Poisson-Ratentest für zwei Stichproben (2-Sample Poisson Rate Test)

Der Poisson-Ratentest für zwei Stichproben vergleicht Ereignisraten zwischen zwei Gruppen anhand der Anzahl unabhängiger Ereignisse über eine bekannte Exposition. Er schätzt die Ratendifferenz mit einem Konfidenzintervall und prüft sie mit einer Normalapproximation und, wenn die hypothetische Differenz 0 ist, mit einem exakten Binomialtest. Er setzt voraus, dass Ereignisse unabhängig mit konstanter Rate auftreten. Die Daten können zusammengefasst, in zwei Spalten oder gestapelt vorliegen.

Zuletzt geprüft

Kernaussage

Der Poisson-Ratentest für zwei Stichproben vergleicht, wie oft Ereignisse in zwei Gruppen auftreten, etwa Fehler je Einheit oder Stillstände je Schicht, und schätzt die Ratendifferenz mit Konfidenzintervall und exaktem oder Normal-Test.

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

Zweck

Der Poisson-Ratentest für zwei Stichproben vergleicht die Raten, mit denen Ereignisse in zwei Gruppen auftreten, etwa Stillstände je Schicht in Tag- und Nachtschicht, Fehler je Einheit von zwei Linien oder Reklamationen je Monat vor und nach einer Änderung. Er schätzt die Differenz der beiden Raten mit einem Konfidenzintervall und prüft, ob sie sich von null oder von einer anderen hypothetischen Differenz unterscheidet. Verwenden Sie ihn für Anzahlen unabhängiger Ereignisse über eine bekannte Exposition; für Gut/Schlecht-Ergebnisse verwenden Sie den Test auf zwei Anteile (2 Proportions).

Wichtigste Funktionen

  • Daten als zusammengefasste Anzahlen, als zwei Spalten mit Anzahlen oder als eine Spalte mit Anzahlen und eine Spalte mit Stichproben-IDs.
  • Exakter Test (bedingter Binomialtest) und Normalapproximation nebeneinander, wenn die hypothetische Differenz 0 ist.
  • Varianz der Differenz aus den getrennten Raten oder aus der gepoolten Rate.
  • Zweiseitige oder einseitige Alternativen, mit Konfidenzintervall oder einseitiger Grenze für die Differenz.
  • Unterschiedliche Beobachtungslängen für die beiden Stichproben, z. B. 8-Stunden- und 12-Stunden-Schichten.

Statistische Methoden

Für Stichprobe i mit Nᵢ Einheiten, die jeweils über eine Länge tᵢ (Observation length) beobachtet werden, ist die Exposition Tᵢ = Nᵢ·tᵢ, und bei insgesamt Xᵢ Ereignissen ist die Rate λ̂ᵢ = Xᵢ / Tᵢ. Die geschätzte Differenz ist D = λ̂₁ − λ̂₂, Stichprobe 1 minus Stichprobe 2. Bei Daten in zwei Spalten oder gestapelten Daten ist Nᵢ die Anzahl nicht leerer Anzahlen in der Stichprobe und Xᵢ ihre Summe.

Normalapproximation: z = (D − D₀) / SE, wobei D₀ die hypothetische Differenz ist. Mit Estimate the rates separately ist SE = √(λ̂₁ / T₁ + λ̂₂ / T₂); mit Use the pooled estimate of the rates ist SE = √[λ̂ₚ(1 / T₁ + 1 / T₂)] mit λ̂ₚ = (X₁ + X₂) / (T₁ + T₂). Sind die beiden Expositionen gleich, liefern beide Methoden denselben SE. Der p-Wert stammt aus der Standardnormalverteilung, und das Konfidenzintervall für die Differenz ist D ± z·SE (oder eine einseitige Grenze).

Exakter Test, nur ausgegeben bei D₀ = 0: Sind die Raten gleich, folgt die Anzahl X₁ von insgesamt X₁ + X₂ einer Binomialverteilung mit der Wahrscheinlichkeit T₁ / (T₁ + T₂). Die einseitigen p-Werte sind die Binomialränder, und der zweiseitige p-Wert ist das Doppelte des kleineren Rands. Bei kleinen Anzahlen ist der exakte Test vorzuziehen. Beide Methoden setzen voraus, dass Ereignisse innerhalb jeder Gruppe unabhängig mit konstanter Rate auftreten.

Eingabefelder und Optionen

Feld

Beschreibung

Data

Summarized data (Standard), Each sample is in its own column oder Both samples are in one column.

Sample 1 / Sample 2

Bei Each sample is in its own column: die beiden Spalten mit Anzahlen.

Samples / Sample IDs

Bei Both samples are in one column: die Spalte mit den Anzahlen und die Spalte, die die Stichprobe jeder Zeile benennt (genau zwei verschiedene Werte; der zuerst gefundene ist Stichprobe 1).

Sample 1 sample size / Sample 1 total occurrences / Sample 2 sample size / Sample 2 total occurrences

Bei Summarized data: die Anzahl der Einheiten und die Gesamtzahl der Ereignisse in jeder Stichprobe.

Hypothesized difference

Standard 0. Der Wert von λ₁ − λ₂ unter der Nullhypothese; der exakte Test wird nur für 0 ausgegeben.

Confidence level

Standard 95; 75 bis 100.

Alternative hypothesis

Difference ≠ hypothesized difference (Standard), Difference < hypothesized difference oder Difference > hypothesized difference.

