Trennschärfe und Stichprobenumfang für den Test einer Varianz

Plant einen Test einer Varianz (1 Variance) für die Prozessstreuung gegen einen Ziel- oder historischen Wert. Geben Sie zwei der drei Größen Stichprobenumfang, Verhältnis (wahre geteilt durch hypothetische Standardabweichung) und Trennschärfe ein; das Werkzeug berechnet die dritte exakt mit der Chi-Quadrat-Verteilung. Es setzt normalverteilte Daten voraus und reagiert empfindlich auf Abweichungen davon. Ausgegeben werden eine Ergebnistabelle mit tatsächlicher Trennschärfe und eine Trennschärfekurve.

Zuletzt geprüft

Kernaussage

Power and Sample Size for 1 Variance plant einen Chi-Quadrat-Test der Prozessstandardabweichung gegen einen Zielwert und berechnet Stichprobenumfang, Trennschärfe oder das erkennbare Verhältnis wahrer zu hypothetischer Standardabweichung.

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 Variance plant einen Test der Prozessstandardabweichung (oder -varianz) gegen einen Ziel- oder historischen Wert. Es beantwortet, wie viele Messungen nötig sind, um eine bestimmte Zunahme oder Abnahme der Streuung zu erkennen, welche Trennschärfe eine geplante Stichprobe liefert oder welche kleinste Änderung der Streuung eine gegebene Stichprobe erkennen kann. Die Änderung wird als Verhältnis der wahren zur hypothetischen Standardabweichung eingegeben, sodass Sie die Standardabweichung selbst nicht eingeben müssen. Geben Sie zwei der drei Größen Stichprobenumfang, Verhältnis und Trennschärfe ein; das Werkzeug berechnet die dritte. Verwenden Sie es vor einem Test einer Varianz, zum Beispiel um zu prüfen, dass eine Prozessänderung die Streuung nicht verschlechtert hat.

Wichtigste Funktionen

  • Berechnet Stichprobenumfang, Trennschärfe oder Verhältnis: Lassen Sie die gesuchte Größe leer.
  • Mehrere Werte gleichzeitig, z. B. Verhältnisse „1.25 1.5 2“ und Trennschärfen „0.8 0.9“, ergeben eine Zeile je Kombination.
  • Zweiseitige (Ratio ≠ hypothesized ratio) oder einseitige (kleiner als, größer als) Alternativen beim gewählten Konfidenzniveau.
  • Exakte Chi-Quadrat-Berechnung, keine Normalapproximation.
  • Trennschärfekurve (Trennschärfe gegen Stichprobenumfang) für jedes Verhältnis, mit markierten berechneten Punkten.

Statistische Methoden

Der Berechnung liegt der Chi-Quadrat-Test für eine Varianz zugrunde: Bei n Messungen aus einer normalverteilten Grundgesamtheit folgt (n − 1)·S²/σ₀² einer Chi-Quadrat-Verteilung mit n − 1 Freiheitsgraden, wenn die wahre Standardabweichung dem hypothetischen Wert σ₀ entspricht. Ist die wahre Standardabweichung σ = r·σ₀, ist dieselbe Statistik das r²-Fache einer Chi-Quadrat-Variable; es kommt also nur auf das Verhältnis r an. Das Signifikanzniveau ist α = 1 − Konfidenzniveau / 100.

Für die Alternative „größer als“ gilt Trennschärfe = P(χ²ₙ₋₁ > c₁₋α / r²), wobei c₁₋α der obere kritische Chi-Quadrat-Wert ist. Für „kleiner als“ gilt Trennschärfe = P(χ²ₙ₋₁ < c_α / r²). Beim zweiseitigen Test zählen beide Ränder, mit c_α/2 und c₁₋α/2. Der Stichprobenumfang für eine Zielteststärke wird numerisch ermittelt und aufgerundet, und die Trennschärfe bei dieser ganzen Zahl wird als tatsächliche Trennschärfe ausgegeben. Bei der Berechnung des Verhältnisses sucht das Werkzeug für die Alternative „kleiner als“ unterhalb von 1, sonst oberhalb von 1.

Der Chi-Quadrat-Test setzt normalverteilte Daten voraus und reagiert empfindlich auf Abweichungen von der Normalverteilung; prüfen Sie daher die Form der Daten, wenn Sie den Test durchführen. Um eine Änderung der Streuung zu erkennen, braucht man mehr Daten, als die meisten erwarten: Kleine Verhältnisse wie 1.25 erfordern große Stichproben.

Eingabefelder & Optionen

Feld

Beschreibung

Sample sizes

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

Ratio(s)

Durch Leerzeichen oder Kommas getrennt, z. B. „1.5 2“. Das zu erkennende Verhältnis der wahren zur hypothetischen Standardabweichung. Leer lassen, um es zu berechnen.

