1つの分散の検出力とサンプルサイズ(Power and Sample Size for 1 Variance)

工程のばらつきを目標値または過去の値と比較する1 Variance検定を計画します。サンプルサイズ、比(真の標準偏差を仮説の標準偏差で割った値)、検出力のうち任意の2つを入力すると、ツールが厳密なカイ二乗の計算で残りの1つを求めます。データが正規分布に従うことを仮定しており、非正規性の影響を受けやすい手法です。実際の検出力を含む結果の表と、検出力曲線を出力します。

最終レビュー

重要なポイント

1つの分散の検出力とサンプルサイズは、工程の標準偏差を目標値と比較するカイ二乗検定を計画し、サンプルサイズ、検出力、または真の標準偏差と仮説の標準偏差の検出可能な比を求めます。

このページの内容
  1. 目的
  2. 主な機能
  3. 統計手法
  4. 入力項目とオプション
  5. 出力の説明
  6. 計算例

目的

1つの分散の検出力とサンプルサイズは、工程の標準偏差(または分散)を目標値または過去の値と比較する検定を計画します。ばらつきの特定の増加または減少を検出するのに何個の測定値が必要か、計画したサンプルでどの程度の検出力が得られるか、あるいは与えられたサンプルで検出できるばらつきの最小の変化はどれくらいかに答えます。変化は、真の標準偏差と仮説の標準偏差の比として入力するため、標準偏差そのものを入力する必要はありません。サンプルサイズ、比、検出力のうち任意の2つを入力すると、ツールが残りの1つを求めます。1 Variance検定の前に、たとえば工程の変更によってばらつきが悪化していないことを確認するために使用します。

主な機能

  • サンプルサイズ、検出力、または比を求めます。求めたいものを空白にします。
  • 複数の値を一度に入力できます。たとえば、比「1.25 1.5 2」と検出力の値「0.8 0.9」を入力すると、組み合わせごとに1行が得られます。
  • 選択した信頼水準での、両側(Ratio ≠ hypothesized ratio)または片側(より小さい、より大きい)の対立仮説。
  • 正規近似を用いない、厳密なカイ二乗の計算。
  • 比ごとの、サンプルサイズに対する検出力の検出力曲線。求めた点に印が付きます。

統計手法

計算の基礎となる検定は、1つの分散に対するカイ二乗検定です。正規母集団からn個の測定値を得たとき、真の標準偏差が仮説の値σ₀に等しい場合、(n − 1)·S²/σ₀² は自由度n − 1のカイ二乗分布に従います。真の標準偏差がσ = r·σ₀ の場合、同じ統計量はカイ二乗変数のr²倍になるため、重要なのは比rだけです。有意水準はα = 1 − 信頼水準 / 100 です。

「より大きい」対立仮説の場合、検出力 = P(χ²ₙ₋₁ > c₁₋α / r²) で、c₁₋αはカイ二乗の上側臨界値です。「より小さい」の場合、検出力 = P(χ²ₙ₋₁ < c_α / r²) です。両側検定では両側の裾を考慮し、c_α/2とc₁₋α/2を使用します。目標の検出力に対するサンプルサイズは数値的に求めて切り上げられ、その整数での検出力が実際の検出力として報告されます。比を求める場合、ツールは「より小さい」対立仮説では1未満、それ以外では1より大きい範囲を探索します。

カイ二乗検定はデータが正規分布に従うことを仮定しており、正規性からの逸脱の影響を受けやすいため、検定を実行する際はデータの形状を確認してください。ばらつきの変化を検出するには、多くの人が予想するよりも多くのデータが必要です。1.25のような小さな比には、大きなサンプルが必要です。

入力項目とオプション

項目

説明

Sample sizes

スペースまたはカンマ区切り。例:「10 20 30」。サンプルサイズを求める場合は空白にします。

Ratio(s)

スペースまたはカンマ区切り。例:「1.5 2」。検出したい、真の標準偏差と仮説の標準偏差の比です。比を求める場合は空白にします。

Power values

スペースまたはカンマ区切り。例:「0.8 0.9」。検出力を求める場合は空白にします。

Confidence level

デフォルトは95(α = 0.05)。75〜100。

Alternative hypothesis

Ratio ≠ hypothesized ratio(デフォルト)、Ratio < hypothesized ratio、またはRatio > hypothesized ratio。

Power curve

デフォルトでオン:サンプルサイズに対する検出力を描画します。

Title

出力と検出力曲線に表示されるタイトルです。

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


図1 — サンプルサイズを求める場合:Ratio(s) = 1.5、Power values = 0.8 0.9、片側(Ratio > hypothesized ratio)、信頼水準95%。

出力の説明

  • Settings — 何を求めたか、信頼水準、対立仮説。
  • Results — 組み合わせごとに1行:比、サンプルサイズ。サンプルサイズを求める場合は目標と実際の検出力、検出力を求める場合は検出力、比を求める場合は比。
  • Power Curve — 比ごとの、サンプルサイズに対する検出力。計算された点に印が付きます。
  • Downloadによる、PDFエクスポート。

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


図2 — 例の結果:標準偏差の50%の増加を検出するのに、検出力80%では錠剤19個、検出力90%では27個が必要。

計算例

ある錠剤打錠機の、長期的な重量の標準偏差は2 mgです。新しい杵のセットを取り付けた後、品質チームはばらつきが大きくなっていないことを確認したいと考えており、3 mgへの増加(比1.5)は問題になります。増加だけが問題となるため、Ratio > hypothesized ratioを選択します。Sample sizesは空白のままにし、信頼水準95%で、Ratio(s) = 1.5、Power values = 0.8 0.9を入力します。

ツールは、検出力80%に錠剤19個(実際の検出力0.802)、検出力90%に27個(実際の検出力0.900)が必要であると求めます。10個の錠剤での簡易チェックでは、検出力はわずか0.583です。変化の大きさは非常に重要です。比1.25(2.5 mg)を検出力80%で検出するには61個の錠剤が必要ですが、標準偏差が2倍になる場合は8個で済みます。比1.5の両側検定では、検出力80%に24個の錠剤が必要です。

よくある質問

なぜばらつきの変化を比として入力するのですか?

1つの分散に対するカイ二乗検定では、(n − 1)にSの2乗を掛け、仮説の分散で割った値を使用します。真の標準偏差が仮説の標準偏差のr倍の場合、この統計量はカイ二乗変数のrの2乗倍になるため、重要なのは比rだけです。そのため、標準偏差そのものではなく、真の標準偏差と仮説の標準偏差の比を入力します。

標準偏差の変化を検出するには、いくつのサンプルが必要ですか?

ばらつきの変化を検出するには、多くの人が予想するよりも多くのデータが必要です。計算例では、信頼水準95%の片側検定で標準偏差の50%の増加(比1.5)を検出するのに、検出力80%では19個、90%では27個が必要です。比1.25では検出力80%に61個が必要ですが、2倍になる場合は8個で済みます。

1 variance検出力計算の前提条件は何ですか?

1つの分散に対するカイ二乗検定は正規性に依存し、その逸脱の影響を受けやすいため、測定値が正規母集団から得られることを仮定しています。検定を実行する際は、データの形状を確認してください。計算自体は、正規近似ではなくカイ二乗分布を用いた厳密なものです。

1 variance検定は片側にすべきですか、両側にすべきですか?

工程の変更によって変動が悪化していないことを確認する場合のように、ばらつきの増加だけ、または減少だけが問題となる場合は、片側の対立仮説を選択します。両側検定にはより多くの測定値が必要です。計算例では、比1.5で検出力80%を得るのに、片側では19個、両側では24個が必要です。