單比率檢定的檢定力與樣本數

在收集資料之前規劃單比率檢定。輸入樣本數、備擇比率和檢定力中的任意兩項,再加上假設比率,工具即可求解第三項。它使用二項分配的常態近似,因此接近 0 或 1 的比率的結果僅供參考。支援雙側和單側對立假設,輸出含實際檢定力的結果表和檢定力曲線。

最後審閱

核心要點

單比率檢定的檢定力與樣本數用於規劃單一比率(如不合格率)的檢定,由另外兩項求解樣本數、檢定的檢定力或可檢出的備擇比率。

本頁內容
  1. 用途
  2. 主要功能
  3. 統計方法
  4. 輸入欄位和選項
  5. 輸出說明
  6. 計算範例

用途

單比率檢定的檢定力與樣本數在收集資料之前規劃單一比率的檢定,例如製程的不合格率、一次透過合格率的佔比或延遲交付的比率,並與目標值或歷史值比較。輸入樣本數、備擇比率和檢定力中的任意兩項,工具即可求解第三項:需要檢驗多少件,計畫的樣本有多大把握檢出變化,或給定的樣本所能檢出的最小變化。在進行單比率檢定之前使用。

主要功能

  • 求解樣本數、檢定力或備擇比率:將您想求解的一項留空。
  • 可同時輸入多個值,例如備擇比率「0.02 0.03」和檢定力值「0.8 0.9」,每種組合給出一列。
  • 雙側(Proportion ≠ hypothesized proportion)或單側(小於、大於)對立假設,信賴水準由您選擇。
  • 求解樣本數時,報告取整後的件數及其對應的實際檢定力。
  • 針對每個備擇比率繪製檢定力對樣本數的檢定力曲線,並標出求解得到的點。

統計方法

該工具使用二項分配的常態近似(不提供精確二項方法)。顯著水準 α = 1 − 信賴水準 / 100。設 p₀ 為假設比率,p₁ 為備擇比率,z 為臨界值:雙側對立假設為 z₁₋α/₂,單側為 z₁₋α。

對於「大於」對立假設,令 Δ = p₁ − p₀;對於「小於」,Δ = p₀ − p₁;對於雙側對立假設,Δ = |p₁ − p₀|。樣本數為 n 時的檢定力為 Φ((Δ·√n − z·√(p₀(1 − p₀))) / √(p₁(1 − p₁))),其中 Φ 為標準常態分配函數。目標檢定力對應的樣本數為 n = ((z·√(p₀(1 − p₀)) + z_β·√(p₁(1 − p₁))) / Δ)²,其中 z_β 為目標檢定力的常態分位數;n 向上取整為下一個整數,並將該 n 對應的檢定力報告為實際檢定力。求解備擇比率時,對於「小於」對立假設,工具在 p₀ 以下搜尋,否則在 p₀ 以上搜尋(因此雙側執行報告的是 p₀ 以上的值)。

單尾檢定只有在備擇比率位於對立假設所指的一側時才有檢定力:當選擇 Proportion < hypothesized proportion 時,高於 p₀ 的備擇比率給出接近 0 的檢定力,據此求解樣本數會返回錯誤資訊。接近 0 或 1 的比率會使常態近似的準確性降低;對於非常小的缺陷率,答案僅供參考。檢定力隨樣本數和差距的增大而升高,隨信賴水準的提高而降低。

輸入欄位和選項

欄位

說明

Sample sizes

件數。以空格或逗號分隔,例如「50 100 150」。留空則求解樣本數。

Hypothesized proportion

必填。目標比率、聲稱比率或歷史比率 p₀,介於 0 和 1 之間。

Alternative proportion(s)

以空格或逗號分隔,例如「0.5 0.6」。您想檢出的比率。留空則求解該比率。

Power values

以空格或逗號分隔,例如「0.8 0.9」。留空則求解檢定力。

Confidence level

預設為 95(α = 0.05);範圍 75 至 100。

Alternative hypothesis

Proportion ≠ hypothesized proportion(預設)、Proportion < hypothesized proportion 或 Proportion > hypothesized proportion。

