Trennschärfe und Stichprobenumfang für 2 Varianzen (Power and Sample Size for 2 Variances)

Plant einen Test für 2 Varianzen, der die Streuung zweier Gruppen vergleicht, etwa zweier Maschinen oder Prüfmittel. Geben Sie zwei der drei Größen Stichprobenumfang je Gruppe, Verhältnis der Standardabweichungen und Trennschärfe ein; das Werkzeug berechnet die dritte exakt über die F-Verteilung bei gleichen Gruppengrößen. Es setzt normalverteilte Daten voraus und reagiert empfindlich auf Abweichungen davon. Ausgabe: Ergebnistabelle mit tatsächlicher Trennschärfe und Trennschärfekurve.

Zuletzt geprüft

Kernaussage

Power and Sample Size for 2 Variances plant einen F-Test zum Vergleich der Streuung zweier unabhängiger Gruppen und berechnet Stichprobenumfang je Gruppe, Trennschärfe oder das nachweisbare Verhältnis der Standardabweichungen.

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 2 Variances plant den Vergleich der Streuung zweier unabhängiger Gruppen, etwa der Wiederholbarkeit zweier Maschinen, zweier Prüfmittel oder zweier Lieferanten. Der Unterschied in der Streuung wird als Verhältnis der beiden Standardabweichungen (σ₁/σ₂) eingegeben, sodass Sie die Standardabweichungen selbst nicht eingeben müssen. Geben Sie zwei der drei Größen Stichprobenumfang, Verhältnis und Trennschärfe (Power) ein, und das Werkzeug berechnet die dritte: wie viele Einheiten jede Gruppe benötigt, welche Trennschärfe eine geplante Stichprobe liefert oder welches kleinste Verhältnis eine gegebene Stichprobe nachweisen kann. Verwenden Sie es vor einem Test für 2 Varianzen.

Wichtige Funktionen

  • Berechnet Stichprobenumfang, Trennschärfe oder Verhältnis: Lassen Sie die gesuchte Größe leer.
  • Mehrere Werte gleichzeitig, z. B. Verhältnisse „1.5 2“ und Trennschärfewerte „0.8 0.9“, ergeben je Kombination eine Zeile.
  • Zweiseitige oder einseitige Alternativen, mit dem von Ihnen gewählten Konfidenzniveau.
  • Exakte Berechnung über die F-Verteilung mit gleichem Stichprobenumfang in beiden Gruppen.
  • Trennschärfekurve (Trennschärfe gegen Stichprobenumfang) für jedes Verhältnis, mit markierten berechneten Punkten.

Statistische Methoden

Der Berechnung liegt der F-Test für zwei Varianzen zugrunde: Bei n Einheiten je Gruppe aus normalverteilten Grundgesamtheiten folgt F = S₁²/S₂² bei gleichen Standardabweichungen einer F-Verteilung mit (n − 1, n − 1) Freiheitsgraden. Ist das wahre Verhältnis r = σ₁/σ₂, so ist F das r²-Fache einer solchen Variablen. Das Signifikanzniveau ist α = 1 − Konfidenzniveau / 100.

Für die Alternative „größer als“ (σ₁ > σ₂) gilt Trennschärfe = P(F > f₁₋α / r²); für „kleiner als“ gilt Trennschärfe = P(F < f_α / r²); beim zweiseitigen Test zählen beide Enden, mit f_α/2 und f₁₋α/2, den Quantilen von F mit (n − 1, n − 1) Freiheitsgraden. Der Stichprobenumfang für eine Zielteststärke wird numerisch ermittelt und aufgerundet, und die Trennschärfe bei dieser ganzen Zahl wird als tatsächliche Trennschärfe angegeben. Bei der Berechnung des Verhältnisses sucht das Werkzeug für die Alternative „kleiner als“ unterhalb von 1, sonst oberhalb von 1.

Da die Gruppen gleich groß sind, liefern ein Verhältnis r und ein Verhältnis 1/r dasselbe zweiseitige Ergebnis (1.5 und 0.667 erfordern beide 50 je Gruppe für 80% Trennschärfe). Der F-Test setzt normalverteilte Daten voraus und reagiert empfindlich auf Abweichungen von der Normalverteilung.

Eingabefelder und Optionen

Feld

Beschreibung

Sample sizes

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

Ratio(s)

Durch Leerzeichen oder Komma getrennt, z. B. „1.5 2“. Verhältnis der beiden wahren Standardabweichungen (σ₁/σ₂), das Sie nachweisen möchten. Leer lassen, um es zu berechnen.

