單樣本 t 檢定的檢定力與樣本數

用於規劃將一個平均值與目標值或標稱值比較的單樣本 t 檢定。輸入樣本數、差值和檢定力三者中的任意兩項,再加上假定的標準差,工具即可求解第三項。它假定資料服從常態分配且標準差由樣本估計,並根據非中心 t 分配計算檢定力。輸出包含實際檢定力的結果表和檢定力曲線。

最後審閱

核心要點

單樣本 t 檢定的檢定力與樣本數用於計算單樣本 t 檢定檢測相對於目標平均值的偏移需要多少個量測值、計畫樣本所具有的檢定力,或可檢測的最小偏移。

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

單樣本 t 檢定的檢定力與樣本數用於在收集資料之前,規劃將一個平均值與目標值或標稱值比較的檢定:需要多少個量測值才能檢測到有意義的偏移,計畫樣本檢測到該偏移的機率(檢定力)有多大,或給定樣本能檢測到的最小偏移。輸入樣本數、差值和檢定力三者中的任意兩項,工具即求解第三項。可在單樣本 t 檢定之前使用,例如檢查機器是否對中於標稱值,或材料是否滿足規定的平均值。

主要功能

  • 求解樣本數、檢定力或差值:將想求解的一項留空。
  • 一次輸入多個值,例如差值「0.01 0.02」和檢定力值「0.8 0.9」,每種組合給出一列。
  • 雙尾(Mean ≠ hypothesized mean)或單尾(Mean < hypothesized mean、Mean > hypothesized mean)對立假設,信賴水準可自行選擇。
  • 求解樣本數時,報告量測值的整數個數及其對應的實際檢定力。
  • 針對每個差值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

計算假定量測值來自常態總體,其標準差 σ 由樣本估計,與單樣本 t 檢定相同。顯著水準為 α = 1 − 信賴水準 / 100,標準化差值為 d = 差值 / σ,其中差值為真實平均值減去假設平均值。

檢定力是當真實平均值與假設平均值相差所輸入的差值時,t 檢定拒絕虛無假設的機率。它根據自由度為 n − 1、非中心參數為 δ = d·√n 的非中心 t 分配計算:對於雙尾檢定,檢定力 = P(T > t₁₋α/₂) + P(T < −t₁₋α/₂),其中 T 服從該非中心 t 分配;對於單尾檢定,僅計入對立假設一側的尾部。對於樣本數,先求出達到目標檢定力的 n,並向上取整到下一個整數,再將該 n 對應的檢定力報告為實際檢定力。對於差值,則求出在給定 n 下達到目標檢定力的最小差值。

檢定力隨樣本數和差值的增大而上升,隨 σ 增大或信賴水準提高而下降。單尾檢定在相同檢定力下所需的量測值更少,但只能檢測所述方向上的偏移:對於 Mean > hypothesized mean,負差值得到的檢定力接近 0,據此求解樣本數會返回錯誤資訊。對於雙尾檢定,只有差值的大小起作用。在 Mean < hypothesized mean 下求解差值會返回負的差值。

輸入欄位和選項

欄位

說明

Sample sizes

以空格或逗號分隔,例如「10 20 30」。留空則求解樣本數。

Differences

以空格或逗號分隔,例如「1 2 3」。希望檢測的與假設平均值的差值,以量測單位計。留空則求解差值。

Power values

以空格或逗號分隔,例如「0.8 0.9」。留空則求解檢定力。

Standard deviation

必填。總體的假定標準差或歷史標準差,例如來自以往資料或試執行。

Confidence level

預設為 95(α = 0.05);範圍 75 至 100。

Alternative hypothesis

Mean ≠ hypothesized mean(預設)、Mean < hypothesized mean 或 Mean > hypothesized mean。

Power curve

預設勾選:繪製檢定力隨樣本數變化的曲線。

Title

顯示在輸出和檢定力曲線上的標題。

power-and-sample-size-1-sample-t-inputs


圖 1 — 求解樣本數:Differences = 0.01,Power values = 0.8 0.9,Standard deviation = 0.02,95% 信賴水準下的雙尾檢定。

輸出說明

  • Settings——求解的物件、標準差、信賴水準和對立假設。
  • Results——每種組合一列:差值、樣本數,求解樣本數時還有目標檢定力和實際檢定力;求解檢定力時為檢定力;求解差值時為差值。
  • Power Curve——針對每個差值的檢定力隨樣本數變化的曲線,並標出計算得到的點。
  • 透過 Download 匯出 PDF。

power-and-sample-size-1-sample-t-output


圖 2 — 範例結果:要以 80% 的檢定力檢測偏離標稱值 0.01 mm 的偏移,需要 34 根軸;以 90% 的檢定力,需要 44 根。

計算範例

一個車削單元生產標稱直徑為 25.00 mm 的軸。換刀之後,主管想檢查製程是否仍然對中,任一方向 0.01 mm 的偏移都會產生影響。以往資料顯示直徑的標準差為 0.02 mm。主管將 Sample sizes 留空,輸入 Differences = 0.01、Power values = 0.8 0.9 和 Standard deviation = 0.02,並保持 95% 信賴水準下的雙尾對立假設。

工具顯示,80% 的檢定力(實際檢定力 0.808)需要 34 根軸,90% 的檢定力(實際檢定力 0.900)需要 44 根軸。常規檢查的 20 根軸,對於 0.01 mm 的偏移,檢定力僅為 0.565;用 20 根軸、80% 檢定力,檢定能夠可靠檢測到的最小偏移為 0.0132 mm。若只有偏大的偏移才有影響(Mean > hypothesized mean),27 根軸即可達到 80% 的檢定力。

常見問題

單樣本 t 檢定的檢定力如何計算?

檢定力是當真實平均值與假設平均值相差所輸入的差值時,t 檢定拒絕虛無假設的機率。它根據自由度為 n - 1、非中心參數為 d 乘以 n 的平方根的非中心 t 分配計算,其中 d 為差值除以標準差。雙尾檢定同時計入兩側尾部。

進行單樣本 t 檢定力分析時應輸入什麼標準差?

輸入總體的假定標準差或歷史標準差,例如來自以往資料或試執行。該項為必填,因為檢定力取決於差值相對於標準差的大小。檢定力隨樣本數和差值的增大而上升,隨標準差增大或信賴水準提高而下降。

單樣本 t 檢定需要多少個量測值?

在一個計算範例中,要檢測標準差為 0.02 mm 的軸直徑相對於標稱值的 0.01 mm 偏移,95% 信賴水準下的雙尾檢定,80% 的檢定力需要 34 根軸,90% 的檢定力需要 44 根。檢查 20 根軸的檢定力僅為 0.565。若只有偏大的偏移才有影響,27 根軸即可達到 80% 的檢定力。

應選擇單尾還是雙尾對立假設?

單尾檢定在相同檢定力下所需的量測值更少,但只能檢測所述方向上的偏移。對於 Mean > hypothesized mean,負差值得到的檢定力接近 0,據此求解樣本數會返回錯誤資訊。對於雙尾檢定,只有差值的大小起作用,與其符號無關。