單樣本卜瓦松率的檢定力和樣本數
在收集資料之前規劃單樣本卜瓦松率檢定。輸入樣本數、比較率和檢定力中的任意兩項,以及假設率和每單位的觀察長度,工具即求解第三項。它採用卜瓦松分配的常態近似,並假定每單位的發生率恆定。輸出帶實際檢定力的結果表和檢定力曲線。
最後審閱
核心要點
單樣本卜瓦松率的檢定力和樣本數用於規劃針對目標值檢定計數率(如每平方米缺陷數)的試驗,可求解樣本數、檢定力或可檢測的比較率。
用途
單樣本卜瓦松率的檢定力和樣本數用於規劃針對目標率或歷史率檢定計數率(如每平方米缺陷數、每月故障次數或每批錯誤數)的試驗。輸入樣本數、比較率和檢定力中的任意兩項,工具即求解第三項:應觀察多少個單位、計畫樣本檢測到比率變化的機率有多大,或給定樣本能檢測到的最小變化。在進行單樣本卜瓦松率檢定之前使用。
主要功能
- 求解樣本數、檢定力或比較率:將您想求解的一項留空。
- 可一次輸入多個值,例如比較率「1 1.2」和檢定力值「0.8 0.9」,每種組合給出一列。
- 每單位的觀察長度,因此同一比率可以用更大或更小的單位來研究(例如 1 m² 或 2 m² 的板材)。
- 雙側(Rate ≠ hypothesized rate)或單側(小於、大於)對立假設,信賴水準由您選擇。
- 針對每個比較率繪製檢定力隨樣本數變化的檢定力曲線,並標出求解得到的點。
統計方法
工具採用卜瓦松分配的常態近似。假定計數服從每觀察單位發生率恆定的卜瓦松分配,因此計數的變異數等於其平均值。設有 n 個單位,每個觀察長度為 t,則總暴露量為 n·t。顯著水準為 α = 1 − 信賴水準 / 100,z 對於雙側對立假設為 z₁₋α/₂,對於單側對立假設為 z₁₋α。
設假設率為 λ₀,比較率為 λ₁,對於「大於」對立假設,令 Δ = λ₁ − λ₀;對於「小於」,令 Δ = λ₀ − λ₁;對於雙側對立假設,令 Δ = |λ₁ − λ₀|。檢定力為 Φ((Δ·√(n·t) − z·√λ₀) / √λ₁)。達到目標檢定力所需的暴露量為 ((z·√λ₀ + z_β·√λ₁) / Δ)²,其中 z_β 為檢定力的常態分位數;除以 t 並向上取整,即得單位數,並將該整數處的檢定力報告為實際檢定力。求解比較率時,對於「小於」對立假設,工具在 λ₀ 以下搜尋,否則在 λ₀ 以上搜尋。
單尾檢定僅當比較率位於對立假設所指的一側時才有檢定力:在 Rate < hypothesized rate 時,高於 λ₀ 的比較率給出接近 0 的檢定力,據此求解樣本數會返回錯誤資訊。重要的是總暴露量:將每單位的觀察長度加倍,所需單位數大致減半。比率應與觀察長度使用相同的單位(例如每 m² 缺陷數,長度以 m² 計)。
輸入欄位和選項
欄位 | 說明 |
Sample sizes | 觀察的單位數。以空格或逗號分隔,例如「20 30 40」。留空則求解樣本數。 |
Hypothesized rate | 必填。每單位觀察長度的目標率或歷史率 λ₀。 |
Comparison rate(s) | 以空格或逗號分隔,例如「1.5 2」。您希望檢測與之存在差異的比率。留空則求解該項。 |
Power values | 以空格或逗號分隔,例如「0.8 0.9」。留空則求解檢定力。 |
Length of observation | 預設值 1。每個抽樣單位的觀察長度(時間、空間、面積或體積)。 |
Confidence level | 預設值 95(α = 0.05);75 至 100。 |
Alternative hypothesis | Rate ≠ hypothesized rate(預設)、Rate < hypothesized rate 或 Rate > hypothesized rate。 |
Power curve | 預設勾選:繪製檢定力隨樣本數變化的曲線。 |
Title | 輸出和檢定力曲線上顯示的標題。 |

圖 1 — 求解樣本數:Hypothesized rate = 1.5,Comparison rate(s) = 1,Power values = 0.8 0.9,Length of observation = 1,95% 信賴水準下的單尾檢定(Rate < hypothesized rate)。
輸出說明
- Settings — 求解的物件、假設率、觀察長度、信賴水準和對立假設。
- Results — 每種組合一列:比較率、樣本數;求解樣本數時給出目標檢定力和實際檢定力,求解檢定力時給出檢定力,求解比較率時給出比較率。
- Power Curve — 針對每個比較率繪製檢定力隨樣本數變化的曲線,並標出計算得到的點。
- 可透過 Download 匯出 PDF。

圖 2 — 範例的結果:要檢測缺陷數從每 m² 1.5 個降至 1.0 個,80% 檢定力需要 33 張板材,90% 檢定力需要 44 張。
計算範例
某塗層生產線平均每平方米板材有 1.5 個表面缺陷。預計一種新底漆可將其降至每 m² 1.0 個缺陷,品質工程師想知道需要檢驗多少張 1 m² 的試驗板材才能證明缺陷減少。只有下降才重要,因此工程師選擇 Rate < hypothesized rate。工程師將 Sample sizes 留空,輸入 Hypothesized rate = 1.5、Comparison rate(s) = 1、Power values = 0.8 0.9 和 Length of observation = 1,信賴水準為 95%。
工具得出:80% 檢定力需要 33 張板材(實際檢定力 0.804),90% 檢定力需要 44 張板材(實際檢定力 0.904)。若只檢驗 20 張板材,檢定力降至 0.588。檢驗更大的 2 m² 板材(Length of observation = 2)時,80% 檢定力所需數量減至 17 張,90% 檢定力減至 22 張,因為決定檢定力的是所檢驗的總面積。若採用雙尾檢定(也會標出增加的情形),80% 檢定力需要 43 張 1 m² 的板材。
常見問題
1 樣本卜瓦松率的檢定力和樣本數計算有哪些前提假設?
假定計數服從每觀察單位發生率恆定的卜瓦松分配,因此計數的變異數等於其平均值。計算採用卜瓦松分配的常態近似。比率必須與觀察長度使用相同的單位,例如每平方米缺陷數,長度以平方米計。
觀察長度如何影響樣本數?
檢定力取決於總暴露量,即單位數乘以每單位的觀察長度。將每單位的長度加倍,所需單位數大致減半。在計算範例中,要檢測缺陷數從每平方米 1.5 個降至 1.0 個,80% 檢定力需要 33 張 1 平方米的板材,而 2 平方米的板材只需 17 張。
檢測缺陷率的變化需要多少個單位?
在計算範例中,假設率為每平方米 1.5 個缺陷,比較率為 1.0,95% 信賴水準下的單尾檢定,80% 檢定力需要 33 張板材,90% 檢定力需要 44 張。若只檢驗 20 張板材,檢定力為 0.588;雙尾檢定的 80% 檢定力需要 43 張板材。
單尾檢定中比較率位於錯誤一側會怎樣?
單尾檢定僅當比較率位於對立假設所指的一側時才有檢定力。在 Rate < hypothesized rate 時,高於假設率的比較率給出接近 0 的檢定力,據此求解樣本數會返回錯誤資訊。若任一方向的變化都重要,請使用雙側對立假設。
