsrate bei einem einseitigen Test auf der falschen Seite liegt?

Ein einseitiger Test hat nur dann Power, wenn die Vergleichsrate auf der Seite liegt, die die Alternative nennt. Bei Rate < hypothesized rate ergibt eine Vergleichsrate oberhalb der hypothetischen Rate eine Power nahe 0, und das Auflösen nach dem Stichprobenumfang liefert damit eine Fehlermeldung. Verwenden Sie die zweiseitige Alternative, wenn eine Änderung in beide Richtungen relevant ist.