Poder e tamanho amostral para taxa de Poisson de uma amostra

Planeja um teste de taxa de Poisson de uma amostra antes da coleta dos dados. Informe duas entre tamanho amostral, taxa de comparação e poder, além da taxa hipotética e da duração da observação por unidade; a ferramenta resolve a terceira. Usa uma aproximação normal da Poisson e pressupõe uma taxa constante por unidade. Fornece uma tabela de resultados com o poder real e uma curva de poder.

Última revisão

Conclusão principal

Poder e tamanho amostral para taxa de Poisson de uma amostra planeja um teste de uma taxa de contagem, como defeitos por metro quadrado, contra uma meta, resolvendo o tamanho amostral, o poder ou a taxa de comparação detectável.

Nesta página
  1. Finalidade
  2. Principais recursos
  3. Métodos estatísticos
  4. Campos de entrada e opções
  5. Descrição da saída
  6. Exemplo prático

Finalidade

Poder e tamanho amostral para taxa de Poisson de uma amostra planeja um teste de uma taxa de contagem, como defeitos por metro quadrado, paradas por mês ou erros por lote, contra uma taxa-alvo ou histórica. Informe duas entre tamanho amostral, taxa de comparação e poder, e a ferramenta resolve a terceira: quantas unidades observar, que chance uma amostra planejada dá de detectar a mudança na taxa, ou a menor mudança que uma amostra dada consegue detectar. Use-a antes de um teste de taxa de Poisson de uma amostra.

Principais recursos

  • Resolve o tamanho amostral, o poder ou a taxa de comparação: deixe em branco o que você quer obter.
  • Vários valores de uma vez, ex.: taxas de comparação “1 1.2” e valores de poder “0.8 0.9”, geram uma linha para cada combinação.
  • Duração da observação por unidade, de modo que a mesma taxa possa ser estudada com unidades maiores ou menores (por exemplo, chapas de 1 m² ou 2 m²).
  • Hipóteses alternativas bilaterais (Rate ≠ hypothesized rate) ou unilaterais (menor que, maior que), no nível de confiança que você escolher.
  • Curva de poder em função do tamanho amostral para cada taxa de comparação, com os pontos resolvidos marcados.

Métodos estatísticos

A ferramenta usa uma aproximação normal da distribuição de Poisson. Pressupõe-se que as contagens seguem uma distribuição de Poisson com taxa constante por unidade de observação, de modo que a variância de uma contagem é igual à sua média. Com n unidades, cada uma observada por uma duração t, a exposição total é n·t. O nível de significância é α = 1 − nível de confiança / 100, e z é z₁₋α/₂ para a hipótese alternativa bilateral ou z₁₋α para uma unilateral.

Para a taxa hipotética λ₀ e a taxa de comparação λ₁, seja Δ = λ₁ − λ₀ para a alternativa “maior que”, Δ = λ₀ − λ₁ para “menor que” e Δ = |λ₁ − λ₀| para a alternativa bilateral. O poder é Φ((Δ·√(n·t) − z·√λ₀) / √λ₁). A exposição necessária para um poder-alvo é ((z·√λ₀ + z_β·√λ₁) / Δ)², com z_β o quantil normal do poder; dividir por t e arredondar para cima dá o número de unidades, e o poder nesse número inteiro é informado como o poder real. Ao resolver a taxa de comparação, a ferramenta procura abaixo de λ₀ para a alternativa “menor que” e acima de λ₀ nos demais casos.

Um teste unilateral só tem poder quando a taxa de comparação está do lado que a alternativa indica: com Rate < hypothesized rate, uma taxa de comparação acima de λ₀ dá um poder próximo de 0, e resolver o tamanho amostral a partir dela retorna uma mensagem de erro. O que importa é a exposição total: dobrar a duração da observação por unidade reduz aproximadamente à metade o número de unidades necessárias. As taxas devem estar na mesma unidade da duração da observação (por exemplo, defeitos por m² com durações em m²).

Campos de entrada e opções

Campo

Descrição

Sample sizes

Número de unidades observadas. Separadas por espaço ou vírgula, ex.: “20 30 40”. Deixe em branco para resolver o tamanho amostral.

Hypothesized rate

Obrigatório. A taxa-alvo ou histórica λ₀ por unidade de duração da observação.

Comparison rate(s)

Separadas por espaço ou vírgula, ex.: “1.5 2”. A(s) taxa(s) em relação à(s) qual(is) você quer detectar uma diferença. Deixe em branco para resolvê-la.