Power values

Durch Leerzeichen oder Komma 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

σ1/σ2 ≠ 1 (Standard), σ1/σ2 < 1 (σ₁ < σ₂) oder σ1/σ2 > 1 (σ₁ > σ₂).

Power curve

Standardmäßig angehakt: zeichnet die Trennschärfe gegen den Stichprobenumfang.

Title

Titel der Ausgabe und der Trennschärfekurve.

power-and-sample-size-2-variances-inputs


Abbildung 1 – Berechnung des Stichprobenumfangs: Ratio(s) = 1.5 2, Power values = 0.8, zweiseitig bei 95% Konfidenz.

Beschreibung der Ausgabe

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

power-and-sample-size-2-variances-output


Abbildung 2 – Ergebnisse für das Beispiel: 50 Teile je Maschine, um ein Verhältnis von 1.5 nachzuweisen, und 19 je Maschine für ein Verhältnis von 2, jeweils bei 80% Trennschärfe.

Beispiel

Ein Zerspanungsbetrieb möchte die Streuung des Bohrungsdurchmessers einer alten und einer neuen CNC-Maschine vergleichen. Ein Verhältnis der Standardabweichungen von 1.5 würde es rechtfertigen, die kritischen Arbeiten auf die bessere Maschine zu verlagern, ein Verhältnis von 2 wäre gravierend. Der Ingenieur lässt Sample sizes leer, gibt Ratio(s) = 1.5 2 und Power values = 0.8 ein und behält die zweiseitige Alternative bei 95% Konfidenz bei.

Das Werkzeug ermittelt 50 Teile je Maschine, um ein Verhältnis von 1.5 mit 80% Trennschärfe nachzuweisen (tatsächliche Trennschärfe 0.802), und je 19 Teile für ein Verhältnis von 2 (tatsächliche Trennschärfe 0.816). Für 90% Trennschärfe steigen die Werte auf 66 bzw. 24 Teile je Maschine. Ein Versuch mit 20 Teilen je Maschine hat für ein Verhältnis von 1.5 nur eine Trennschärfe von 0.402; ein nicht signifikantes Ergebnis eines solchen Versuchs sagt also wenig aus. Lautet die Frage nur, ob die alte Maschine schlechter ist (Alternative σ1/σ2 > 1), ergeben 40 Teile je Maschine bei einem Verhältnis von 1.5 eine Trennschärfe von 80%.

Häufig gestellte Fragen

Warum wird der Unterschied in der Streuung als Verhältnis der Standardabweichungen eingegeben?

Der F-Test für zwei Varianzen verwendet F = S1 zum Quadrat geteilt durch S2 zum Quadrat. Ist das wahre Verhältnis der Standardabweichungen r, so ist F das r²-Fache einer F-Variablen mit (n - 1, n - 1) Freiheitsgraden; es kommt also nur auf das Verhältnis an. Sie geben das Verhältnis sigma1/sigma2 ein und benötigen die Standardabweichungen selbst nicht.

Wie viele Stichproben sind nötig, um zwei Varianzen zu vergleichen?

In einem Beispiel, zweiseitig bei 95% Konfidenz, erfordert der Nachweis eines Verhältnisses der Standardabweichungen von 1.5 für 80% Trennschärfe 50 Teile je Maschine und für 90% 66 Teile, ein Verhältnis von 2 dagegen 19 bzw. 24. Ein Versuch mit 20 Teilen je Maschine hat bei einem Verhältnis von 1.5 nur eine Trennschärfe von 0.402; ein nicht signifikantes Ergebnis sagt also wenig aus.

Werden ein Verhältnis und sein Kehrwert gleich behandelt?

Beim zweiseitigen Test ja. Da beide Gruppen gleich groß sind, liefern ein Verhältnis r und ein Verhältnis 1/r dasselbe Ergebnis: 1.5 und 0.667 erfordern beide 50 Einheiten je Gruppe für 80% Trennschärfe. Bei einseitigen Alternativen sucht das Werkzeug für die Alternative „kleiner als“ unterhalb von 1, sonst oberhalb von 1.

Welche Annahmen liegen der Trennschärfeberechnung für 2 Varianzen zugrunde?

Sie setzt voraus, dass beide Gruppen aus normalverteilten Grundgesamtheiten stammen und gleiche Stichprobenumfänge haben. Der F-Test reagiert empfindlich auf Abweichungen von der Normalverteilung; prüfen Sie daher die Datenform, wenn Sie den Test durchführen. Zählt nur eine Richtung, benötigt eine einseitige Alternative weniger Einheiten: Im Beispiel ergeben 40 Teile je Maschine bei einem Verhältnis von 1.5 eine Trennschärfe von 80%.