Trennschärfe und Stichprobenumfang für den Einstichproben-z-Test

Plant einen Einstichproben-z-Test eines Mittelwerts bei bekannter Standardabweichung, etwa aus einer langen, stabilen Regelkartenhistorie. Geben Sie zwei der drei Größen Stichprobenumfang, Unterschied und Trennschärfe sowie die bekannte Standardabweichung ein; das Werkzeug berechnet die dritte mit geschlossenen Formeln der Normalverteilung. Ausgegeben werden eine Ergebnistabelle mit tatsächlicher Trennschärfe und eine Trennschärfekurve. Wird die Standardabweichung geschätzt, verwenden Sie 1-Sample t.

Zuletzt geprüft

Kernaussage

Trennschärfe und Stichprobenumfang für den Einstichproben-z-Test plant den Mittelwerttest gegen einen Zielwert bei bekannter Prozessstandardabweichung und berechnet Stichprobenumfang, Trennschärfe oder kleinsten erkennbaren Unterschied.

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

Zweck

Power and Sample Size for 1-Sample Z plant den Test eines Mittelwerts gegen einen Zielwert, wenn die Prozessstandardabweichung bekannt ist, zum Beispiel aus einer langen, stabilen Regelkartenhistorie. Es beantwortet, wie viele Messungen nötig sind, um eine relevante Verschiebung zu erkennen, welche Trennschärfe eine geplante Stichprobe liefert oder welche kleinste Verschiebung eine gegebene Stichprobe erkennen kann. Geben Sie zwei der drei Größen Stichprobenumfang, Unterschied und Trennschärfe ein; das Werkzeug berechnet die dritte. Verwenden Sie es vor einem Einstichproben-z-Test; wird die Standardabweichung aus der Stichprobe geschätzt, verwenden Sie stattdessen Power and Sample Size for 1-Sample t.

Wichtigste Funktionen

  • Berechnet Stichprobenumfang, Trennschärfe oder Unterschied: Lassen Sie die gesuchte Größe leer.
  • Mehrere Werte gleichzeitig, z. B. Stichprobenumfänge „10 20 30“, ergeben eine Zeile je Kombination.
  • Zweiseitige (Mean ≠ hypothesized mean) oder einseitige (Mean < hypothesized mean, Mean > hypothesized mean) Alternativen beim gewählten Konfidenzniveau.
  • Geschlossene Berechnung mit der Normalverteilung, daher sind die Ergebnisse bei bekannter Standardabweichung exakt.
  • Trennschärfekurve (Trennschärfe gegen Stichprobenumfang) für jeden Unterschied, mit markierten berechneten Punkten.

Statistische Methoden

Die Teststatistik ist Z = (x̄ − μ₀) / (σ/√n), wobei σ als bekannt gilt; die Berechnung verwendet daher durchgehend die Standardnormalverteilung. Das Signifikanzniveau ist α = 1 − Konfidenzniveau / 100, der standardisierte Unterschied ist d = Unterschied / σ (der Unterschied ist der wahre Mittelwert minus μ₀), und z ist z₁₋α/₂ für die zweiseitige Alternative bzw. z₁₋α für eine einseitige.

Für einen zweiseitigen Test gilt Trennschärfe = Φ(|d|·√n − z) + Φ(−|d|·√n − z); für Mean > hypothesized mean gilt Trennschärfe = Φ(d·√n − z) und für Mean < hypothesized mean Trennschärfe = Φ(−d·√n − z). Ein einseitiger Test hat daher bei einem Unterschied auf der falschen Seite eine Trennschärfe nahe 0. Der Stichprobenumfang für eine Zielteststärke ist n = ((z + z_β) / d)², wobei z_β das Normalverteilungsquantil der Zielteststärke ist; n wird aufgerundet, und die Trennschärfe bei dieser ganzen Zahl wird als tatsächliche Trennschärfe ausgegeben. Der kleinste erkennbare Unterschied für gegebenes n und gegebene Trennschärfe ist σ·(z + z_β)/√n und wird bei der Alternative „kleiner als“ als negativer Unterschied ausgegeben.

Da σ nicht geschätzt wird, liefert die z-Berechnung bei gleichem Stichprobenumfang eine etwas höhere Trennschärfe als die t-Berechnung, am deutlichsten bei kleinen Stichproben. Verwenden Sie sie nur, wenn die Standardabweichung wirklich bekannt und stabil ist. Bei einer einseitigen Alternative gibt die Berechnung des Stichprobenumfangs für einen Unterschied auf der falschen Seite eine Fehlermeldung aus.

Eingabefelder & Optionen

Feld

Beschreibung

Sample sizes

Durch Leerzeichen oder Kommas getrennt, z. B. „10 20 30“. Leer lassen, um den Stichprobenumfang zu berechnen.

Differences

Durch Leerzeichen oder Kommas getrennt, z. B. „1 2 3“. Der zu erkennende Unterschied zum hypothetischen Mittelwert. Leer lassen, um den Unterschied zu berechnen.

Power values

Durch Leerzeichen oder Kommas getrennt, z. B. „0.8 0.9“. Leer lassen, um die Trennschärfe zu berechnen.

Known standard deviation

Erforderlich. Die Standardabweichung der Grundgesamtheit, die als bekannt angenommen wird (nicht aus der Stichprobe geschätzt).