Power values

Separados por espaço ou vírgula, ex.: “0.8 0.9”. Deixe em branco para resolver o poder.

Length of observation

Padrão 1. Duração da observação (tempo, espaço, área ou volume) por unidade amostrada.

Confidence level

Padrão 95 (α = 0.05); de 75 a 100.

Alternative hypothesis

Rate ≠ hypothesized rate (padrão), Rate < hypothesized rate ou Rate > hypothesized rate.

Power curve

Marcada por padrão: traça o poder em função do tamanho amostral.

Title

Título exibido na saída e na curva de poder.

power-and-sample-size-1-sample-poisson-rate-inputs


Figura 1 — Resolvendo o tamanho amostral: Hypothesized rate = 1.5, Comparison rate(s) = 1, Power values = 0.8 0.9, Length of observation = 1, unilateral (Rate < hypothesized rate) com 95% de confiança.

Descrição da saída

  • Settings — o que foi resolvido, a taxa hipotética, a duração da observação, o nível de confiança e a hipótese alternativa.
  • Results — uma linha por combinação: taxa de comparação, tamanho amostral e poder-alvo e real ao resolver o tamanho amostral, ou poder ao resolver o poder, ou taxa de comparação ao resolvê-la.
  • Power Curve — poder em função do tamanho amostral para cada taxa de comparação, com os pontos calculados marcados.
  • Exportação em PDF por meio de Download.

power-and-sample-size-1-sample-poisson-rate-output


Figura 2 — Resultados do exemplo: 33 chapas para 80% de poder e 44 para 90% de poder para detectar uma queda de 1.5 para 1.0 defeito por m².

Exemplo prático

Uma linha de revestimento tem em média 1.5 defeito de superfície por metro quadrado de chapa. Espera-se que um novo primer reduza isso para 1.0 defeito por m², e o engenheiro da qualidade quer saber quantas chapas de teste de 1 m² inspecionar para demonstrar a redução. Só interessa uma diminuição; por isso, o engenheiro escolhe Rate < hypothesized rate. Ele deixa Sample sizes em branco e informa Hypothesized rate = 1.5, Comparison rate(s) = 1, Power values = 0.8 0.9 e Length of observation = 1, com 95% de confiança.

A ferramenta exige 33 chapas para 80% de poder (poder real 0.804) e 44 chapas para 90% de poder (poder real 0.904). Se apenas 20 chapas forem inspecionadas, o poder cai para 0.588. Inspecionar chapas maiores, de 2 m² (Length of observation = 2), reduz a contagem para 17 chapas para 80% de poder e 22 para 90%, porque a área total inspecionada é o que determina o poder. Um teste bilateral, que também sinalizaria um aumento, exige 43 chapas de 1 m² para 80% de poder.

Perguntas frequentes

Quais são as premissas do poder e do tamanho amostral para uma taxa de Poisson de uma amostra?

Pressupõe-se que as contagens seguem uma distribuição de Poisson com taxa constante por unidade de observação, de modo que a variância de uma contagem é igual à sua média. O cálculo usa uma aproximação normal da distribuição de Poisson. As taxas devem estar na mesma unidade da duração da observação, por exemplo defeitos por metro quadrado com durações em metros quadrados.

Como a duração da observação afeta o tamanho amostral?

O poder depende da exposição total, que é o número de unidades multiplicado pela duração da observação por unidade. Dobrar a duração por unidade reduz aproximadamente à metade o número de unidades necessárias. Em um exemplo prático, detectar uma queda de 1.5 para 1.0 defeito por metro quadrado exige 33 chapas de 1 metro quadrado para 80% de poder, mas apenas 17 chapas de 2 metros quadrados.

Quantas unidades são necessárias para detectar uma mudança em uma taxa de defeitos?

Em um exemplo prático com taxa hipotética de 1.5 defeito por metro quadrado e taxa de comparação de 1.0, um teste unilateral com 95% de confiança exige 33 chapas para 80% de poder e 44 para 90% de poder. Inspecionar apenas 20 chapas dá um poder de 0.588, e um teste bilateral exige 43 chapas para 80% de poder.

O que acontece se a taxa de comparação estiver do lado errado em um teste unilateral?

Um teste unilateral só tem poder quando a taxa de comparação está do lado que a alternativa indica. Com Rate < hypothesized rate, uma taxa de comparação acima da taxa hipotética dá um poder próximo de 0, e resolver o tamanho amostral a partir dela retorna uma mensagem de erro. Use a alternativa bilateral se uma mudança em qualquer direção for importante.