Onderscheidend vermogen en steekproefomvang voor 1-steekproef-Poisson-frequentie
Plant een 1-Sample Poisson Rate-toets voordat gegevens worden verzameld. Voer twee van steekproefomvang, vergelijkingsfrequentie en onderscheidend vermogen in, plus de hypothetische frequentie en de observatielengte per eenheid; de tool berekent de derde. Zij gebruikt een normale benadering van de Poisson-verdeling en veronderstelt een constante frequentie per eenheid. De uitvoer bevat een resultatentabel met het werkelijke onderscheidend vermogen en een vermogenscurve.
Laatst beoordeeld
Belangrijkste conclusie
Power and Sample Size for 1-Sample Poisson Rate plant een toets van een telfrequentie, zoals defecten per m², tegen een target door steekproefomvang, onderscheidend vermogen of detecteerbare vergelijkingsfrequentie te berekenen.
Op deze pagina
Doel
Power and Sample Size for 1-Sample Poisson Rate plant een toets van een telfrequentie, zoals defecten per vierkante meter, storingen per maand of fouten per batch, tegen een target of historische frequentie. Voer twee van steekproefomvang, vergelijkingsfrequentie en onderscheidend vermogen in, en de tool berekent de derde: hoeveel eenheden u moet observeren, hoe groot de kans is dat een geplande steekproef de verandering in frequentie detecteert, of de kleinste verandering die een gegeven steekproef kan detecteren. Gebruik haar vóór een 1-Sample Poisson Rate-toets.
Belangrijkste mogelijkheden
- Berekent steekproefomvang, onderscheidend vermogen of vergelijkingsfrequentie: laat degene leeg die u wilt berekenen.
- Meerdere waarden tegelijk, bijv. vergelijkingsfrequenties “1 1.2” en vermogenswaarden “0.8 0.9”, geven één rij voor elke combinatie.
- Observatielengte per eenheid, zodat dezelfde frequentie met grotere of kleinere eenheden kan worden onderzocht (bijvoorbeeld platen van 1 m² of 2 m²).
- Tweezijdige (Rate ≠ hypothesized rate) of eenzijdige (kleiner dan, groter dan) alternatieven, op het betrouwbaarheidsniveau dat u kiest.
- Vermogenscurve van het onderscheidend vermogen tegen de steekproefomvang voor elke vergelijkingsfrequentie, met de berekende punten gemarkeerd.
Statistische methoden
De tool gebruikt een normale benadering van de Poisson-verdeling. Aantallen worden verondersteld een Poisson-verdeling te volgen met een constante frequentie per observatie-eenheid, zodat de variantie van een aantal gelijk is aan zijn gemiddelde. Met n eenheden die elk over lengte t worden geobserveerd, is de totale blootstelling n·t. Het significantieniveau is α = 1 − betrouwbaarheidsniveau / 100, en z is z₁₋α/₂ voor het tweezijdige alternatief of z₁₋α voor een eenzijdig alternatief.
Voor hypothetische frequentie λ₀ en vergelijkingsfrequentie λ₁ stellen we Δ = λ₁ − λ₀ voor het alternatief “groter dan”, Δ = λ₀ − λ₁ voor “kleiner dan” en Δ = |λ₁ − λ₀| voor het tweezijdige alternatief. Het onderscheidend vermogen is Φ((Δ·√(n·t) − z·√λ₀) / √λ₁). De blootstelling die nodig is voor een beoogd onderscheidend vermogen is ((z·√λ₀ + z_β·√λ₁) / Δ)², met z_β het normale kwantiel van het onderscheidend vermogen; delen door t en naar boven afronden geeft het aantal eenheden, en het onderscheidend vermogen bij dat gehele getal wordt gerapporteerd als het werkelijke onderscheidend vermogen. Bij het berekenen van de vergelijkingsfrequentie zoekt de tool onder λ₀ voor het alternatief “kleiner dan” en anders boven λ₀.
Een eenzijdige toets heeft alleen onderscheidend vermogen wanneer de vergelijkingsfrequentie aan de kant ligt die het alternatief noemt: bij Rate < hypothesized rate geeft een vergelijkingsfrequentie boven λ₀ een onderscheidend vermogen dicht bij 0, en het berekenen van de steekproefomvang daaruit geeft een foutmelding. Waar het om gaat is de totale blootstelling: de observatielengte per eenheid verdubbelen halveert ongeveer het benodigde aantal eenheden. Frequenties moeten in dezelfde eenheid staan als de observatielengte (bijvoorbeeld defecten per m² met lengtes in m²).