Confidence level

Standard 95 (α = 0.05); 75 bis 100.

Alternative hypothesis

Mean ≠ hypothesized mean (Standard), Mean < hypothesized mean oder Mean > hypothesized mean.

Power curve

Standardmäßig angehakt: zeichnet die Trennschärfe gegen den Stichprobenumfang.

Title

In der Ausgabe und der Trennschärfekurve angezeigter Titel.

power-and-sample-size-1-sample-z-inputs


Abbildung 1 – Berechnung der Trennschärfe: Sample sizes = 10 20 30, Differences = 1.5, Known standard deviation = 2.5, zweiseitig bei 95 % Konfidenz.

Beschreibung der Ausgabe

  • Settings – die berechnete Größe, die bekannte Standardabweichung, das Konfidenzniveau und die Alternativhypothese.
  • Results – eine Zeile je Kombination: Unterschied, Stichprobenumfang und Trennschärfe bei Berechnung der Trennschärfe, Ziel- und tatsächliche Trennschärfe bei Berechnung des Stichprobenumfangs oder Unterschied bei Berechnung des Unterschieds.
  • Power Curve – Trennschärfe gegen Stichprobenumfang für jeden Unterschied, mit markierten berechneten Punkten.
  • PDF-Export über Download.

power-and-sample-size-1-sample-z-output


Abbildung 2 – Ergebnisse des Beispiels: Trennschärfe 0.475, 0.765 und 0.908 für 10, 20 und 30 Packungen bei einer Verschiebung von 1.5 g.

Beispiel

Ein Lebensmittelverpacker auditiert das mittlere Gewicht von 250-g-Packungen. Jahrelange stabile Regelkartendaten ergeben eine Standardabweichung von 2.5 g, die daher als bekannt gilt. Eine Verschiebung um 1.5 g in beide Richtungen wäre relevant, und das Auditteam möchte Stichproben von 10, 20 und 30 Packungen vergleichen. Es gibt Sample sizes = 10 20 30, Differences = 1.5 und Known standard deviation = 2.5 ein, lässt Power values leer und behält die zweiseitige Alternative bei 95 % Konfidenz bei.

Die Trennschärfe beträgt 0.475 bei 10 Packungen, 0.765 bei 20 und 0.908 bei 30. Ein Audit mit 10 Packungen würde eine tatsächliche Verschiebung um 1.5 g in mehr als der Hälfte der Fälle übersehen; daher wechselt das Team auf 30 Packungen. Die Berechnung des Stichprobenumfangs mit Power values = 0.9 bestätigt, dass 30 Packungen das Minimum für eine Trennschärfe von 90 % sind. Mit 20 Packungen und 80 % Trennschärfe beträgt die kleinste erkennbare Verschiebung 1.57 g. Wäre die Standardabweichung aus jeder Stichprobe geschätzt worden (die Berechnung für 1-Sample t), lägen die Trennschärfen niedriger: 0.396, 0.721 und 0.888.

Häufig gestellte Fragen

Wann sollte man die Trennschärfeberechnung für den Einstichproben-z-Test statt für den t-Test verwenden?

Verwenden Sie die z-Berechnung nur, wenn die Prozessstandardabweichung wirklich bekannt und stabil ist, zum Beispiel aus jahrelangen Regelkartendaten. Wird die Standardabweichung aus der Stichprobe geschätzt, verwenden Sie Power and Sample Size for 1-Sample t. Da die Standardabweichung nicht geschätzt wird, liefert z bei gleichem Stichprobenumfang eine etwas höhere Trennschärfe als t, am deutlichsten bei kleinen Stichproben.

Wie lautet die Formel für den Stichprobenumfang beim Einstichproben-z-Test?

Der Stichprobenumfang für eine Zielteststärke ist n = ((z + z_beta) / d) zum Quadrat, wobei d der Unterschied geteilt durch die bekannte Standardabweichung ist, z der kritische Wert für die gewählte Alternative und z_beta das Normalverteilungsquantil der Zielteststärke. Das Ergebnis wird aufgerundet, und die Trennschärfe bei dieser ganzen Zahl wird als tatsächliche Trennschärfe ausgegeben.

Wie ermittelt man den kleinsten erkennbaren Unterschied?

Für einen gegebenen Stichprobenumfang und eine gegebene Trennschärfe ist der kleinste erkennbare Unterschied die Standardabweichung mal (z + z_beta), geteilt durch die Quadratwurzel von n. Bei der Alternative „kleiner als“ wird er als negativer Unterschied ausgegeben. In einem Beispiel mit einer bekannten Standardabweichung von 2.5 g können 20 Packungen bei 80 % Trennschärfe eine Verschiebung von 1.57 g erkennen.

Wie verändert der Stichprobenumfang die Trennschärfe eines Einstichproben-z-Tests?

Die Trennschärfe steigt mit dem Stichprobenumfang. In einem Beispiel mit einer bekannten Standardabweichung von 2.5 g und einer Verschiebung von 1.5 g, zweiseitig bei 95 % Konfidenz, beträgt die Trennschärfe 0.475 bei 10 Packungen, 0.765 bei 20 und 0.908 bei 30. Würde die Standardabweichung stattdessen geschätzt, wie bei der Berechnung für 1-Sample t, ergäben sich niedrigere Trennschärfen von 0.396, 0.721 und 0.888.