Power curve

預設勾選:繪製檢定力對樣本數的曲線。

Title

顯示在輸出和檢定力曲線上的標題。

power-and-sample-size-1-proportion-inputs


圖 1 — 求解樣本數:Hypothesized proportion = 0.05,Alternative proportion(s) = 0.03,Power values = 0.8 0.9,單側(Proportion < hypothesized proportion),信賴水準 95%。

輸出說明

  • Settings —— 求解的物件、假設比率、信賴水準和對立假設。
  • Results —— 每種組合一列:備擇比率、樣本數,以及求解樣本數時的目標檢定力和實際檢定力,求解檢定力時的檢定力,或求解備擇比率時的備擇比率。
  • Power Curve —— 針對每個備擇比率繪製檢定力對樣本數的曲線,並標出計算得到的點。
  • 透過 Download 匯出 PDF。

power-and-sample-size-1-proportion-output


圖 2 — 範例的結果:要檢出不合格率從 5% 降至 3%,80% 檢定力需要 631 個零件,90% 檢定力需要 833 個。

計算範例

某射出成形單元過去一年的不合格率一直為 5%。預計一項製程變更會將其降至 3%,團隊希望試執行的規模足夠大,以便用單比率檢定證明這一下降。只有下降才有意義,因此他們選擇單側對立假設 Proportion < hypothesized proportion。他們將 Sample sizes 留空,輸入 Hypothesized proportion = 0.05,Alternative proportion(s) = 0.03,Power values = 0.8 0.9,信賴水準為 95%。

工具顯示,80% 檢定力需要 631 個零件(實際檢定力 0.801),90% 檢定力需要 833 個零件(實際檢定力 0.900)。缺陷率小需要大樣本:若試驗只有 300 個零件,檢定力為 0.472,因此試驗約有一半的機率會漏檢降至 3% 的真實下降。在 300 個零件和 80% 檢定力下,該檢定能可靠顯示的最小下降是降至約 2.2%(備擇比率 0.0222)。雙尾檢定在 80% 檢定力下需要 815 個零件,而更大的預期改善(降至 2%)在單尾檢定下,80% 檢定力只需 253 個零件。

常見問題

單比率檢定的樣本數如何計算?

該工具使用二項分配的常態近似:n = ((z 乘以 p0(1 - p0) 的平方根 + z_beta 乘以 p1(1 - p1) 的平方根) / delta) 的平方,其中 p0 為假設比率,p1 為備擇比率,delta 為二者之差。結果向上取整為整數,並將該樣本數對應的檢定力報告為實際檢定力。

為什麼缺陷率小需要大樣本?

要檢出低比率的微小變化,需要檢驗很多件。在計算範例中,用信賴水準 95% 的單尾檢定證明不合格率從 5% 降至 3%,80% 檢定力需要 631 個零件,90% 檢定力需要 833 個零件。只有 300 個零件的試驗檢定力為 0.472,因此約有一半的機率會漏檢真實的下降。

單比率檢定應使用單側還是雙側對立假設?

單尾檢定需要的件數較少,但只有在備擇比率位於對立假設所指的一側時才有檢定力;在錯誤的一側檢定力接近 0,據此求解樣本數會返回錯誤。在 5% 降至 3% 的範例中,單尾檢定在 80% 檢定力下需要 631 個零件,而雙尾檢定需要 815 個。

如何在 Zometric Statistical Software 中執行單比率檢定的檢定力與樣本數?

將您想求解的量留空:樣本數、備擇比率或檢定力。輸入假設比率和另外兩個值,選擇信賴水準和對立假設,然後計算。可同時輸入多個值,每種組合給出一列結果,並且預設繪製檢定力對樣本數的檢定力曲線。