Invoervelden en opties
Veld | Beschrijving |
Sample sizes | Aantal geobserveerde eenheden. Gescheiden door spaties of komma's, bijv. “20 30 40”. Laat leeg om de steekproefomvang te berekenen. |
Hypothesized rate | Verplicht. De target- of historische frequentie λ₀ per eenheid observatielengte. |
Comparison rate(s) | Gescheiden door spaties of komma's, bijv. “1.5 2”. De frequentie(s) waarvan u een verschil wilt detecteren. Laat leeg om deze te berekenen. |
Power values | Gescheiden door spaties of komma's, bijv. “0.8 0.9”. Laat leeg om het onderscheidend vermogen te berekenen. |
Length of observation | Standaard 1. Observatielengte (tijd, ruimte, oppervlak of volume) per bemonsterde eenheid. |
Confidence level | Standaard 95 (α = 0.05); 75 tot 100. |
Alternative hypothesis | Rate ≠ hypothesized rate (standaard), Rate < hypothesized rate of Rate > hypothesized rate. |
Power curve | Standaard aangevinkt: tekent het onderscheidend vermogen tegen de steekproefomvang. |
Title | Titel die in de uitvoer en de vermogenscurve wordt getoond. |

Figuur 1 — Berekening van de steekproefomvang: Hypothesized rate = 1.5, Comparison rate(s) = 1, Power values = 0.8 0.9, Length of observation = 1, eenzijdig (Rate < hypothesized rate) bij 95% betrouwbaarheid.
Beschrijving van de uitvoer
- Settings — wat is berekend, de hypothetische frequentie, de observatielengte, het betrouwbaarheidsniveau en de alternatieve hypothese.
- Results — één rij per combinatie: vergelijkingsfrequentie, steekproefomvang, en beoogd en werkelijk onderscheidend vermogen bij het berekenen van de steekproefomvang, of het onderscheidend vermogen bij het berekenen daarvan, of de vergelijkingsfrequentie bij het berekenen daarvan.
- Power Curve — onderscheidend vermogen tegen steekproefomvang voor elke vergelijkingsfrequentie, met de berekende punten gemarkeerd.
- PDF-export via Download.

Figuur 2 — Resultaten voor het voorbeeld: 33 platen voor 80% onderscheidend vermogen en 44 voor 90% om een daling van 1.5 naar 1.0 defecten per m² te detecteren.
Uitgewerkt voorbeeld
Een coatinglijn heeft gemiddeld 1.5 oppervlaktedefecten per vierkante meter plaat. Een nieuwe primer moet dit verlagen tot 1.0 defect per m², en de kwaliteitsingenieur wil weten hoeveel testplaten van 1 m² moeten worden gekeurd om de verlaging aan te tonen. Alleen een daling is van belang, dus de ingenieur kiest Rate < hypothesized rate. De ingenieur laat Sample sizes leeg en voert Hypothesized rate = 1.5, Comparison rate(s) = 1, Power values = 0.8 0.9 en Length of observation = 1 in, bij 95% betrouwbaarheid.
De tool heeft 33 platen nodig voor 80% onderscheidend vermogen (werkelijk onderscheidend vermogen 0.804) en 44 platen voor 90% (werkelijk onderscheidend vermogen 0.904). Als slechts 20 platen worden gekeurd, daalt het onderscheidend vermogen tot 0.588. Het keuren van grotere platen van 2 m² (Length of observation = 2) brengt het aantal terug tot 17 platen voor 80% onderscheidend vermogen en 22 voor 90%, omdat de totale gekeurde oppervlakte het onderscheidend vermogen bepaalt. Een tweezijdige toets, die ook een toename zou signaleren, heeft 43 platen van 1 m² nodig voor 80% onderscheidend vermogen.
Veelgestelde vragen
Wat zijn de aannames van onderscheidend vermogen en steekproefomvang voor een 1-steekproef-Poisson-frequentie?
Aantallen worden verondersteld een Poisson-verdeling te volgen met een constante frequentie per observatie-eenheid, zodat de variantie van een aantal gelijk is aan zijn gemiddelde. De berekening gebruikt een normale benadering van de Poisson-verdeling. Frequenties moeten in dezelfde eenheid staan als de observatielengte, bijvoorbeeld defecten per vierkante meter met lengtes in vierkante meters.
Hoe beïnvloedt de observatielengte de steekproefomvang?
Het onderscheidend vermogen hangt af van de totale blootstelling, dat is het aantal eenheden vermenigvuldigd met de observatielengte per eenheid. De lengte per eenheid verdubbelen halveert ongeveer het benodigde aantal eenheden. In een uitgewerkt voorbeeld zijn voor het detecteren van een daling van 1.5 naar 1.0 defecten per vierkante meter 33 platen van 1 vierkante meter nodig voor 80% onderscheidend vermogen, maar slechts 17 platen van 2 vierkante meter.
Hoeveel eenheden zijn nodig om een verandering in een defectfrequentie te detecteren?
In een uitgewerkt voorbeeld met een hypothetische frequentie van 1.5 defecten per vierkante meter en een vergelijkingsfrequentie van 1.0 heeft een eenzijdige toets bij 95% betrouwbaarheid 33 platen nodig voor 80% onderscheidend vermogen en 44 voor 90%. Het keuren van slechts 20 platen geeft een onderscheidend vermogen van 0.588, en een tweezijdige toets heeft 43 platen nodig voor 80% onderscheidend vermogen.
Wat gebeurt er als de vergelijkingsfrequentie bij een eenzijdige toets aan de verkeerde kant ligt?
Een eenzijdige toets heeft alleen onderscheidend vermogen wanneer de vergelijkingsfrequentie aan de kant ligt die het alternatief noemt. Bij Rate < hypothesized rate geeft een vergelijkingsfrequentie boven de hypothetische frequentie een onderscheidend vermogen dicht bij 0, en het berekenen van de steekproefomvang daaruit geeft een foutmelding. Gebruik het tweezijdige alternatief als een verandering in beide richtingen van belang is.