Test method

Estimate the rates separately (Standard) oder Use the pooled estimate of the rates, für die Normalapproximation.

Observation length (Sample 1) / Observation length (Sample 2)

Standard 1. Die Exposition jeder Einheit; bleibt das Feld für Stichprobe 2 leer, wird die Länge von Stichprobe 1 verwendet.

two-sample-poisson-rate-test-inputs


Abbildung 1 – Optionen für das Beispiel: Machine Stoppages gestapelt in einer Spalte mit Shift als Stichproben-IDs, zweiseitig, Raten getrennt geschätzt.

Beschreibung der Ausgaben

  • Method: welche Stichprobe λ₁ und welche λ₂ ist, und die Differenz λ₁ − λ₂.
  • Descriptive Statistics: Sample, N, Total Occurrences und Sample Rate für jede Stichprobe.
  • Estimation for Difference: die Estimated Difference und ihr Konfidenzintervall (oder obere bzw. untere Grenze).
  • Test: Null- und Alternativhypothese sowie eine Tabelle mit Z-Value und P-Value für die Methoden Exact und Normal approximation, mit einem Hinweis, wenn der gepoolte Schätzer verwendet wird.
  • PDF-Export über Download.

two-sample-poisson-rate-test-output


Abbildung 2 – Tagschichten haben im Mittel 3.233 Stillstände, Nachtschichten 4.567; das 95%-KI für die Differenz, −2.333 bis −0.334, schließt 0 aus (exakter p = 0.0106).

Beispiel

Ein Produktionsleiter vergleicht ungeplante Maschinenstillstände an einer Verpackungslinie zwischen Tag- und Nachtschicht und zählt die Stillstände je Schicht über 30 Arbeitstage. Data = Both samples are in one column, Samples = Machine Stoppages, Sample IDs = Shift, Hypothesized difference = 0, Confidence level = 95, zweiseitig, Test method = Estimate the rates separately, Observation length = 1 (eine Schicht).

Die Tagschichten hatten 97 Stillstände in 30 Schichten, eine Rate von 3.233 je Schicht, die Nachtschichten 137 in 30 Schichten, 4.567 je Schicht. Die geschätzte Differenz, Tag minus Nacht, beträgt −1.333 Stillstände je Schicht mit einem 95%-KI von −2.333 bis −0.334: Das Intervall schließt 0 aus. Der exakte Test ergibt p = 0.0106 und die Normalapproximation z = −2.61, p = 0.0089. Die Nachtschicht hat mehr Stillstände, etwa 40% mehr als die Tagschicht.

Da beide Stichproben 30 Schichten umfassen, ergibt Use the pooled estimate of the rates hier dieselben Werte für z und p. Hätte der Leiter schon vor der Datenerhebung erwartet, dass die Nachtschicht schlechter ist, ergäbe Difference < hypothesized difference p = 0.0053 (exakt) und eine obere 95%-Grenze von −0.495 für die Differenz. Im nächsten Schritt gilt es herauszufinden, was nachts anders ist, zum Beispiel Besetzung, Umrüstungen oder Material, bevor die zusätzlichen Stillstände weitere Ausbringung kosten.

Häufig gestellte Fragen

Wann sollten Sie einen Poisson-Ratentest für zwei Stichproben verwenden?

Verwenden Sie ihn, um die Raten zu vergleichen, mit denen Ereignisse in zwei Gruppen auftreten, für Anzahlen unabhängiger Ereignisse über eine bekannte Exposition, etwa Stillstände je Schicht in Tag- und Nachtschicht, Fehler je Einheit von zwei Linien oder Reklamationen je Monat vor und nach einer Änderung. Für Gut/Schlecht-Ergebnisse verwenden Sie stattdessen den Test auf zwei Anteile.

Was ist der Unterschied zwischen dem exakten Test und der Normalapproximation?

Der exakte Test bedingt auf die Gesamtanzahl: Sind die Raten gleich, folgt die Anzahl in Stichprobe 1 einer Binomialverteilung mit einer Wahrscheinlichkeit, die ihrem Anteil an der Gesamtexposition entspricht. Er wird nur ausgegeben, wenn die hypothetische Differenz 0 ist, und ist bei kleinen Anzahlen vorzuziehen. Die Normalapproximation verwendet eine z-Statistik mit getrenntem oder gepooltem Standardfehler.

Welche Voraussetzungen hat der Poisson-Ratentest für zwei Stichproben?

Sowohl die exakte Methode als auch die Normalapproximation setzen voraus, dass Ereignisse innerhalb jeder Gruppe unabhängig mit konstanter Rate auftreten. Die Rate jeder Stichprobe ist die Gesamtzahl ihrer Ereignisse geteilt durch ihre Exposition, also die Anzahl der Einheiten mal die Beobachtungslänge; die beiden Stichproben können daher unterschiedliche Beobachtungslängen haben, etwa 8-Stunden- und 12-Stunden-Schichten.

Wie interpretieren Sie die Ergebnisse des Poisson-Ratentests für zwei Stichproben?

Die Ausgabe enthält die Rate jeder Stichprobe, die geschätzte Differenz (Stichprobe 1 minus Stichprobe 2) mit ihrem Konfidenzintervall und p-Werte für die exakte Methode und die Normalapproximation. Schließt das Konfidenzintervall für die Differenz 0 aus und ist der p-Wert klein, unterscheiden sich die beiden Ereignisraten.