Power values

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

Confidence level

Standard 95 (α = 0.05); 75 bis 100.

Alternative hypothesis

Ratio ≠ hypothesized ratio (Standard), Ratio < hypothesized ratio oder Ratio > hypothesized ratio.

Power curve

Standardmäßig angehakt: zeichnet die Trennschärfe gegen den Stichprobenumfang.

Title

In der Ausgabe und der Trennschärfekurve angezeigter Titel.

power-and-sample-size-1-variance-inputs


Abbildung 1 – Berechnung des Stichprobenumfangs: Ratio(s) = 1.5, Power values = 0.8 0.9, einseitig (Ratio > hypothesized ratio) bei 95 % Konfidenz.

Beschreibung der Ausgabe

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

power-and-sample-size-1-variance-output


Abbildung 2 – Ergebnisse des Beispiels: 19 Tabletten für 80 % und 27 für 90 % Trennschärfe, um eine Zunahme der Standardabweichung um 50 % zu erkennen.

Beispiel

Eine Tablettenpresse hat eine langfristige Standardabweichung des Gewichts von 2 mg. Nach dem Einbau eines neuen Stempelsatzes möchte das Qualitätsteam sicherstellen, dass die Streuung nicht gewachsen ist; ein Anstieg auf 3 mg (Verhältnis 1.5) wäre ein Problem. Nur ein Anstieg ist relevant, daher wählt das Team Ratio > hypothesized ratio. Es lässt Sample sizes leer und gibt Ratio(s) = 1.5 und Power values = 0.8 0.9 bei 95 % Konfidenz ein.

Das Werkzeug benötigt 19 Tabletten für 80 % Trennschärfe (tatsächliche Trennschärfe 0.802) und 27 Tabletten für 90 % Trennschärfe (tatsächliche Trennschärfe 0.900). Eine Schnellprüfung mit 10 Tabletten hat eine Trennschärfe von nur 0.583. Die Größe der Änderung spielt eine große Rolle: Um ein Verhältnis von 1.25 (2.5 mg) mit 80 % Trennschärfe zu erkennen, sind 61 Tabletten nötig, für eine Verdopplung der Standardabweichung nur 8. Ein zweiseitiger Test beim Verhältnis 1.5 benötigt 24 Tabletten für 80 % Trennschärfe.

Häufig gestellte Fragen

Warum wird die Änderung der Streuung als Verhältnis eingegeben?

Der Chi-Quadrat-Test für eine Varianz verwendet (n - 1) mal S zum Quadrat, geteilt durch die hypothetische Varianz. Ist die wahre Standardabweichung das r-Fache der hypothetischen, ist diese Statistik das r²-Fache einer Chi-Quadrat-Variable; es kommt also nur auf das Verhältnis r an. Daher geben Sie das Verhältnis von wahrer zu hypothetischer Standardabweichung ein, nicht die Standardabweichung selbst.

Wie viele Stichprobenwerte braucht man, um eine Änderung der Standardabweichung zu erkennen?

Um eine Änderung der Streuung zu erkennen, braucht man mehr Daten, als die meisten erwarten. In einem Beispiel erfordert das Erkennen einer Zunahme der Standardabweichung um 50 % (Verhältnis 1.5) mit einem einseitigen Test bei 95 % Konfidenz 19 Einheiten für 80 % Trennschärfe und 27 für 90 %. Ein Verhältnis von 1.25 erfordert 61 Einheiten für 80 % Trennschärfe, eine Verdopplung dagegen nur 8.

Welche Annahmen gelten für die Trennschärfeberechnung für eine Varianz?

Sie setzt voraus, dass die Messwerte aus einer normalverteilten Grundgesamtheit stammen, denn der Chi-Quadrat-Test für eine Varianz beruht auf der Normalverteilung und reagiert empfindlich auf Abweichungen davon. Prüfen Sie die Form der Daten, wenn Sie den Test durchführen. Die Berechnung selbst ist exakt und verwendet die Chi-Quadrat-Verteilung statt einer Normalapproximation.

Sollte der Test einer Varianz einseitig oder zweiseitig sein?

Wählen Sie eine einseitige Alternative, wenn nur eine Zunahme oder nur eine Abnahme der Streuung relevant ist, etwa bei der Prüfung, ob eine Prozessänderung die Streuung verschlechtert hat. Ein zweiseitiger Test erfordert mehr Messungen: Im Beispiel benötigt ein Verhältnis von 1.5 einseitig 19 Einheiten für 80 % Trennschärfe, zweiseitig dagegen 24.